23.6K 4 天前

GLM-5.1 是我们面向智能体工程的下一代旗舰模型,其编码能力较前代有显著增强。它在 SWE-Bench Pro 上达到了业界领先水平,并以巨大优势领先于 GLM-5。

工具 思考
ollama run glm-5.1:cloud

应用

Claude Code
Claude Code ollama launch claude --model glm-5.1:cloud
Codex
Codex ollama launch codex --model glm-5.1:cloud
OpenCode
OpenCode ollama launch opencode --model glm-5.1:cloud
OpenClaw
OpenClaw ollama launch openclaw --model glm-5.1:cloud

1 个模型

glm-5.1:cloud

198K 上下文窗口 · 文本 · 4 天前

自述文件

GLM-5.1 是我们面向代理工程的下一代旗舰模型,编码能力相比前一代有显著提升。它在 SWE‑Bench Pro 上实现了业界领先的表现,并在 NL2Repo(代码库生成)及 Terminal‑Bench 2.0(真实终端任务)上大幅领先 GLM‑5。

Coding eval

但最具意义的跃迁并非仅体现在首轮性能上。之前的模型——包括 GLM‑5——往往在早期就耗尽了可用手段:它们只会使用熟悉的技巧快速取得初步提升,随后便停滞不前。给它们更多时间也帮不上忙。

相比之下,GLM‑5.1 的设计目标是能够在更长的时间范围内保持在代理任务中的有效性。我们发现该模型在处理模糊问题时判断更为精准,并且在长时间的会话中仍能保持高效。它能够将复杂问题拆解、开展实验、阅读结果并精确定位阻碍因素。通过多次迭代重新审视推理过程并修正策略,GLM‑5.1 能在数百轮、数千次工具调用中持续优化。运行得越久,结果越好。

基准测试

GLM-5.1 GLM-5 Qwen3.6-Plus Minimax M2.7 DeepSeek-V3.2 Kimi K2.5 Claude Opus 4.6 Gemini 3.1 Pro GPT-5.4
HLE 31.0 30.5 28.8 28.0 25.1 31.5 36.7 45.0 39.8
HLE(含工具) 52.3 50.4 50.6 - 40.8 51.8 53.1* 51.4* 52.1*
AIME 2026 95.3 95.4 95.1 89.8 95.1 94.5 95.6 98.2 98.7
HMMT Nov. 2025 94.0 96.9 94.6 81.0 90.2 91.1 96.3 94.8 95.8
HMMT Feb. 2026 82.6 82.8 87.8 72.7 79.9 81.3 84.3 87.3 91.8
IMOAnswerBench 83.8 82.5 83.8 66.3 78.3 81.8 75.3 81.0 91.4
GPQA-Diamond 86.2 86.0 90.4 87.0 82.4 87.6 91.3 94.3 92.0
SWE-Bench Pro 58.4 55.1 56.6 56.2 - 53.8 57.3 54.2 57.7
NL2Repo 42.7 35.9 37.9 39.8 - 32.0 49.8 33.4 41.3
Terminal-Bench 2.0 (Terminus-2) 63.5 56.2 61.6 - 39.3 50.8 65.4 68.5 -
Terminal-Bench 2.0 (最佳自报) 66.5 (Claude Code) 56.2 (Claude Code) - 57.0 (Claude Code) 46.4 (Claude Code) - - - 75.1 (Codex)
CyberGym 68.7 48.3 - - 17.3 41.3 66.6 - -
BrowseComp 68.0 62.0 - - 51.4 60.6 - - -
BrowseComp(含上下文管理) 79.3 75.9 - - 67.6 74.9 84.0 85.9 82.7
τ³-Bench 70.6 69.2 70.7 67.6 69.2 66.0 72.4 67.1 72.9
MCP-Atlas(公开集) 71.8 69.2 74.1 48.8 62.2 63.8 73.8 69.2 67.2
Tool-Decathlon 40.7 38.0 39.8 46.3 35.2 27.8 47.2 48.8 54.6
Vending Bench 2 $5,634.00 $4,432.12 $5,114.87 - $1,034.00 $1,198.46 $8,017.59 $911.21 $6,144.18