GLM-5深夜登場(chǎng)，這是國(guó)產(chǎn)開(kāi)源模型首次逼平Claude Opus 4.5。

　　 深夜，GLM-5來(lái)了。

　　 還是老樣子，發(fā)布即開(kāi)源。

　　 而且前幾天，OpenRouter平臺(tái)不是有一個(gè)Pony Alpha的匿名模型很火嗎。

　　 大家一度在猜是DeepSeek V4還是GLM-5，結(jié)果今天基本答案也揭曉了。

　　 這大馬，基本就是明示了。

　　 到了今天，2026年的主旋律我覺(jué)得真的就已經(jīng)就定下了，無(wú)論是國(guó)內(nèi)還是海外。

　　 Coding與視頻齊飛，人類(lèi)共AI一色。

　　 這應(yīng)該就是2026年AI領(lǐng)域最核心的兩個(gè)主航道了，在這兩之上，其實(shí)就是Agent。

　　 這幾天真的感覺(jué)過(guò)年一樣，太熱鬧了，上周GPT-5.3 codex和Claude Opus 4.6中門(mén)對(duì)狙，后腳Seedance 2.0席卷全球，而現(xiàn)在，戰(zhàn)場(chǎng)又拉回了Coding這邊。

　　 GLM-5，作為一個(gè)全新的大版本號(hào)，我想說(shuō)，升級(jí)幅度還是很大的，真的可以比肩Claude Opus 4.5，我不開(kāi)玩笑。

　　 我其實(shí)已經(jīng)提前三天拿到了GLM-5的API，這幾天在我用Codex開(kāi)發(fā)的時(shí)候，也把GLM-5同步接入到了Claude code里同步開(kāi)發(fā)進(jìn)行對(duì)比。

　　 雖然作為智譜一直以來(lái)的擁簇，很想吹一下GLM-5跟Seedance 2.0一樣全球第一，但是我覺(jué)得還是實(shí)事求是。

　　 在我這幾天的使用過(guò)程中，我個(gè)人體感是，GLM-5跟GPT-5.3-codex這種變態(tài)肯定還是有一些距離（后面有case會(huì)展示），但是在真正產(chǎn)品的開(kāi)發(fā)和解決BUG的能力上，我覺(jué)得是能摸一下GPT-5.2-codex和Claude Opus 4.5了。

　　 不要覺(jué)得這好像是一件很容易的事，Coding國(guó)內(nèi)落后的其實(shí)一直都比較遠(yuǎn)，能追上Opus 4.5的能力，其實(shí)已經(jīng)非常非常非常牛逼了。

　　前幾天，在GPT-5.3-codex和Opus 4.6中門(mén)對(duì)狙的文章里，我在評(píng)論區(qū)里評(píng)論說(shuō)，要是DeepSeek能趕上Opus 4.5，我高低得給它磕兩個(gè)。

　　我是沒(méi)想到，我現(xiàn)在可能得給智譜磕兩個(gè)了。

　　非常坦誠(chéng)的講，在我日常開(kāi)發(fā)過(guò)程中，我可能還是會(huì)選擇GPT-5.3-codex + codex的組合，但是，我也深刻的清楚，并不是所有人，都有條件去買(mǎi)ChatGPT的會(huì)員的。

　　那如果你用不了GPT-5.3-codex的話，那我無(wú)比真誠(chéng)的建議你，不用猶豫，就用GLM-5就行，這就是國(guó)內(nèi)，你現(xiàn)在能用上的，最好、最棒、性?xún)r(jià)比最高的大模型。

　　Claude Code + GLM-5，是你無(wú)需魔法，國(guó)內(nèi)可用，最低門(mén)檻體驗(yàn)AI Coding魅力的組合。

　　先老規(guī)矩，看下跑分和性能。

　　首先，GLM-5從355B（32B激活）擴(kuò)展到744B參數(shù)（40B激活），參數(shù)量大了一倍，智能提升確實(shí)挺多，而且成本沒(méi)有加特別多。

