大模型第一股”加入“春节AI战 siyushenqi.com • 2026 年 2 月 21 日 上午10:54 • 行业动态 • 阅读 315 智谱发布新一代开源基座模型GLM-5,支持长程系统工程与多智能体协作,在多项编程与Agent评测中达开源SOTA。 摘要 智谱AI正式推出新一代开源旗舰模型GLM-5,定位为面向复杂系统工程与长程Agent场景的基座模型,在参数量、训练数据及架构设计上实现全面升级。该模型集成Slime强化学习框架与DeepSeek稀疏注意力机制,在SWE-bench、Terminal Bench等编程评测中达到开源SOTA,并在Vending Bench 2等长程商业仿真任务中接近Claude Opus 4.5表现。实测显示,GLM-5可完成Web UI克隆、操作系统仿真、多智能体世界构建等系统级开发任务,展现出在代码生成、工具调度与长程一致性上的工程潜力。 2月12日,智谱正式发布并开源新一代旗舰基座模型 GLM-5,定位为面向复杂系统工程与长程Agent任务的基座模型,在大型编程任务中提供对标顶尖闭源模型的可靠生产力,为懂行的顶尖程序员而生。 几周前,开源社区曾流传一个名为Pony Alpha的模型。它能进行长程交互、拆解复杂任务、在多轮对话中保持稳定上下文,一度引发广泛猜测。如今答案揭晓,Pony Alpha正是GLM-5的匿名测试版本。 过去一年,AI Coding正在发生一次深层次的能力迁移。前OpenAI研究科学家Andrej Karpathy在 “vibe coding” 实践一周年时提出,开发者的角色正从“写代码”转向“编排 AI Agent”。 这一趋势在顶尖闭源阵营中已经得到验证。Claude Opus 4.6与 GPT-5.2 在长上下文、复杂编排和工具调用上的表现,推动市场对大模型的“系统级能力”重新定价。 在开源世界,月之暗面(Moonshot AI)在 2026 年 1 月 27 日正式发布了 Kimi K2.5,是一个主打超长上下文与多智能体协作的原生多模态模型,能够自主调度上百个子智能体高效完成跨领域的复杂任务。 模型能力真正的分水岭,开始转向工程稳定性与长期任务表现。 在这样的背景下,智谱的进化路径清晰可见:从 2024 年初 GLM-4 问世并开启“All Tools”时代,初步实现了 Agent 的产品化;到 2025 年中 GLM-4.5 正式确立 ARC 原生融合架构,从底层架构上完成了智能体、推理与代码的深度对齐。随后,2025 年底发布的 GLM-4.7 通过大规模强化学习,扩展模型的编程与逻辑处理边界。而作为最新旗舰的 GLM-5,是这一技术路线的继续升级,向“长程长时执行者”跨越。 图:Pony Alpha即GLM-5的开源匿名测试版 01 技术架构:更大的模型,更长的记忆 从技术规格看,GLM-5参数量从 GLM-4.7 的355B(激活 32B)扩展至 744B(激活 40B),预训练数据从 23T token 增加到 28.5T token。 更大的模型容量意味着更强的知识储备和推理能力,但真正的差异化在于两个方面。 第一是名为"Slime"的强化学习框架。根据智谱的说法,这套系统支持异步智能体强化学习,让模型能够从长程交互中持续学习。这与传统的短对话优化不同,理论上能让 GLM-5 在处理需要数十步操作的工程任务时保持策略一致性。不过,这种能力在实际应用中的表现如何,还需要更多开发者的验证。 第二是集成了 DeepSeek 的稀疏注意力机制。通过只对高相关性 token 执行完整注意力计算,这套机制能在保持长文本处理能力的同时降低计算成本。对于需要处理大型代码仓库的场景,这是一个实用的工程优势。 这带来两个直接收益:在维持长文本处理效果无损的同时,大幅降低部署成本,显著提升 Token Efficiency。对于需要处理大型代码仓库的 Agent 场景而言,这是关键的工程优势。 从官方公布的关键Benchmark来看,GLM-5 在编程能力上实现了对齐 Claude Opus 4.5。在 SWE-bench-Verified 和 Terminal Bench 2.0 中分别获得 77.8 和 56.2 的开源模型最高分数,超过 Gemini 3 Pro。 