深夜，GLM-5來了。

　　 還是老樣子，發(fā)布即開源。

　　 而且前幾天，OpenRouter平臺不是有一個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年的主旋律我覺得真的就已經(jīng)就定下了，無論是國內(nèi)還是海外。

　　 Coding與視頻齊飛，人類共AI一色。

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

　　 這幾天真的感覺過年一樣，太熱鬧了，上周GPT-5.3 codex和Claude Opus 4.6中門對狙，后腳Seedance 2.0席卷全球，而現(xiàn)在，戰(zhàn)場又拉回了Coding這邊。

　　 GLM-5，作為一個全新的大版本號，我想說，升級幅度還是很大的，真的可以比肩Claude Opus 4.5，我不開玩笑。

　　 我其實已經(jīng)提前三天拿到了GLM-5的API，這幾天在我用Codex開發(fā)的時候，也把GLM-5同步接入到了Claude code里同步開發(fā)進(jìn)行對比。

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

　　 在我這幾天的使用過程中，我個人體感是，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會展示），但是在真正產(chǎn)品的開發(fā)和解決BUG的能力上，我覺得是能摸一下GPT-5.2-codex和Claude Opus 4.5了。

　　 不要覺得這好像是一件很容易的事，Coding國內(nèi)落后的其實一直都比較遠(yuǎn)，能追上Opus 4.5的能力，其實已經(jīng)非常非常非常牛逼了。

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

　　我是沒想到，我現(xiàn)在可能得給智譜磕兩個了。

　　非常坦誠的講，在我日常開發(fā)過程中，我可能還是會選擇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ChatGPT的會員的。

　　那如果你用不了GPT-5.3-codex的話，那我無比真誠的建議你，不用猶豫，就用GLM-5就行，這就是國內(nèi)，你現(xiàn)在能用上的，最好、最棒、性價比最高的大模型。

　　Claude Code + GLM-5，是你無需魔法，國內(nèi)可用，最低門檻體驗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，智能提升確實挺多，而且成本沒有加特別多。

　　跑分上，目前在Artificial Analysis上僅次于那兩個大爹，開源第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。

　　有一個比較有特點(diǎn)的，就是BrowseComp基準(zhǔn)，這個我之前也說過，測的是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個點(diǎn)，這個已經(jīng)非常強(qiáng)了。

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

　　然后其他的，比如現(xiàn)實場景下改倉庫代碼的測試機(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都只差那么臨門一腳了。

　　說實話，一個國產(chǎn)模型，還開源出去，能到這個水平，已經(jīng)非常非常讓人自豪了。

　　同時在我看好的系統(tǒng)工程能力、長任務(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)，也就是長鏈條復(fù)雜任務(wù)，就能充分體現(xiàn)模型自主進(jìn)行Agent長程多步規(guī)劃和執(zhí)行的能力。

　　這個跑分看下來就很清晰了，也和我實測下來的感受一致，在真正需要做大開發(fā)的時候，它的長程任務(wù)上，確實是對標(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GLM-5有一個非常離譜的一點(diǎn)，就是這玩意我試下來，非常的省token，就是干活的感覺，非常精準(zhǔn)，跟GPT-5.3-codex有的一拼，這點(diǎn)有多重要用過Opus 4.6的都懂，那上下文和消耗量，簡直了。

　　然后就是價格上，一個是API價格，真的，國產(chǎn)模型，這價格便宜的讓人心疼。

　　Opus 4.5和4.6，都是$5/$25每百萬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，基本都是買包月套餐，對標(biāo)Claude Max和ChatGPT Pro的。

　　價格是Claude Max套餐的2/3，Token額度是他們的3倍。

　　甚至因為賣的過于火爆，算力不夠，前兩個套餐額度，直接被搶空了。。。

　　沒錯，一個包月套餐，被搶空了。。。

　　這個太離譜了。

　　白天的時候大家可以蹲一蹲，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。

　　因為Claude Code就是目前確實最通用的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挺簡單的。

　　這一點(diǎn)智譜做的很好，他們做了一個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的資格的時候，正好有個需求要開發(fā)，就是一個全平臺分發(fā)文章的需求。