　　跑分上，目前在Artificial Analysis上僅次于那兩個(gè)大爹，開(kāi)源第1。

　　然后整體能力上。

　　相較于GLM-4.7，GLM-5全線能力基本都有了大幅提升，而且逼近Opus 4.5。

　　有一個(gè)比較有特點(diǎn)的，就是BrowseComp基準(zhǔn)，這個(gè)我之前也說(shuō)過(guò)，測(cè)的是Agent在網(wǎng)上搜索信息的能力，GLM-5得分75.9，直接超第二名普通的GPT-5.2有10個(gè)點(diǎn)，這個(gè)已經(jīng)非常強(qiáng)了。

　　而另外兩個(gè)最頂級(jí)的模型沒(méi)放在里面，一個(gè)是GPT-5.2 Pro得分是77.9，Opus 4.6得分是84，GLM-5其實(shí)已經(jīng)逼近最一線的水平了，能跟GPT-5.2 Pro打個(gè)平手，這事本身就挺強(qiáng)的了。

　　然后其他的，比如現(xiàn)實(shí)場(chǎng)景下改倉(cāng)庫(kù)代碼的測(cè)試機(jī)SWE-bench，終端環(huán)境中agent能力的基準(zhǔn)Terminal-Bench 2.0，agent工具使用的τ2-Bench，還有測(cè)試模型調(diào)用MCP能力的MCP-Atlas基準(zhǔn)上，基本比Opus都只差那么臨門(mén)一腳了。

　　說(shuō)實(shí)話，一個(gè)國(guó)產(chǎn)模型，還開(kāi)源出去，能到這個(gè)水平，已經(jīng)非常非常讓人自豪了。

　　同時(shí)在我看好的系統(tǒng)工程能力、長(zhǎng)任務(wù)能力，在跑分上也能得到印證。

　　比如下面圖上的Long-horizon基準(zhǔn)，也就是長(zhǎng)鏈條復(fù)雜任務(wù)，就能充分體現(xiàn)模型自主進(jìn)行Agent長(zhǎng)程多步規(guī)劃和執(zhí)行的能力。

　　這個(gè)跑分看下來(lái)就很清晰了，也和我實(shí)測(cè)下來(lái)的感受一致，在真正需要做大開(kāi)發(fā)的時(shí)候，它的長(zhǎng)程任務(wù)上，確實(shí)是對(duì)標(biāo)Opus 4.5的存在。

　　GLM-5的上下文窗口和GLM-4.7一樣，目前還是200k的上下文窗口，輸出是128K。

　　不過(guò)GLM-5有一個(gè)非常離譜的一點(diǎn)，就是這玩意我試下來(lái)，非常的省token，就是干活的感覺(jué)，非常精準(zhǔn)，跟GPT-5.3-codex有的一拼，這點(diǎn)有多重要用過(guò)Opus 4.6的都懂，那上下文和消耗量，簡(jiǎn)直了。

　　然后就是價(jià)格上，一個(gè)是API價(jià)格，真的，國(guó)產(chǎn)模型，這價(jià)格便宜的讓人心疼。

　　Opus 4.5和4.6，都是$5/$25每百萬(wàn)token（輸入/輸出）。

　　而GLM-5大概只有Claude的七分之一。

　　很香，真的香。

　　另一方面那自然是不得不提的Coding Plan了，也是現(xiàn)在玩Vibe Coding的主流用法，基本都是買(mǎi)包月套餐，對(duì)標(biāo)Claude Max和ChatGPT Pro的。

