上周，龍蝦圈開始流傳一個(gè)神秘模型的名字：Pony-Alpha-2。

沒有發(fā)布會(huì)，沒有官方介紹，它就這么悄悄跑在智譜的 AutoClaw 澳龍里，開放給用戶內(nèi)測。沒想到口碑一路發(fā)酵，于是大家都在問：這個(gè)匿名 AI 到底是什么模型？

今天，謎底揭開了。它就是 GLM-5-Turbo，智譜今天正式發(fā)布的「全球首個(gè)龍蝦模型」，也是智譜自 2025 年以來首個(gè)閉源模型。

通用模型跑龍蝦，為什么老是掉鏈子

養(yǎng)過龍蝦的用戶大概都有這個(gè)體感：讓模型聊天、寫東西，挺順的。但真讓它跑任務(wù)，走到第三步往往就開始出問題。工具調(diào)用報(bào)錯(cuò)、忘記上下文、長任務(wù)中途崩掉，各種情況都有。

這個(gè)問題的根不在框架，在底層模型本身。通用大模型的訓(xùn)練目標(biāo)是對話，執(zhí)行工作流完全是另一回事。一旦進(jìn)入多步驟、多工具串聯(lián)、需要持續(xù)跑的真實(shí)龍蝦場景，就力不從心了。

GLM-5-Turbo 的出發(fā)點(diǎn)就是解這個(gè)問題。從訓(xùn)練數(shù)據(jù)構(gòu)造到優(yōu)化目標(biāo)，全鏈路針對龍蝦場景做專項(xiàng)優(yōu)化，重點(diǎn)練了五塊能力。

工具調(diào)用方面，強(qiáng)化對外部工具和各類 Skill 的穩(wěn)定調(diào)用，不掉鏈子是基本要求。指令遵循方面，復(fù)雜多層的長指令能準(zhǔn)確拆解，支持識(shí)別目標(biāo)、規(guī)劃步驟、多智能體分工協(xié)作。

定時(shí)和持續(xù)性任務(wù)是另一個(gè)重點(diǎn)，模型能理解時(shí)間維度上的指令，處理定時(shí)觸發(fā)場景，長任務(wù)持續(xù)執(zhí)行不中斷。編程能力延續(xù)了 GLM 系列強(qiáng)勢，能以極低人工干預(yù)完成長程 Agentic 工程任務(wù)，從 Vibe Coding 邁向 Agentic Engineering。速度上，高吞吐長鏈路場景也做了專項(xiàng)提速，響應(yīng)穩(wěn)定性領(lǐng)跑同類模型。

評測層面，GLM-5-Turbo 在智譜自研的龍蝦場景端到端基準(zhǔn) ZClawBench 中拿下國產(chǎn)模型第一。

ZClawBench 的誕生有一定的背景。

隨著 OpenClaw 普及，當(dāng)前任務(wù)類型已覆蓋安裝配置、代碼開發(fā)、信息搜集、數(shù)據(jù)分析、內(nèi)容創(chuàng)作等多元化場景。

用戶群體也從早期開發(fā)者擴(kuò)展到效率辦公人群、金融從業(yè)者、運(yùn)維工程師、內(nèi)容創(chuàng)作者與研究分析人員。ZClawBench 正是基于這批真實(shí)用例構(gòu)建的，目前題庫和測試軌跡已全面公開。

此外，GLM-5-Turbo 還接入了軟通動(dòng)力旗下機(jī)械革命盒子，打造原生 AI Agent 終端體驗(yàn)。不過，這次發(fā)布有個(gè)插曲值得單說。GLM-5-Turbo 的 API 價(jià)格也迎來今年的第二次漲價(jià)，較 GLM-5 上調(diào) 20%。

盡管考慮到龍蝦任務(wù)動(dòng)輒涉及數(shù)十輪工具調(diào)用與上下文銜接，一個(gè)典型的跨部門會(huì)議紀(jì)要整理和任務(wù)分發(fā)，token 消耗遠(yuǎn)超普通對話。但對企業(yè)來說，算賬的維度也正在發(fā)生變化——

花多少 token 已經(jīng)不是關(guān)鍵，AI 員工幫省了多少人力才是重中之重。

隨模型一起發(fā)布的是面向個(gè)人和企業(yè)的龍蝦套餐，個(gè)人版和 Team 版都有。

無論是一人公司、創(chuàng)業(yè)團(tuán)隊(duì)，還是大中型企業(yè)，都能根據(jù)自身業(yè)務(wù)規(guī)模靈活訂閱，每個(gè)賬號最多購買 5 個(gè)。企業(yè)可通過 Team 版按實(shí)際員工數(shù)靈活訂閱，以可控成本保障 tokens 供給和 AI 員工穩(wěn)定在線。

