新智元報道

　　編輯：好困 定慧

　　【新智元導讀】Vibe Coding時代宣告終結(jié)！2026年伊始，智譜GLM-5震撼空降，以「智能體工程」重塑游戲規(guī)則。用Claude七分之一的地板價，國產(chǎn)模型正面硬剛Opus 4.5！

　　2月7日深夜，一個代號「Pony Alpha」的神秘模型悄悄上線。

　　隨后，外網(wǎng)炸了。

　　扔進去一段改了一天都沒搞定的「屎山代碼」，它順手重構(gòu)了架構(gòu)；輸入一段簡單的提示，它吐出一個包含35個電臺、UI絲滑的完整Web App。

　　這種極致的工程能力，直接印證了 Andrej Karpathy 幾天前的斷言：

　　Vibe Coding已經(jīng)成為過去，新的游戲規(guī)則只有一個名字——

　　Agentic Engineering（智能體工程）。

　　緊接著，Opus 4.6與GPT-5.3-Codex 次日深夜「撞車」上線，全篇只談「長程任務(wù)、系統(tǒng)工程」。

　　就在所有人以為這又是閉源巨頭的獨角戲時，Pony Alpha的謎底揭曉——

　　它是GLM-5。

　　全球第一個站上這條賽道，和硅谷巨頭在系統(tǒng)級工程能力上正面硬剛的開源模型。

　　謎底揭曉后，智譜股價直接暴漲32%！

　　全球開源第一！

　　國產(chǎn)模型的「Opus時刻」

　　在真正上手之后，我們只有一個感受：真的太強了！

　　如果說Claude Opus代表了閉源模型的巔峰，那么GLM-5的發(fā)布，無疑標志著國產(chǎn)開源模型迎來了屬于自己的「Opus時刻」。

　　在權(quán)威榜單Artificial Analysis中，GLM-5位居全球第四、開源第一

　　就在發(fā)布當日，10余款由開發(fā)者基于GLM-5「手搓」的游戲和工具已同步展出并提供體驗，后續(xù)這些應用也將陸續(xù)登陸各大應用商店。

　　這意味著，GLM-5正將「AI編程」轉(zhuǎn)化為「AI交付」，真正實現(xiàn)了生產(chǎn)力工具向商業(yè)產(chǎn)品的無縫跨越。

　　體驗地址：showcase.z.ai

　　比如這個名為「Pookie World」的項目。

　　就是由GLM-5驅(qū)動的數(shù)字平行世界，通過多層生物-心理框架賦予自主智能體真實的敘事完整性與生命動機。

　　還有復刻版「我的世界」，這個效果和玩法簡直和Minecraft一模一樣。

　　我們也使用Claude Code作為外殼，直接接入GLM-5的API進行了多維度的實測。

　　無論是Next.js全棧項目，還是MacOS/iOS原生應用，它都能實現(xiàn)從需求分析、架構(gòu)設(shè)計到代碼編寫、端到端調(diào)試的全流程閉環(huán)。