　　價(jià)格是Claude Max套餐的2/3，Token額度是他們的3倍。

　　甚至因?yàn)橘u(mài)的過(guò)于火爆，算力不夠，前兩個(gè)套餐額度，直接被搶空了。。。

　　沒(méi)錯(cuò)，一個(gè)包月套餐，被搶空了。。。

　　這個(gè)太離譜了。

　　白天的時(shí)候大家可以蹲一蹲，網(wǎng)址在此：

　　https://bigmodel.cn/glm-coding

　　當(dāng)你有了GLM-5的權(quán)限之后，想用的話，我最推薦的還是在Claude Code里面用。

　　因?yàn)镃laude Code就是目前確實(shí)最通用的Coding Agent產(chǎn)品，Codex是單純的例外，主要跟GPT適配的太好。

　　而在Claude code里接入GLM-5挺簡(jiǎn)單的。

　　這一點(diǎn)智譜做的很好，他們做了一個(gè)Coding Tool Helper工具就是可以快速將你的GLM編碼套餐加載到你使用的編碼工具中。

　　直接打開(kāi)終端，然后輸入：

　　npx@z_ai/coding-helper

　　你就正常登錄。

　　目前支持的編碼工具 Claude Code、OpenCode、Crush、Factory Droid。

　　跟著配置就好，配置好以后，我們運(yùn)行Claude Code。

　　你就可以使用GLM-5了。

　　我也做了幾個(gè)case，給大家直觀的感受一下，GLM-5的能力。

　　前天我拿到GLM-5的資格的時(shí)候，正好有個(gè)需求要開(kāi)發(fā)，就是一個(gè)全平臺(tái)分發(fā)文章的需求。

　　做自媒體的朋友們應(yīng)該知道，文章寫(xiě)完不是真正的結(jié)束，而是剛剛開(kāi)始。

　　我一般寫(xiě)完微信公眾號(hào)文章需要把文章同步分發(fā)到其他平臺(tái)，這是個(gè)很大的工作量，而且有的編輯器還不一樣，會(huì)出現(xiàn)亂碼，文本格式丟失問(wèn)題，我真。。。

　　之前是用一個(gè)開(kāi)源工具自己改的，但是其實(shí)沒(méi)有那么好用，所以最近其實(shí)一直想自己開(kāi)發(fā)一個(gè)。

　　所以，我當(dāng)時(shí)就想，不如用GLM-5 Coding一個(gè)這樣的全平臺(tái)內(nèi)容同步分發(fā)的這么個(gè)小產(chǎn)品吧。

　　開(kāi)發(fā)完以后，發(fā)現(xiàn)效果居然還不錯(cuò)。

　　就是下面圖中的這樣，大概的功能就是把我微信公眾號(hào)的文章鏈接放進(jìn)去，然后點(diǎn)擊想要同步的平臺(tái)，就可以同步過(guò)去。

　　當(dāng)時(shí)開(kāi)發(fā)的時(shí)候其實(shí)Prompt給的巨簡(jiǎn)單。

　　點(diǎn)擊同步后，打開(kāi)目標(biāo)平臺(tái)發(fā)布頁(yè)面，自動(dòng)填充內(nèi)容

　　當(dāng)時(shí)給過(guò)去以后，GLM-5的體感上，其實(shí)就比之前GLM-4.7強(qiáng)很多了。

　　按慣例，他先提供給我了一些關(guān)鍵設(shè)計(jì)讓我去選擇。

　　我也秉持著先開(kāi)發(fā)一個(gè)最小MVP的原則去的。

　　所以選的都比較謹(jǐn)慎。

　　接著GLM-5就給了超詳細(xì)的規(guī)劃。

　　速度不慢，很快就搞定了。

　　總體的完成度和實(shí)用性很好，不過(guò)因?yàn)樽铋_(kāi)始最小MVP的原則，分發(fā)的平臺(tái)有點(diǎn)少，后續(xù)我直接讓他添加其他的平臺(tái)，兩輪就完成了。

　　整體其實(shí)都還可以，但是在使用的時(shí)候，遇到了一個(gè)BUG。

　　就是我放入公眾號(hào)鏈接后，讓他提取標(biāo)題、封面、正文，他標(biāo)題和封面倒是可以成功提取出來(lái)，但是關(guān)鍵部分，也就是正文提取內(nèi)容總是不全，會(huì)缺失一大截，圖片也獲取不到。

　　改了兩三輪，還是有BUG，然后我上Opus 4.5，居然也沒(méi)改成功。。。

　　最后打開(kāi)了GPT-5.3-codex，一輪，完成了。。。

　　GLM-5跟Opus 4.5的差距沒(méi)那么大，其實(shí)是有道理的。

　　說(shuō)實(shí)話，主要還是，GPT-5.3-codex這玩意真的強(qiáng)的有點(diǎn)變態(tài)。

　　所以這個(gè)case，其實(shí)就是GLM-5做的整體規(guī)劃和方案設(shè)計(jì)，然后最后遇到一個(gè)棘手的BUG上Codex解決的，整體體驗(yàn)上，我錄制了一遍效果展示的視頻，總體體驗(yàn)下來(lái)還是挺不錯(cuò)的。