配套推出的企業(yè)級安全管理體系「Claw for Enterprise Security」，支持對不同類型 Claw 進(jìn)行統(tǒng)一調(diào)度與權(quán)限編排。通過集中化管控臺(tái)，可以對每一個(gè) Agent 任務(wù)的執(zhí)行路徑、工具調(diào)用鏈路和資源消耗進(jìn)行實(shí)時(shí)可視化監(jiān)控。

龍蝦模型，瞄準(zhǔn)企業(yè)入口

光看介紹不夠，用真實(shí)任務(wù)測了一下，說說體感。

第一個(gè)場景非常簡單，定一個(gè) 10 分鐘后的鬧鐘，時(shí)間到了飛書提醒「起來動(dòng)一動(dòng)」。模型直接回復(fù)已設(shè)定 14:22 提醒，10 分鐘后飛書準(zhǔn)時(shí)收到消息，沒有任何需要人工干預(yù)的步驟。

第二個(gè)場景則是信息搜集，讓它匯總當(dāng)天科技圈熱點(diǎn)。模型調(diào)工具跑了一遍，整理出英偉達(dá) GTC 大會(huì)、馬斯克宣布 7 天后啟動(dòng) Terafab 造芯、國家新增六大未來重點(diǎn)產(chǎn)業(yè)等要點(diǎn)。

最后一個(gè)圖一樂的場景稍微有點(diǎn)折騰。龍蝦跑在飛書妙搭提供的云電腦上，底層是阿里云 ECS 虛擬機(jī)。我讓它寫一個(gè)溫度監(jiān)控 Skill，寫完封裝好，自動(dòng)加載生效，超過 40 度飛書預(yù)警。問題來了，云虛擬機(jī)沒有物理溫度傳感器，直接讀溫度這條路走不通。

模型沒有卡住等我給方向，而是自己依次嘗試了五種讀取方式，都不行之后改用 CPU 負(fù)載作為代理指標(biāo)來估算溫度，并告訴我為什么這么處理。

腳本寫完本地跑通，寫 SKILL.md，注冊進(jìn) openclaw.json，觸發(fā)重啟，再跑 doctor 確認(rèn)加載成功，最后飛書發(fā)來確認(rèn)：當(dāng)前溫度 27°C，一切正常。整個(gè)鏈路沒有中斷，也沒有等我發(fā)下一條指令。

三個(gè)任務(wù)跑下來，工具沒掉鏈子，時(shí)間指令被準(zhǔn)確理解，信息搜集給結(jié)論不只是羅列。當(dāng)然這幾個(gè)屬于相對標(biāo)準(zhǔn)的龍蝦任務(wù)，更復(fù)雜的多智能體協(xié)同場景還需要更多實(shí)測。

截至發(fā)稿前，GLM-5-Turbo 現(xiàn)已上線，開發(fā)者和企業(yè)用戶可通過智譜開放平臺(tái) BigModel.cn 或 api.z.ai 調(diào)用 API，也可通過龍蝦套餐接入。

GLM Coding Plan Max 已納入 GLM-5-Turbo，Pro 套餐將在本月內(nèi)支持，Lite 套餐 4 月接入。如需長期穩(wěn)定運(yùn)行、后臺(tái)持續(xù)執(zhí)行或更高負(fù)載的 Agent 場景，建議優(yōu)先選擇龍蝦套餐。

AutoClaw 澳龍默認(rèn)模型已切換為 GLM-5-Turbo，即日起至 3 月 22 日有限時(shí)加油包折扣，最高享 3.4 折，加油包自購買起 7 日內(nèi)有效。

值得關(guān)注的是，龍蝦讓普通用戶第一次真正感受到了「AI 在幫我干活」和「AI 在幫我回答問題」的差別。前者需要的能力完全不一樣，這也是為什么專門為龍蝦場景訓(xùn)練的模型，和通用模型之間會(huì)拉開那么明顯的差距。

Agent 時(shí)代的競爭，最終拼的可能不是通用能力的高低，而是誰能在特定場景里真正跑通、真正穩(wěn)定、真正被企業(yè)當(dāng)成生產(chǎn)力工具來用。能力只是入場券，能不能持續(xù)干活才是真正的考題。

附上體驗(yàn)地址：

• AutoClaw澳龍客戶端：https://autoglm.zhipuai.cn/autoclaw
• Z.ai：z.ai
• 智譜清言APP/網(wǎng)頁版