　　做了N個項目，冥冥之中有一種感受：

　　某種程度上，GLM-5或許是一個能改變行業(yè)格局的模型。

　　· 復雜邏輯挑戰(zhàn)：「無限知識宇宙」

　　如果你覺得寫個網(wǎng)頁很簡單，那試著讓AI搞定一個對JSON格式要求極嚴、且涉及動態(tài)渲染的「無限流」項目。

　　就拿我們最先測試的「無限知識宇宙」來說。

　　這是一個典型的復雜前后端分離項目，涉及React Flow動態(tài)渲染、Next.js API路由設(shè)計，以及極其嚴格的JSON格式輸出要求。

　　對此，GLM-5的表現(xiàn)堪稱驚艷。

　　它不僅一次性完成了整個項目文件結(jié)構(gòu)，更讓人驚喜的是它的debug邏輯。

　　在遇到一個渲染bug時，我們只說了一句「頁面還是一片黑，初始化時沒有出現(xiàn)第一個內(nèi)容……」

　　GLM-5立刻定位到是加載時機的問題，并迅速給出了修正方案。

　　完整的提示詞如下：

　　- 難點攻克：讓模型輸出穩(wěn)定的JSON格式（這是測試模型指令遵循能力的絕佳場景）。

　　· 更復雜的中臺項目，11分鐘搭建完畢

　　接下來加大難度，讓它開發(fā)一個名為「Soul Mirror」的心理分析應用。

　　需求分為兩步：

　　邏輯設(shè)計：扮演榮格心理學專家，輸出包含分析文本和視覺參數(shù)的JSON。

　　Step 2

　　前端實現(xiàn)：根據(jù)參數(shù)動態(tài)渲染SVG，生成塔羅牌風格的卡片。

　　4.增加一個“保存為圖片”的按鈕（使用html-to-image庫）。

　　整個過程，它展現(xiàn)出的理解力，時常會讓人懷疑是不是在用Opus 4.5。

　　但是看了一眼，確實就是GLM-5。

　　· 25分鐘一鏡到底，真正的Agentic Coding

　　為了更進一步測試GLM-5的能力，我們要求它不使用API，完全模擬真實用戶，來制作一個X平臺的監(jiān)控系統(tǒng)。

　　結(jié)果：25分鐘，一鏡到底。

　　完整錄屏如下：

　　可以看到，GLM-5會在運行中自主調(diào)用各種工具Agent，規(guī)劃任務(wù)、拆解步驟、遇到報錯自己查文檔修正。

　　這種長時間維持邏輯連貫性的能力，是以前開源模型不敢想象的。

　　完成后，一句話即可讓GLM-5自動運行項目

　　· 看圖寫APP，這還原度真的服了

　　最后，我們又把一張OpenClaw之父開源項目的截圖（一個AI額度統(tǒng)計工具），直接丟給GLM-5：

　　照這個給我做一個MacOS App。

　　沒一會，它真的「復刻」了一個同款產(chǎn)品出來。

　　雖然數(shù)據(jù)是Mock的，但UI布局、交互邏輯幾乎完美復刻。

　　這不僅是視覺理解能力，更是將視覺轉(zhuǎn)化為SwiftUI代碼的工程落地能力。

　　大神手搓：1天復刻「丐版Cursor」

　　為了驗證GLM-5的工程極限，一位資深開發(fā)者決定玩把大的：

　　從零手搓一個帶桌面UI的AI編程助手——GLMLIFE。

　　這相當于要做一個簡易版的Cursor。

　　任務(wù)扔給GLM-5后，它沒有上來就狂寫代碼，而是先甩出了一份專業(yè)的架構(gòu)設(shè)計文檔（PLAN.md），并做出了極其成熟的技術(shù)選型：

　　直接采用了Monorepo架構(gòu)，將項目精準拆解為三個核心包。

　　Core：負責Agent核心引擎與LLM適配；

　　CLI：處理命令行交互；

　　Desktop：基于Electron + React 18的桌面主程序。

　　從Zustand狀態(tài)管理到Tailwind樣式方案，再到復雜的IPC進程通信，GLM-5像個帶了十年團隊的技術(shù)總監(jiān)，把技術(shù)選型安排得明明白白。

　　開發(fā)者原本以為要花三天配置環(huán)境，結(jié)果僅用一天就跑通了從環(huán)境搭建、核心邏輯實現(xiàn)到Electron打包的全流程。