在内部Claude Code评估集合中,GLM-5 在前端、后端、长程任务等编程开发任务上显著超越上一代的GLM-4.7(平均增幅超过20%),能够以极少的人工干预自主完成 Agentic 长程规划与执行、后端重构和深度调试等系统工程任务。 GLM-5 在 Agent 能力上实现开源 SOTA,在多个评测基准中取得开源第一。在 BrowseComp(联网检索与信息理解)、MCP-Atlas(大规模端到端工具调用)和 τ²-Bench(复杂场景下自动代理的工具规划和执行)均取得最高表现。 Vending Bench 2是 2025年设立的一个新的Benchmark,测试要求模型在模拟环境中经营一家自动售货机公司,周期长达一年。它要自己决定进货、定价、库存结构、现金流管理,在资源有限的情况下持续优化利润。在这个测试中,GLM-5自己做生意的结果是“最终账户余额达到 4432 美元,经营表现接近 Claude Opus 4.5”。 当然,模型Benchmark的分数,和实际的应用体验不一定会一致,我们选择了 5 个真实场景,来看看GLM-5的应用效果。 前两个Case考验工程输出的完成度,它们可以看出GLM-5在视觉理解、长代码生成和系统级架构上的“一次性交付”能力。 第三和第四个Case看模型作为引擎驱动真实应用的表现,一个是多智能体仿真世界,考验长程记忆和人格一致性;一个是可上架应用商店的成型产品,考验从理解内容到构建产品的全链路能力。最后一个Case,给模型挖坑,考验一个AI模型很容易做错的常识题。 02 五个案例 // Case 1:一键克隆Web UI “一键克隆 Web UI”需要模型先看懂页面的视觉结构,还要抽象出组件与布局逻辑,推断间距和样式规则,完成 CSS 到 Tailwind 的语义映射,并在整个页面中保持一致、可维护和可复用。它可以测试出模型在视觉理解、工程抽象、规则推理和长程一致性上的综合能力。 以下这个案例,是让GLM-5直接克隆Claude的交互界面。 如果按克隆的标准,只能说整体完成度较高,但UI布局与原版还是有很大不同,字体气质、行高节奏、留白比例、阴影层级等细节上仍存在差距,设计系统的一致性和精细度也没有完全对齐。 整体可以达到 80分,进行修改之后基本能够达到可用,但是还没有达到高度统一的一比一复刻。 // Case 2:用单个HTML文件(内联CSS和JavaScript)创建一个高度还原的macOS Sonoma风格桌面操作系统模拟器。 这个case主要测试模型是否具备构建一个完整“操作系统级”前端应用的系统工程能力,包括桌面环境、窗口管理、多应用架构、状态管理、动画交互以及复杂逻辑实现。考察界面还原能力,以及模块化设计、长程一致性、复杂交互协调和算法实现能力。 从最终呈现效果来看,这个 macOS 仿真桌面整体完成度较高,视觉结构清晰,Finder 窗口布局、侧边栏层级、面包屑导航和文件区域划分都较为准确,深色主题氛围、窗口圆角与阴影效果也较为自然,Dock 的毛玻璃质感和图标排布具有较强的还原度,整体已经达到一个可交互的高质量演示级 Demo 水平。 不过,细节层面仍存在差距,例如字体气质与系统默认字体的精细程度、间距节奏的统一性、动画的弹性与流畅度、Dock 放大曲线的物理感、菜单栏交互深度以及 Finder 功能完整度等方面可能还未完全达到系统级精度。因此,它在结构与整体视觉上表现优秀,但在设计语言的微妙细节与系统级打磨程度上还有有不少的提升空间。 // Case 3: GLM-5驱动的智能体世界Pookie World 以下这个Case是网友@Banana Lab 基于 GLM-5 构建了一个类似“斯坦福小镇”的多智能体世界 Pookie World。按照作者的介绍,他们通过多层生物—心理框架为自主智能体注入持续的叙事动机与行为驱动力,打造了一个具有“代谢能力”的模拟社会。在这个数字世界中,Agent 会根据自身的生理与情感状态,自发产生社交、冲突与协作,即使没有玩家干预,整个城市依然能够自行运转与演化,形成真正“非玩家依赖”的社会涌现。 同时,项目还设计了角色防崩坏机制,确保在大规模、混沌式的交互环境中,Agent 依然保持稳定的人格设定与行为逻辑,避免人设漂移或叙事断裂。这意味着模型不仅能够持续生成符合角色动机的行为链,还具备较强的长程记忆整合能力和人格一致性控制能力。 // Case 4 沉浸式论文探索工具 以下是@书同文制作的AI论文探索工具,因为对阅读论文的痛点深有体会,所以个人十分喜欢这个设计,它能够支持竖屏沉浸式的浏览,垂直无限滚动的交互,将枯燥的论文转化为视觉化的动态卡片。每张卡片精炼展示标题、一句话摘要、核心金句及配图,完全可以利用碎片化时间去消化长篇难懂的论文。并能够每日自动抓取 Hugging Face 每日 TOP10 热门论文,还能保证是最新的研究。 根据作者介绍,这个App 甚至已提交APP store申请,即将上线。在这其中,GLM-5模型不仅负责理解论文、做出摘要和结构化内容,还参与了产品逻辑与应用构建,加速了从创意到可用产品的落地过程。 // Case 5 简单常识翻了车 “我想洗车,如果我家离洗车店步行只有50米的脚程,你建议我开车去还是走路去。” 这种题,属于人类都不用过脑子,就能回答对的问题。对于大模型来说,却很难。Gemini 3 pro,Optus 4.5都答对了,但是强如GPT-5.2也没能答对,建议人类“走路去洗车”。当GLM-5还是Pony Alpha的时候,也是翻了车;但是当它以GLM-5正式亮相的时候,就已经能够答对这道难倒一众大模型的简单问题了。 大模型之所以容易在这道题上“翻车”,是因为它们的底层基因是概率:当模型捕捉到“50米”和“建议”这两个高权重关键词时,会条件反射式地关联起语料库中无数次出现的“短距离建议步行”的环保准则,从而让“步行”的概率瞬间盖过了“洗车必须有车”的物理常识。 这也反映了 AI 在处理问题时,有时会过度关注表面的数值逻辑和所谓政治正确的回复,却缺乏对物理世界运作规律的实际理解,为了维持上下文一致性而自我圆说,然后犯下胡编乱造的错误。 03 写在最后 在实测及围观其它专业开发人员的应用案例之后,GLM-5确实能够达到帮助专业开发人员提效的效果。但是,作为一个没有编程基础的“文科生”,在没有任何使用情景指导的情况下,仅通过一句话的简单prompt,生成出来的案例效果差强人意。 它更适合于专业的程序员,基于真实的场景,实现复杂的、长时的、系统级的任务。在小白和专业人员间,第一次能够如此明显看出模型的差异。这也反向证明了,大模型开始从一个玩具,走向真正的生产力工具。而真正的工具,要在“行家”手里,才能用出最好的效果。 另外,虽然说GLM-5号称能够达到Claude Opus 4.6的体感,但是测试了两个case之后,最终呈现的效果差距还是肉眼可见的。 不过,作为Claude的会员,我也就只能测试两个case,就达到了模型使用量的上限。不得不说,能力巅峰的Opus 4.6价格也是真的贵。而开源的GLM-5,性价比一目了然;在行家手里,也能发掘出不错的效果。 开放+性价比,是另外一种王炸。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/72019.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 240万美金ARR,真实犯罪案件改编,美国短剧界跑出了个“AI版Netflix” 上一篇 2026 年 2 月 12 日 上午9:03 马斯克旗下xAI再失两名联合创始人 下一篇 2026 年 2 月 21 日 上午10:55 相关推荐 行业动态 WhatsApp广告投放内容创新与转化提升 内容创新提升用户参与 个性化广告策略有效 互动功能增加转化率 数据分析优化投放效果 内容创新提升用户参与 随着市场竞争的激烈化,广告内容的创新已成为品牌营销成功的关键。通过对受众需求的精确洞察,品牌能够设计出符合用户兴趣、习惯的内容,从而有效提升参与度和转化率。内容创新不仅仅是视觉和创意的革新,还包括互动元素的融入,使得用户在广告中的参与感得到增强。 研究表… siyushenqi.com 2026 年 2 月 21 日 上午10:54 315000 行业动态 Epic Games裁员四分之一,《堡垒之夜》下滑成主因 Epic Games宣布裁员约25%,涉及超1000名员工,核心原因是《堡垒之夜》玩家活跃度下滑导致收支失衡,未来将聚焦内容升级与成本收缩。 转自扬帆出海 2026 年 3 月 27 日 325000 CEO来信 | AppsFlyer 的发展之道:保持专注,坚守承诺 AppsFlyer 创办的一个初衷就在于解决移动生态系统中存在着的利益冲突。