　　然后還有另一個(gè)我覺(jué)得特別好玩的case。

　　就是，看到公司同事終于在用電腦模擬器，打歡樂(lè)斗地主。。。

　　當(dāng)時(shí)他吐槽說(shuō)，要是有記牌器就好了。。。

　　于是，我就想，這是個(gè)好思路，雖然不會(huì)幫他作弊，但是可以試一下大模型的能力。

　　上GLM-5試了一下，這個(gè)開(kāi)發(fā)過(guò)程，還真的有點(diǎn)意思。

　　用的提示詞很簡(jiǎn)單，就一句話。

　　“我正在我的電腦上玩歡樂(lè)斗地主PC模擬器版本，幫我寫(xiě)一個(gè)記牌插件?！?/strong>

　　反正我是完全不知道怎么實(shí)現(xiàn)，更不知道怎么跟PC模擬器打通。。。

　　我就說(shuō)了這么一個(gè)需求，GLM-5，他會(huì)自己進(jìn)行更深入的咨詢(xún)，包括識(shí)別方式、技術(shù)路線、功能需求，都會(huì)一一和我確認(rèn)。

　　比如在實(shí)現(xiàn)方式上，他提供自動(dòng)識(shí)別記牌、手動(dòng)點(diǎn)擊記牌等方案讓我選擇，每個(gè)方案還會(huì)給出不同的技術(shù)實(shí)現(xiàn)路線。

　　還有功能需求的確定，我這里選擇了基礎(chǔ)記牌。

　　第一輪對(duì)話下來(lái)，記牌器整體框架都搭建好了。

　　雖然我選擇的是自動(dòng)識(shí)別模式，但他很貼心地把自動(dòng)開(kāi)發(fā)和手動(dòng)開(kāi)發(fā)兩種模式都做了。

　　手動(dòng)模式第一輪其實(shí)就直接開(kāi)發(fā)完了，就可以用了。

　　它的使用邏輯是需要我自己去看對(duì)方出什么牌，我就點(diǎn)擊那張牌，牌數(shù)會(huì)自動(dòng)減一。

　　但是這個(gè)邏輯太蠢了，一點(diǎn)都不自動(dòng)，一點(diǎn)也不AI。

　　對(duì)方打一個(gè)牌，我還得手動(dòng)點(diǎn)點(diǎn)點(diǎn)，這也太呆逼了。

　　所以我還是想要用自動(dòng)識(shí)別模式，但第一輪對(duì)話后自動(dòng)識(shí)別功能并沒(méi)成功。

　　他這里自動(dòng)識(shí)別的操作邏輯是這樣的。

　　游戲開(kāi)始的時(shí)候，我手動(dòng)勾選出牌區(qū)域，他就會(huì)自動(dòng)識(shí)別這個(gè)區(qū)域出的所有牌，并自動(dòng)記牌。

　　但實(shí)際上，我選中出牌區(qū)域后，它沒(méi)法識(shí)別出的牌。明明這邊都打起來(lái)了，它這邊一直等待識(shí)別。。。

　　我讓它進(jìn)一步修改。但是這樣的bug它并沒(méi)有一次改出來(lái)，改了一版后同樣報(bào)錯(cuò)。

　　這個(gè)時(shí)候，它自己選擇添加了調(diào)試功能。

　　我看了一下，應(yīng)該是這個(gè)功能實(shí)現(xiàn)的鏈路主要有兩部分，屏幕勾選區(qū)域截圖，截圖撲克牌識(shí)別，所以他需要調(diào)試確定哪個(gè)環(huán)節(jié)出了問(wèn)題。

　　這一步，可能是模擬器的原因，還涉及到比較復(fù)雜的跟屏幕的交互和監(jiān)控，所以我得幫他一起測(cè)試一下。

　　他顯示出我勾選區(qū)域的截圖，也有OCR結(jié)果，這樣我一下就能明白到底是哪個(gè)環(huán)節(jié)出了問(wèn)題。

　　然后我就發(fā)現(xiàn)，每隔半秒截圖的功能沒(méi)問(wèn)題，核心問(wèn)題是，OCR一直識(shí)別不出結(jié)果。

　　bug找到了，后面的活就方便了，我就交給他直接搞了。

　　GLM-5自己開(kāi)發(fā)了一套方案，他給出的識(shí)別方案是這樣的，給每張牌都上傳模板。

　　就像這樣。

　　然后他會(huì)對(duì)游戲頁(yè)面截圖進(jìn)行灰度處理、二值化，然后和模板進(jìn)行模式匹配，從而實(shí)現(xiàn)識(shí)別。