　　打開GLMLIFE的那一刻，你很難相信這是AI在一天內(nèi)「架構(gòu)」出來的產(chǎn)物。

　　GLMLIFE制作迷你鋼琴實現(xiàn)過程

　　為什么它能成為「開源界的Opus」？

　　放眼全球，Claude Opus 4.6和GPT-5.3-Codex之所以備受追捧，是因為它們具備極強的「架構(gòu)」能力。

　　Opus 4.6的暴力美學：16個AI分身自主分工，耗時兩周，從零構(gòu)建了一個包含10萬行代碼的Rust編譯器，通過了99%的GCC壓力測試。

　　GPT-5.3的自我創(chuàng)造：它是OpenAI第一個「參與自身創(chuàng)造」的模型，在「出生」前就已介入訓練流程和集群部署。

　　然而，這一切都有一個致命的前提：它們不僅閉源，而且昂貴。

　　此時此刻，GLM-5的發(fā)布，便是中國開源大模型對Agentic時代的一次暴力破局。

　　它直接盯著閉源巨頭最不想放手的領(lǐng)域——系統(tǒng)級工程能力，做了一次「平替式」的進攻。

　　1. 新晉「后端架構(gòu)師」

　　智譜團隊非常清楚，開源界不缺能寫Python腳本的模型，缺的是能處理臟活、累活、大活的模型。

　　GLM-5在訓練中大幅強化了后端架構(gòu)設(shè)計、復雜算法實現(xiàn)和頑固Bug修復的權(quán)重，并且還實現(xiàn)了極強的自我反思機制。

　　在編譯失敗時，它會像一個成熟的工程師一樣，自主分析日志、定位根因、修改代碼、重新編譯，直到系統(tǒng)跑通。

　　2. 既然是干活，就要算賬

　　比肩Opus的性能，和開源的權(quán)重，讓GLM-5從某種程度上撼動了Anthropic和OpenAI構(gòu)建起的圍墻花園。

　　本地部署：它不僅可以在完全隔離的內(nèi)網(wǎng)中運行，并且還能針對公司的私有框架進行微調(diào)，成為最懂自家代碼的專員。

　　成本可控：用戶可以用消費級顯卡集群跑起一個強力的Coding Agent，不必每運行一次測試都要心疼錢。

　　屠榜SOTA

　　GLM-5的這次進化，只能用兩個字形容：暴力。

　　既然是面向復雜系統(tǒng)工程設(shè)計的基座模型，那規(guī)?？隙ㄒ瓭M。

　　參數(shù)量從355B（激活32B）一口氣干到了744B（激活40B），預訓練數(shù)據(jù)也從23T堆到了28.5T。

　　除了「大」，還得「省」。

　　眾所周知，Agent跑起來最燒錢的就是Token。

　　為了解決這個痛點，GLM-5首次集成了DeepSeek Sparse Attention（稀疏注意力）機制。

　　這讓它在處理超長上下文時，不僅能保持「無損」的記憶力，還能大幅降低部署成本。

　　還有個更狠的「黑科技」——全新的異步強化學習框架Slime。

　　配合大規(guī)模強化學習，讓模型不再是「一次性工具」，而是能在長跑中越跑越聰明的「長程選手」。

　　至于跑分，更是硬核：

　　代碼能力

　　SWE-bench Verified直接沖到77.8分，Terminal Bench 2.0一舉拿下56.2分，都是開源第一。這個成績不僅超了Gemini 3.0 Pro，更是直接貼臉Claude Opus 4.5。

　　Agent能力

　　BrowseComp（聯(lián)網(wǎng)檢索）、MCP-Atlas（工具調(diào)用）和τ2-Bench（復雜規(guī)劃），全線霸榜開源第一。

　　最有趣的是Vending Bench 2（自動售貨機經(jīng)營測試）。

　　在這個測試中，模型得完全靠自己經(jīng)營一年售貨機。

　　您猜怎么著，GLM-5到年底居然賺了4432美元，這水平都快趕上Opus 4.5了。

　　在開發(fā)者最關(guān)心的內(nèi)部Claude Code評估集合中，GLM-5在前端、后端、長程任務(wù)等編程開發(fā)任務(wù)上顯著超越上一代的GLM-4.7（平均增幅超過20%）。