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

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

　　之前是用一個開源工具自己改的，但是其實沒有那么好用，所以最近其實一直想自己開發(fā)一個。

　　所以，我當(dāng)時就想，不如用GLM-5 Coding一個這樣的全平臺內(nèi)容同步分發(fā)的這么個小產(chǎn)品吧。

　　開發(fā)完以后，發(fā)現(xiàn)效果居然還不錯。

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

　　當(dāng)時開發(fā)的時候其實Prompt給的巨簡單。

　　點(diǎn)擊同步后，打開目標(biāo)平臺發(fā)布頁面，自動填充內(nèi)容

　　當(dāng)時給過去以后，GLM-5的體感上，其實就比之前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)計讓我去選擇。

　　我也秉持著先開發(fā)一個最小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。

　　總體的完成度和實用性很好，不過因為最開始最小MVP的原則，分發(fā)的平臺有點(diǎn)少，后續(xù)我直接讓他添加其他的平臺，兩輪就完成了。

　　整體其實都還可以，但是在使用的時候，遇到了一個BUG。

　　就是我放入公眾號鏈接后，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，但是關(guān)鍵部分，也就是正文提取內(nèi)容總是不全，會缺失一大截，圖片也獲取不到。

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

　　最后打開了GPT-5.3-codex，一輪，完成了。。。

　　GLM-5跟Opus 4.5的差距沒那么大，其實是有道理的。

　　說實話，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case，其實就是GLM-5做的整體規(guī)劃和方案設(shè)計，然后最后遇到一個棘手的BUG上Codex解決的，整體體驗上，我錄制了一遍效果展示的視頻，總體體驗下來還是挺不錯的。

　　然后還有另一個我覺得特別好玩的case。

　　就是，看到公司同事終于在用電腦模擬器，打歡樂斗地主。。。

　　當(dāng)時他吐槽說，要是有記牌器就好了。。。

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

　　上GLM-5試了一下，這個開發(fā)過程，還真的有點(diǎn)意思。

　　用的提示詞很簡單，就一句話。

　　“我正在我的電腦上玩歡樂斗地主PC模擬器版本，幫我寫一個記牌插件。”

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

　　我就說了這么一個需求，GLM-5，他會自己進(jìn)行更深入的咨詢，包括識別方式、技術(shù)路線、功能需求，都會一一和我確認(rèn)。

　　比如在實現(xiàn)方式上，他提供自動識別記牌、手動點(diǎn)擊記牌等方案讓我選擇，每個方案還會給出不同的技術(shù)實現(xiàn)路線。

　　還有功能需求的確定，我這里選擇了基礎(chǔ)記牌。

　　第一輪對話下來，記牌器整體框架都搭建好了。

　　雖然我選擇的是自動識別模式，但他很貼心地把自動開發(fā)和手動開發(fā)兩種模式都做了。

　　手動模式第一輪其實就直接開發(fā)完了，就可以用了。

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

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

　　對方打一個牌，我還得手動點(diǎn)點(diǎn)點(diǎn)，這也太呆逼了。

　　所以我還是想要用自動識別模式，但第一輪對話后自動識別功能并沒成功。

　　他這里自動識別的操作邏輯是這樣的。

　　游戲開始的時候，我手動勾選出牌區(qū)域，他就會自動識別這個區(qū)域出的所有牌，并自動記牌。

　　但實際上，我選中出牌區(qū)域后，它沒法識別出的牌。明明這邊都打起來了，它這邊一直等待識別。。。

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

　　這個時候，它自己選擇添加了調(diào)試功能。

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

　　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環(huán)節(jié)出了問題。

　　然后我就發(fā)現(xiàn)，每隔半秒截圖的功能沒問題，核心問題是，OCR一直識別不出結(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自己開發(fā)了一套方案，他給出的識別方案是這樣的，給每張牌都上傳模板。

　　就像這樣。

　　然后他會對游戲頁面截圖進(jìn)行灰度處理、二值化，然后和模板進(jìn)行模式匹配，從而實現(xiàn)識別。

　　這個灰度處理和二值化，說實話我沒聽懂，我也怕GLM-5給我的不是最優(yōu)解，所以打開了Opus 4.6和GPT-5.3-codex，讓他們也同時出一套解決方案看看有沒有更優(yōu)解。