　　這個(gè)灰度處理和二值化，說(shuō)實(shí)話我沒(méi)聽(tīng)懂，我也怕GLM-5給我的不是最優(yōu)解，所以打開(kāi)了Opus 4.6和GPT-5.3-codex，讓他們也同時(shí)出一套解決方案看看有沒(méi)有更優(yōu)解。

　　沒(méi)想到跟GLM-5出的方案，是一模一樣的，搞得還真沒(méi)毛病。

　　這突然一下顯得我有點(diǎn)小肚雞腸，不信任GLM-5了= =

　　模板處理完之后，很快，他就把這個(gè)系統(tǒng)開(kāi)發(fā)完了。

　　由于我注冊(cè)的是新號(hào)，估計(jì)新手村對(duì)面是人機(jī)，出牌特別快。我本來(lái)還擔(dān)心識(shí)別速度會(huì)跟不上。

　　沒(méi)想到，識(shí)別效果出乎意料的好。除了大小王識(shí)別有點(diǎn)問(wèn)題，其他全都能準(zhǔn)確識(shí)別，哪怕是接連出順子，也能精準(zhǔn)識(shí)別。

　　相當(dāng)牛逼了。。。

　　要知道，這真的不是那種普通的前端網(wǎng)頁(yè)，這個(gè)實(shí)現(xiàn)方式，還是稍微有那么點(diǎn)復(fù)雜的。

　　GLM-5，完成的非常的好。

　　大小王的識(shí)別問(wèn)題我初步想了一下，是因?yàn)樯蟼鞯哪０逯?，字母是一樣的，只是顏色不一樣?/p>

　　圖片經(jīng)過(guò)灰度處理后大小王不就一樣了嗎，那肯定分不清。不過(guò)大小王還是比較好記的，所以也沒(méi)管這個(gè)。

　　而且，這是我一兩個(gè)小時(shí)不到就做出來(lái)的東西，而且是已經(jīng)可以實(shí)戰(zhàn)用上的東西，這個(gè)效率，還是相當(dāng)恐怖的。。。

　　同時(shí)，這里我也提醒大家上網(wǎng)打牌的時(shí)候，特別是現(xiàn)在這個(gè)階段，在網(wǎng)上用真錢(qián)去做一些游戲的時(shí)候，真的要謹(jǐn)慎一點(diǎn)，因?yàn)槟悴恢缹?duì)面會(huì)不會(huì)像我一樣，隨手Vibe Coding一個(gè)外掛。。。

　　除了這兩個(gè)之外，我還隨手，復(fù)刻了一個(gè)QQ農(nóng)場(chǎng)。

　　而且還有很多細(xì)節(jié)，比如如果我不收已經(jīng)熟了的作物他會(huì)枯萎，然后農(nóng)場(chǎng)里還會(huì)隨機(jī)長(zhǎng)出雜草、蟲(chóng)子。

　　相當(dāng)有意思。

　　在數(shù)據(jù)存儲(chǔ)上，還知道用瀏覽器LocalStorage作為數(shù)據(jù)存儲(chǔ)，這是一個(gè)典型的前端單機(jī)游戲存儲(chǔ)方案，很適合這種輕量級(jí)項(xiàng)目，大概的流程就是下面這個(gè)樣子。

　　而且這個(gè)QQ農(nóng)場(chǎng)消耗的token，也就十三萬(wàn)。。。

　　太離譜了。

　　從這些case其實(shí)已經(jīng)非常客觀的能看出來(lái)，GLM-5的開(kāi)發(fā)能力，還是很強(qiáng)的，在一些規(guī)劃、架構(gòu)能力上，是真的可以比肩Opus 4.5的，雖然在精準(zhǔn)的BUG修改上，離現(xiàn)在最變態(tài)的GPT-5.3-codex還有一些差距，但是我已經(jīng)非常非常開(kāi)心了。