我们认为,要想成为一家值得信赖的营销效果衡量公司就必须像裁判那样,做到独立公正、不偏不倚。 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 501000 2022年西班牙电商市场报告 分析机构RetailX发布西班牙2021年电商报告,称作为欧盟第四大经济体的西班牙是全球受疫情影响最严重的国家之一,国内生产总值下降11%,失业率自2013年迎来首次上升 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 469000 行业动态 这家韩国“猫”厂,推出了一款挖矿题材“打飞机+Slots”,小游戏模板又多了一个 题材和玩法的结合方式够新颖,有很大IAP空间。 siyushenqi.com 2025 年 8 月 17 日 424000 行业动态 炫稷科技 创始人兼CEO 程银斌 确认担任 PAGC 2026丨第六届全球产品与增长展会第一届全球AI增长大会·下午场演讲嘉宾! 炫稷科技 创始人兼CEO 程银斌 确认担任 PAGC 2026丨第六届全球产品与增长展会第一届全球AI增长大会·下午场演讲嘉宾! 转自扬帆出海 2026 年 4 月 18 日 237000 在柬埔寨因中国游戏欢呼的人们 网红、明星、国家英雄。 siyushenqi.com 2025 年 8 月 19 日 • 行业动态 412000 PS5发布会定档6月12日,索尼SIE总裁:它将带来前所未有的升级 在之前的6月4日(上周四),原定公布PlayStation 5(以下简称PS5)的游戏阵容的前几天,索尼互动娱乐公司的总裁兼CEO Jim Ryan与Gameindustry.biz谈及了PS5的最新进展。 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 501000 行业动态 游戏大厂齐聚小红书,我看到了2024年行业破圈的风口! 小红书会是下一个做游戏宣发的新大陆。 siyushenqi.com 2025 年 8 月 18 日 462000 行业动态 从服装到更多产业创新,属于SHEIN们的繁花时代来了 SHEIN的革新与奇迹,如何打开中国产业互联网新纪元? siyushenqi.com 2025 年 8 月 12 日 419000 行业动态 鹿客科技冲刺AI智能锁第一股 智能锁企业鹿客科技赴港上市,凭借全球静脉锁出货第一领跑行业,但营收增速放缓、自有品牌下滑等问题成上市隐忧。 siyushenqi.com 2026 年 2 月 10 日 421000 游戏公司IPO的冰火两重天:近三年A股无一人突围,港股已上13家 近日,米哈游撤回A股IPO申请一事引起了笔者的注意。 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 514000 新兴品牌弯道超车?DTC出海如何做好用户共创 或许各大品牌都知道要将用户摆在重要的位置,然而在全球市场上,也不乏有品牌因为各种各样特殊的原因,离现实中的用户越来越远——这也将成为新兴品牌弯道超车的机会。 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 427000 行业动态 金帆再启,荣耀同行 | 2026年H1金帆奖申报计划正式启动! 金帆奖申报开启,诚邀您共同见证全球化先锋力量。 siyushenqi.com 2026 年 3 月 18 日 341000 微软花120亿美金都高攀不起的Discord,到底有什么魔力? 没有广告和算法的套路,一步步从游戏社交走向普罗大众 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 488000 行业动态 苹果官宣:更换AI主管 任职7年的AI掌门人转顾问至明年春退休,交接当天生效,标志苹果对AI进度不满,被迫提速。 siyushenqi.com 2025 年 12 月 2 日 377000 行业动态 爆款IP赋能下 《庆余年》手游打开MMO多元化新思路 盛趣游戏紧握《庆余年》IP接力棒,在爆款IP赋能下向着MMO多元化发展迈出关键一步。 