GLM-5.1 在 SWE-Bench Pro 上领先：58.4%

# GLM-5.1：无需陷入平台期即可进行长期代码优化的 AI

Z.ai 的 GLM-5.1 在 SWE-Bench Pro 上以 58.4 分领先，超越了 GPT-5.4 (57.7)、Claude Opus 4.6 (57.3) 和 Gemini 3.1 Pro (54.2)。该模型已在 Hugging Face 上以 MIT 许可证形式提供。主要突破在于对长时间会话的韧性：它能分解任务、开展实验、分析日志，并在数百次迭代中调整策略。

长期优化而非快速平台期

以往模型，包括 GLM-5，都会很快耗尽工具：它们采用标准方法，达到局部最优后就停滞了。GLM-5.1 专为多小时循环设计。结合反馈机制，它能：

• 将任务拆分成子目标。
• 使用工具运行实验。
• 阅读指标和日志。
• 识别瓶颈。
• 重建策略。

这使得它能通过数千次工具调用突破平台期。

浏览器中的 Linux 桌面：8 小时自主组装

任务：实现一个模拟 Linux 桌面的 Web 应用——没有源代码或样例。通常模型只会搭建一个带任务栏和占位符的骨架，然后放弃。

GLM-5.1 在审查循环中工作了 8 小时：

• 构建了带导航和预览的文件管理器。
• 添加了带 bash 仿真的终端。
• 集成了支持语法高亮的文本编辑器。
• 实现了系统监视器（CPU、RAM、网络）。
• 包含了计算器和简单游戏。

所有组件采用统一的 UI 风格。模型自己在每次迭代后决定优化哪些部分。

VectorDBBench 纪录：600+ 迭代下 6 倍加速

基准测试：优化 Rust 骨架上的近似最近邻 (ANN) 搜索。此前 Claude Opus 4.6 的最先进水平 (SOTA) 为 50 次迭代下 3547 QPS。

GLM-5.1 在扩展循环中（600+ 次提交，6000+ 次调用）：

• 达到了 21.5k QPS——提升 6 倍。
• 经历了 6 次结构重建：

- 暴力搜索 → IVF 索引。

- 向量压缩至 f16。

- 两阶段搜索：u8 评分 + f16 排序。

- 分层路由。

进度图呈阶梯状：针对性微调与基于日志分析的激进方法变革交替进行。

KernelBench 3 级：GPU 优化

任务：调整 GPU 内核。GLM-5.1 在 1200 次迭代下加速 3.6 倍。Claude Opus 4.6 领先（4.2 倍），但 GLM 在长时间会话中展现潜力。

可用性和限制

该模型可与 Claude Code、OpenCode、Cline、OpenClaw 集成。GLM Coding Plan 订阅用户可用。缺点：

• 峰值时配额消耗速度为 3 倍（4 月底前，非峰值时按基础速率）。
• 数千次调用后连贯性不足。
• 无指标时的自我评估较弱。

Z.ai 计划针对长时间任务进行优化。

关键要点

• GLM-5.1 凭借长期思考在 SWE-Bench Pro 上击败最先进水平（58.4%）。
• 在 VectorDBBench 上达到 21.5k QPS——纪录的 6 倍。
• 8 小时内无提示组装完整浏览器 Linux 桌面。
• 展现阶梯式进步：6 次策略重建。
• 极端会话需提升连贯性。

— Editorial Team