　　而且還有個(gè)場(chǎng)景，GLM-5做的也很好，就是構(gòu)建Skills。

　　這個(gè)其實(shí)也挺考驗(yàn)?zāi)Ｐ偷睦斫夂蛨?zhí)行能力的。

　　我很喜歡用咱們的老演員yt-dlp測(cè)試GLM-5打包Skills的能力。

　　幫我把這個(gè)開(kāi)源工具h(yuǎn)ttps://github.com/yt-dlp/yt-dlp打包成一個(gè)Skill，只要我后續(xù)給出視頻鏈接，就可以幫我下載視頻。

　　GLM-5封裝的基本沒(méi)有任何問(wèn)題，一輪效果，B站視頻就能成功下載了。

　　而下載youtube視頻，它也精準(zhǔn)的提出了，需要我給一個(gè)Cookies，他才能幫我下載，我依稀記得，當(dāng)時(shí)用Opus 4.5打包這個(gè)Skills，對(duì)話了6、7輪，改了N版，他也沒(méi)告訴我要Cookies這事，就在那自己傻逼兮兮的告訴我改好了，可以下了，一下又報(bào)錯(cuò)。。。

　　看著此情此景，回想半年前。

　　那時(shí)候，如果你問(wèn)我，國(guó)產(chǎn)大模型能不能在Coding領(lǐng)域跟OpenAI和Anthropic正面剛，我會(huì)說(shuō)很難。

　　差距太大了，不是一點(diǎn)半點(diǎn)，是那種讓人絕望的差距。

　　但現(xiàn)在，GLM-5出來(lái)了，確實(shí)能摸到Opus 4.5的水平。雖然跟最新的Opus 4.6和GPT-5.3-codex還有差距，但這個(gè)差距已經(jīng)從代差縮小到了可以追趕的范圍。

　　這是一個(gè)很重要的變化。

　　而且更重要的是，GLM-5是開(kāi)源的，價(jià)格更是Claude的N分之1。

　　能力接近，開(kāi)源免費(fèi)，價(jià)格便宜。

　　而開(kāi)源，更是意味著，B端能用上，企業(yè)能用上。

　　AI編程這件事，在國(guó)內(nèi)，門(mén)檻真的，正在急劇降低。

　　以前你想用頂級(jí)的AI編程能力，得買(mǎi)ChatGPT的會(huì)員，得有魔法，得付得起那個(gè)價(jià)格。

　　現(xiàn)在不用了。

　　GLM-5給了你一個(gè)平替選擇，雖然在全球領(lǐng)域，他距離那個(gè)老變態(tài)，他還不是最好的，但已經(jīng)是躋身T1行列了，而且人人也都能用得起。

　　這會(huì)讓更多人開(kāi)始嘗試AI編程，會(huì)讓更多人感受到AI的魅力。

　　而當(dāng)更多人用起來(lái)之后，社區(qū)會(huì)更活躍，反饋會(huì)更多，模型會(huì)迭代更快。

　　這是一個(gè)正向循環(huán)。

　　這也代表，我們?cè)谌瞬拧⒃谒懔?、在資金各方面都缺少的地不是，是能追上的。

　　當(dāng)然，追上不代表勝利。

　　OpenAI和Anthropic還在快速迭代，下一個(gè)版本可能又把差距拉開(kāi)。

　　但至少，我們已經(jīng)進(jìn)入了同一個(gè)賽道，在同一個(gè)維度上競(jìng)爭(zhēng)。

　　這就是進(jìn)步。

　　我非常非常推薦大家，去試試GLM-5吧，真的還不錯(cuò)。

　　站在今天這個(gè)節(jié)點(diǎn)，我其實(shí)很想說(shuō)跟馮驥一樣的話：

　　我真的很慶幸，這個(gè)開(kāi)源模型。

　　來(lái)自智譜，來(lái)自中國(guó)。

　　在ds和sd之后的另外一個(gè)Coding世界里，也有了中國(guó)身位。

　　惟愿。

　　國(guó)運(yùn)昌隆。

　　以上，既然看到這里了，如果覺(jué)得不錯(cuò)，隨手點(diǎn)個(gè)贊、在看、轉(zhuǎn)發(fā)三連吧，如果想第一時(shí)間收到推送，也可以給我個(gè)星標(biāo)?～謝謝你看我的文章，我們，下次再見(jiàn)。

　　>/ 作者：卡茲克、林機(jī)夢(mèng)逗、tashi

　　>/ 投稿或爆料，請(qǐng)聯(lián)系郵箱：wzglyay@virxact.com