　　真實使用體感已經(jīng)逼近Opus 4.5。

　　用AI造AI

　　當然，GLM-5的野心不止于模型，更在于重構(gòu)我們手里的編程工具。

　　全球爆火的OpenClaw讓大家看到了AI操作電腦的潛能。

　　這次，智譜也推出了AutoGLM版本的OpenClaw。

　　在用原版時，光環(huán)境配置就需要折騰半天，現(xiàn)在官網(wǎng)一鍵部署。

　　想要個7x24小時幫你盯著推特、整理資訊、甚至寫腳本的「數(shù)字實習生」？點一下就有了。

　　同時發(fā)布的還有Z Code——

　　完全基于GLM-5能力誕生的新一代開發(fā)工具。

　　在Z Code里，你只管提需求，模型會自動拆解任務(wù)，甚至拉起一堆Agent并發(fā)干活：寫代碼、跑命令、Debug、預覽，最后連Git提交都幫你搞定。

　　甚至，你還可以用手機遠程指揮桌面端的Agent干活。

　　值得一提的是，就像OpenAI用Codex寫出了Codex，Z Code本身，也是GLM模型全程參與開發(fā)出來的。

　　國產(chǎn)算力的勝利

　　在GLM引爆全球流量、Agent需求激增的背后，一群「無名英雄」正默默支撐著海量的計算負荷。

　　為了確保每一行代碼、每一次 Agent 規(guī)劃都能穩(wěn)定輸出，GLM-5已經(jīng)深入國產(chǎn)算力的「腹地」，完成了與華為昇騰、摩爾線程、寒武紀、昆侖芯、沐曦、燧原、海光等主流平臺的深度適配。

　　通過底層算子級的精細化優(yōu)化，讓GLM-5在國產(chǎn)芯片集群上也能跑出「高吞吐、低延遲」的滿血表現(xiàn)。

　　這意味著，我們不僅有了頂級的模型，還不被卡脖子。

　　結(jié)語

　　2026年的春天，編程大模型終于脫去了稚氣。

　　Karpathy所謂的「Agentic Engineering」，本質(zhì)上是對AI提出了一種更嚴苛的「面試要求」：

　　以前（Vibe Coding）：只要你會寫漂亮的HTML，我就錄用你。

　　現(xiàn)在（Agentic Coding）：你需要懂Linux內(nèi)核，懂500個微服務(wù)之間的調(diào)用關(guān)系，懂如何在不炸掉線上的前提下重構(gòu)代碼，還要能自己規(guī)劃任務(wù)、自己修Bug。

　　GLM-5并不完美。

　　但在「構(gòu)建復雜系統(tǒng)」這一核心命題上，它是目前開源界唯一能接住這波「Agentic浪潮」的選手。

　　Vibe Coding已經(jīng)結(jié)束了。

　　別再問AI「能不能幫我寫個網(wǎng)頁」了。那是2025年的事情。

　　現(xiàn)在，試試問它：「能不能幫我重構(gòu)這個高并發(fā)系統(tǒng)的核心模塊？」

　　GLM-5，Ready to Build！

　　彩蛋

　　GLM-5已經(jīng)納入Max用戶套餐，Pro將盡快在5天內(nèi)支持！

　　并且剛剛智譜宣布漲價，今年的Token注定是要漲價的！

　　趕快去體驗吧！

　　官方API接入

　　·BigModel開放平臺：

　　https://docs.bigmodel.cn/cn/guide/models/text/glm-5

　　·Z.ai：

　　https://docs.z.ai/guides/llm/glm-5

　　·OpenClaw接入文檔：

　　https://docs.bigmodel.cn/cn/coding-plan/tool/openclaw

　　開源鏈接

　　·GitHub：

　　https://github.com/zai-org/GLM-5

　　·Hugging Face：

　　https://huggingface.co/zai-org/GLM-5

　　·ModelScope：

　　https://modelscope.cn/models/ZhipuAI/GLM-5