siyushenqi.com 2025 年 8 月 24 日 483000 互联网巨头和传统银行在印尼数字银行领域的博弈 我们曾在4月份举办了印尼数字银行报告解读会,吸引了超过150位来自银行、风投、互联网等行业的朋友参与,我们也收到了不少关于印尼数字银行的提问。 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 501000 行业动态 游戏出海:德国调整游戏分级政策 自2023年1月1日起,USK在审核新提交的游戏分级申请时将适用新规则,除了与未成年人保护相关的内容外,在对游戏进行适龄评估的过程中会增加游戏内购及社交聊天功能这两项评级维度 siyushenqi.com 2025 年 8 月 24 日 545000 从《双人成行》的火爆看双人合作冒险类型的复兴 最近《双人成行》彻底火了,不少人都认为该作是自己心目中的年度最佳游戏。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 502000 行业动态 WhatsApp群发限制与应对措施详解 WhatsApp为防止滥用和垃圾信息的泛滥,对群发功能进行了一系列限制。从2025年起,每个广播列表的联系人数限制为256人,并将根据月度消息量实施新规定。对于企业用户,WhatsApp Business API可通过付费扩展群发额度... siyushenqi.com 2026 年 1 月 24 日 345000 170万预约、4万测试资格秒空,这个新团队做的“二次元”来头不小 或许已经有朋友发现,一款还未正式上线的手游登上了今天(5月6日)App Store的Today推荐。而就在上周六(4月30日),这款由上海自意网络开发的二次元手游《无期迷途》才刚刚结束了最新一轮的删档测试。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 491000 解决谷歌账户注册难题,从0到1学习谷歌广告 解决谷歌账户注册难题,从0到1学习谷歌广告 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 435000 行业动态 Noon的新会员计划是在和亚马逊较劲吗? Noon 在近日宣布推出了用户忠诚度计划,名为 Noon One,并且提供两周的免费试用,试用过后,每个月仅收取15迪的会员费,目前正在阿联酋推广。 siyushenqi.com 2025 年 8 月 13 日 452000 行业动态 Token中文名定了:词元 国家数据局正式将Token译为“词元”,中国日均调用量两年增长超千倍,Token经济成为AI产业重要变现路径。 转自扬帆出海 2026 年 3 月 27 日 294000 行业动态 阶跃星辰发布Step R-mini!推理模型从此不再文理偏科 国产大模型“六小虎”成员阶跃星辰发布了最新一代模型Step Reasoner mini(简称“Step R-mini”),这是其Step系列模型家族的首个推理模型,体验地址为https://yuewen.cn。该模型擅长主动规划、尝试和反思,通过慢思考和反复验证的逻辑机制,为用户提供准确可靠的回复,既擅长解决逻辑推理、代码和数学等复杂问题,也能兼顾文学创作等通用领域,实现“文理兼修”。 siyushenqi.com 2025 年 8 月 13 日 429000 行业动态 超越GPT-4!谷歌发布最强多模态大模型—Gemini Gemini的能力有哪些? siyushenqi.com 2025 年 8 月 13 日 578000 行业动态 8月国内网页AI产品榜单揭晓,谁是最强王者? 字节跳动的豆包、百度的文心一言如何排位?阿里云的通义听悟、生数科技的Vidu等新面孔又将如何表现? siyushenqi.com 2025 年 8 月 13 日 503000 “用户第一”,是《天龙八部手游》成就武侠MMO长线标杆的根基 一直以来,游戏行业都习惯用iOS榜单排名,来客观评判一款手游的市场表现。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 452000 行业动态 Noon CEO谈中东电商,表示还有增长空间 疫情帮助 Noon 加快了零售和支付领域的数字化转型。 siyushenqi.com 2025 年 8 月 13 日 485000 发表回复 请登录后评论...登录后才能评论 提交