克雷西 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

終于，“養(yǎng)蝦人”們也有自己的專屬模型了。

就在今天，智譜稍早前開始內(nèi)測的神秘模型Pony-Alpha-2終于揭開了真實身份——全球首個“龍蝦特供”模型GLM-5-Turbo

而且為了讓你更方便地吃蝦，這次智譜還專門準備了龍蝦套餐，包含個人版和Team版，39元即可獲得3500萬Token。

如果拿它來做“蝦腦”，從零開始定制一套喂飯級的小眾旅游攻略，不過是件分分鐘的事情。

這個過程當中，像什么深度研究、檢索總結(jié)還有生成網(wǎng)頁那些很長的流程，都能被GLM-5-Turbo安排得有條不紊。

這是因為GLM-5-Turbo深度優(yōu)化了復雜工作流中的工具調(diào)用與多智能體協(xié)同能力，在極其吃吞吐量的極限場景中表現(xiàn)出了極強的穩(wěn)定性。

很容易看出，這些重點優(yōu)化的能力，全都是面向龍蝦場景做的。

在智譜自己組織的“龍蝦測試”ZClawBench（題庫與測試軌跡已全面公開）當中，它斬獲了國產(chǎn)模型綜合成績第一。

而且，這個專為干重活定制的滿血大模型，現(xiàn)在直接通過AutoClaw（澳龍）應用就能零門檻直接調(diào)用。

“首個龍蝦模型”一手體驗

那么，這個“龍蝦特供”模型到底好不好用呢，咱們接下來就開始吃蝦。

智譜前兩天剛發(fā)過澳龍框架，能把龍蝦的安裝流程一鍵搞定，而且GLM-5-Turbo可以在里面直接選擇，搞API的過程也被省掉了。

為了方便起見，這次咱們就不搞聊天/辦公軟件接入，直接在澳龍里和模型對話了。

任務一：小紅書文案連載策劃

第一個任務，我想體驗當一個小紅書沙雕博主，同時又想蹭一蹭AI話題，于是我把我的想法告訴了搭載GLM-5-Turbo（由于是搶先體驗，我玩的時候模型還叫Pony-Alpha-2）的澳龍。

而且要做就做連載，我告訴它直接給我準備一周的策劃，把標題、文案、話題標簽、評論區(qū)引導話術，還有配圖建議，全都給我搞定。

以“AI每天幫我過沙雕生活”為主題，生成一套完整的小紅書連載筆記（共7篇），每篇包含吸睛標題、正文故事、配圖、評論區(qū)引導話術和hashtags。

不一會兒，澳龍就把這七天的文案全都準備好了，同時給出了我發(fā)布節(jié)奏建議，整套方案全都是文案本體，沒有半點廢話。

而且每篇結(jié)尾都埋下了“未完待續(xù)”的鉤子，引導粉絲關注追更，甚至最后一篇結(jié)尾還“自作主張”，建議我用投票預熱第二季，形成系列IP。

至于具體內(nèi)容，我看完這套連載筆記，最直觀的感受就是，它把AI那種帶著邏輯色彩的“冷幽默”給玩明白了。

平時咱總覺得AI是個嚴肅的工具，但在這份回答里，它反倒像個嘴毒又細心的管家。

比如第3篇里那個“烏龜暴走GIF”的社死現(xiàn)場，這種細節(jié)抓得特別準，一下子就把AI建議的“保持幽默”和人類實際操作時的“手忙腳亂”這種反差感拉滿了。

還有第6篇里算奶茶賬的那段，AI說把快樂換成“免費的白開水”，這種一本正經(jīng)胡說八道的情節(jié)，確實很符合小紅書那種自嘲式沙雕生活的調(diào)性。

接下來呢，我讓它幫我把這一大長串拆開，每天的文案都放在一個獨立的文檔中。

當然了，用澳龍玩GLM-5-Turbo還有一個好處就是，它內(nèi)置了很多的Skills，可以直接調(diào)用智譜家的圖像、視頻生成等模型，使用時消耗的是澳龍積分，不用再配置任何東西了。

所以接下來，我就讓它把所有的配圖也都一并代勞了，它先給我繪制了7篇文章的封面。

看到生成結(jié)果，我發(fā)現(xiàn)第三天的封面真的包含了之前被重點cue到的“烏龜表情包”。

接下來我讓它把剩下的圖也給我畫好，這次它沒在聊天框里一張張發(fā)給我，而是把所有圖片的鏈接全都塞進了README.md里。

最后呢，我讓它仿照小紅書的UI幫我做一個HTML效果頁，不過這里我只讓它做了第一天的。

可以說它不僅完整展示了內(nèi)容，還高度還原了小紅書的界面設計。

任務二：全棧應用開發(fā)

雖然我剛剛給自己塑造了一個沙雕的人設，但我的內(nèi)心，其實是個技術宅，平時就喜歡搞一些小應用來把玩一番。

所以接下來，我也給GLM-5-Turbo安排了一個全棧開發(fā)的任務。

設計一個本地運行的實用個人記賬全棧應用，支持記錄一筆支出（金額、分類、備注、日期）、查看支出列表、刪除記錄、顯示本月總支出和分類統(tǒng)計。應用前后端分離，后端負責數(shù)據(jù)存儲和匯總計算，前端提供錄入和查看界面。