　　沒想到跟GLM-5出的方案，是一模一樣的，搞得還真沒毛病。

　　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，他就把這個系統(tǒng)開發(fā)完了。

　　由于我注冊的是新號，估計新手村對面是人機(jī)，出牌特別快。我本來還擔(dān)心識別速度會跟不上。

　　沒想到，識別效果出乎意料的好。除了大小王識別有點(diǎn)問題，其他全都能準(zhǔn)確識別，哪怕是接連出順子，也能精準(zhǔn)識別。

　　相當(dāng)牛逼了。。。

　　要知道，這真的不是那種普通的前端網(wǎng)頁，這個實現(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。

　　大小王的識別問題我初步想了一下，是因為上傳的模板中，字母是一樣的，只是顏色不一樣。

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

　　而且，這是我一兩個小時不到就做出來的東西，而且是已經(jīng)可以實戰(zhàn)用上的東西，這個效率，還是相當(dāng)恐怖的。。。

　　同時，這里我也提醒大家上網(wǎng)打牌的時候，特別是現(xiàn)在這個階段，在網(wǎng)上用真錢去做一些游戲的時候，真的要謹(jǐn)慎一點(diǎn)，因為你不知道對面會不會像我一樣，隨手Vibe Coding一個外掛。。。

　　除了這兩個之外，我還隨手，復(fù)刻了一個QQ農(nóng)場。

　　而且還有很多細(xì)節(jié)，比如如果我不收已經(jīng)熟了的作物他會枯萎，然后農(nóng)場里還會隨機(jī)長出雜草、蟲子。

　　相當(dāng)有意思。

　　在數(shù)據(jù)存儲上，還知道用瀏覽器LocalStorage作為數(shù)據(jù)存儲，這是一個典型的前端單機(jī)游戲存儲方案，很適合這種輕量級項目，大概的流程就是下面這個樣子。

　　而且這個QQ農(nóng)場消耗的token，也就十三萬。。。

　　太離譜了。

　　從這些case其實已經(jīng)非?？陀^的能看出來，GLM-5的開發(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)非常非常開心了。

　　而且還有個場景，GLM-5做的也很好，就是構(gòu)建Skills。

　　這個其實也挺考驗?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測試GLM-5打包Skills的能力。

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

　　GLM-5封裝的基本沒有任何問題，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Cookies，他才能幫我下載，我依稀記得，當(dāng)時用Opus 4.5打包這個Skills，對話了6、7輪，改了N版，他也沒告訴我要Cookies這事，就在那自己傻逼兮兮的告訴我改好了，可以下了，一下又報錯。。。

　　看著此情此景，回想半年前。

　　那時候，如果你問我，國產(chǎn)大模型能不能在Coding領(lǐng)域跟OpenAI和Anthropic正面剛，我會說很難。

　　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出來了，確實能摸到Opus 4.5的水平。雖然跟最新的Opus 4.6和GPT-5.3-codex還有差距，但這個差距已經(jīng)從代差縮小到了可以追趕的范圍。

　　這是一個很重要的變化。

　　而且更重要的是，GLM-5是開源的，價格更是Claude的N分之1。

　　能力接近，開源免費(fèi)，價格便宜。

　　而開源，更是意味著，B端能用上，企業(yè)能用上。

　　AI編程這件事，在國內(nèi)，門檻真的，正在急劇降低。

　　以前你想用頂級的AI編程能力，得買ChatGPT的會員，得有魔法，得付得起那個價格。

　　現(xiàn)在不用了。

　　GLM-5給了你一個平替選擇，雖然在全球領(lǐng)域，他距離那個老變態(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。

　　這會讓更多人開始嘗試AI編程，會讓更多人感受到AI的魅力。

　　而當(dāng)更多人用起來之后，社區(qū)會更活躍，反饋會更多，模型會迭代更快。

　　這是一個正向循環(huán)。

　　這也代表，我們在人才、在算力、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，下一個版本可能又把差距拉開。

　　但至少，我們已經(jīng)進(jìn)入了同一個賽道，在同一個維度上競爭。

　　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。

　　站在今天這個節(jié)點(diǎn)，我其實很想說跟馮驥一樣的話：

　　我真的很慶幸，這個開源模型。

　　來自智譜，來自中國。

　　在ds和sd之后的另外一個Coding世界里，也有了中國身位。

　　惟愿。

　　國運(yùn)昌隆。

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

　　>/ 作者：卡茲克、林機(jī)夢逗、tashi

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