GLM-5.1：智能体任务顶级开源模型

GLM-5.1：工程领域长运行代理任务的开源模型

Z.ai 发布了 GLM-5.1 ——一款 MIT 许可下的开源模型，针对多阶段工程任务进行了优化。在 SWE-Bench Pro 上，它达到了 58.4%，超过了 Claude Opus 4.6 (57.3%) 和 GPT-5.4 (57.7%)。在 NL2Repo 上，该模型将分数从 GLM-5 的 35.9% 提高到 42.7%。这使其适合需要顺序解决任务、不会迅速耗尽策略的场景。

GLM-5.1 的一个关键特性是其在长时间会话中的表现：模型通过分析中间结果来调整策略，而不是在初始进展后就停下来。

长运行任务性能

大多数大语言模型能快速解决简单子任务，但随后就会陷入停滞。GLM-5.1 专为持续改进而设计。三项关键实验证明了这一点：

• 用 Rust 优化向量数据库。模型收到带有存根代码的任务：加速 SIFT-1M 上的搜索。经过 600 次迭代，QPS 从 3500 提升到 21,500（6 倍）。策略逐步演化：从全量扫描，到聚类搜索、向量压缩（f32 → f16），再到两阶段流水线。

• KernelBench：加速 GPU 内核。在 50 个用 CUDA 重写 PyTorch 操作的任务中，GLM-5.1 实现了平均 3.6 倍加速。Claude Opus 4.6 达到了 4.2 倍。两个模型都持续进步，直至达到极限。

• 在浏览器中构建 Linux 桌面。经过 8 小时，模型打造了一个完整的桌面环境：文件管理器、终端、编辑器和监视器。每完成一个阶段，它都会分析输出并调整计划。

可用性和集成

模型权重已在 HuggingFace 和 ModelScope 上提供。支持 vLLM 和 SGLang 可实现高效推理。对于中高级开发者，这意味着无需专有依赖即可本地部署。

基准性能比较：

| Benchmark | GLM-5.1 | Claude Opus 4.6 | GPT-5.4 | GLM-5 |

|--------------|---------|-----------------|---------|-------|

| SWE-Bench Pro| 58.4% | 57.3% | 57.7% | - |

| NL2Repo | 42.7% | - | - | 35.9% |

| KernelBench (speedup) | x3.6 | x4.2 | - | - |

这些结果突显了它在需要多次迭代的代理场景中的优势。

关键要点

• GLM-5.1 在 600+ 步的任务上展现持续进步，根据日志切换策略。
• MIT 许可加上 vLLM/SGLang 支持，简化了集成到生产流水线。
• 在 SWE-Bench Pro 和 NL2Repo 上的表现，使其位居开源编码模型前列。
• 实验验证了其在优化（Rust 数据库、CUDA 内核）和自主系统组装方面的有效性。
• 非常适合需要自我反思的代理框架。

开发应用

对于使用 AI 代理的团队，GLM-5.1 提供了自动化工程工作流的利器。在数据库优化中，模型能自主从基础方法转向高级技巧，如量化与多阶段索引。KernelBench 中也是如此：重构前先剖析性能瓶颈。

在桌面组装场景下，它展现了有状态推理能力——数小时工作中跟踪上下文，避免重复。

开发者可利用该模型实现：

• 实时代码生成与优化。
• 性能关键任务中的自动化假设验证。
• 结合指标分析的 CI/CD 自我改进循环。

实验整体提升幅度：内核加速 3.6 倍，QPS 达 6 倍，使 GLM-5.1 适用于高负载系统。

— Editorial Team