它先用Node.js + Express + SQLite做后端，HTML/CSS/JS做前端，迅速幫我把程序搭建了起來。

尷尬的是，寫完之后它發(fā)現(xiàn)我這臺電腦里壓根兒沒裝node.js，不過并沒有因此就亂了陣腳，而是開始檢查我的電腦里有什么能用的，然后改用Python重新寫了個后端。

寫完之后，它就開始對代碼進行測試，通過API對后端服務進行了驗收。

而且還沒忘把之前node.js的版本刪掉，然后又幫我寫了一個啟動腳本。

啟動之后，就可以在瀏覽器里打開這個記賬本了。

我向其中輸入了一些數(shù)據(jù)，刷新之后數(shù)據(jù)依然可見。

以及在電腦端打開時添加的記錄，手機端刷新之后也能顯現(xiàn)。

并且在后臺日志當中，也能看到我的添加動作，說明這一波的程序是真的跑通了整個前后端和數(shù)據(jù)庫，而不是只有一個靜態(tài)頁面在模擬。

任務三：本地環(huán)境操縱

既然是龍蝦模型，那自然還得放到本地環(huán)境里看一看它的表現(xiàn)。

這次我扮演的是一名電商運營，從SkyTrade、GlobalHub和OceanMall三個平臺（都是我虛構(gòu)的名字）拉取了銷售數(shù)據(jù)，結(jié)果這三個平臺給出的數(shù)據(jù)格式完全不一樣，既有JSON，又有表格，甚至還有純文本。

我希望它能幫我把這些混亂的數(shù)據(jù)清洗一遍，然后給我一份匯總表。

你現(xiàn)在直接接管我桌面上raw_orders文件夾里的所有原始底稿。這里面塞滿了SkyTrade、GlobalHub和OceanMall三個平臺的訂單，格式極其混亂，還埋了不少跨平臺重復的客戶、殘缺的支付金額和五花八門的日期。
你的任務是把這堆爛賬盤清楚：自主完成所有平臺的數(shù)據(jù)對齊與清洗，結(jié)合成本配置文件，盤出本月的真實凈利潤。你需要幫我揪出那3個由于高頻率退貨或運費倒掛導致的“退貨黑洞”商品，并畫像出貢獻最大的5個頂級金主客戶（注意聚合跨平臺的同名ID）。
最后，直接在當前目錄下給我交付一份Markdown月度經(jīng)營分析報告，并配套生成一份精細化的財務匯總表。

結(jié)果，澳龍寫了個Python程序，就把我這些混亂的數(shù)據(jù)，一次性都給盤清了。

跑完程序之后，它不僅生成了我要的表格，還直接在對話框里向我匯報了整理的結(jié)果。

另外我關心的“退貨黑洞”和“五大金主”這兩個問題，澳龍也都在對話中給我解答了。

“龍蝦專供”模型，還有“龍蝦專供”套餐

之所以能成為一個“龍蝦特供”模型，是因為GLM-5-Turbo這一波優(yōu)化的重點，就是工具調(diào)用和多智能體協(xié)同。

實測當中我也感受到，GLM-5-Turbo不僅讓龍蝦更加聽話，在跑多環(huán)節(jié)、長路徑的復雜任務時，也能明顯感覺到有條不紊。

而且它能精準調(diào)用各種外部工具和Skills，把需求拆解成詳細步驟，再指揮好幾個龍蝦助手分工合作。

最關鍵的是，每個環(huán)節(jié)的銜接都很順滑，你基本不用擔心它會中途掉鏈子 。

另外，它對時間維度的理解也很到位，不管是你定點定時要跑的任務，還是那種一干就是好幾個小時的大工程，它都能穩(wěn)穩(wěn)當當?shù)靥婺銏?zhí)行下去，中間不中斷。

還有就是在編程這件事上，靠直覺碰運氣的Vibe Coding，也跨越到了真正的智能體工程（Agentic Engineering）水平。

在極少需要你人工干預的情況下，模型就能自主搞定長程規(guī)劃和最后的系統(tǒng)交付，哪怕你是一個人，也能鎖定大團隊才能折騰出來的那些成果。

而為了讓這些能力真正落地到你的桌面上，智譜又在之前的Coding plan之后，推出了面向企業(yè)的龍蝦套餐（Claw-plan） 。

這種模式之下，企業(yè)為它付費的邏輯從“買token”，變成了“雇傭一個數(shù)字員工”。

目前，智譜已經(jīng)正式開售這個企業(yè)龍蝦套餐了，開發(fā)者和企業(yè)用戶可以通過智譜開放平臺BigModel.cn直接調(diào)用API，或者通過龍蝦套餐接入。

另外在GLM Coding Plan當中，Max版也已經(jīng)納入了GLM-5-Turbo，Pro套餐也將在本月盡快支持，Lite套餐將在4月支持接入。

如果你正愁怎么處理手頭那些復雜的Agent場景，這絕對是性價比極高的選擇。

“澳龍”下載地址：
https://autoglm.zhipuai.cn/autoclaw/
API接入（智譜開放平臺）：
https://www.bigmodel.cn：
了解龍蝦套餐：
https://www.bigmodel.cn/claw-plan-team