GLM-5.1开源：零介入交付完整Linux桌面系统

开源大模型领域迎来重磅更新。智谱近日正式开源GLM-5.1大模型，该模型拥有744B参数规模、40B激活参数，采用MIT协议开源。引人注目的是，GLM-5.1实现了零人工介入情况下独立工作超过8小时的突破性能力，成功从零交付了一套完整的Linux桌面系统，包括窗口管理器、文件浏览器、终端、文本编辑器、系统监视器、游戏库等组件，系统镜像仅4.8MB。

编码能力全球领先

长时间任务处理能力显著

在编码能力方面，GLM-5.1展现出卓越实力。SWE-Bench Pro是衡量模型在真实GitHub仓库中定位并修复高难度工程Bug能力的权威基准，被认为是目前最接近真实软件开发的单项指标。GLM-5.1在该基准上取得了58.4分的全球最高成绩，超越了GPT-5.4（57.7分）和Claude Opus 4.6（57.3分）。 NL2Repo要求模型根据自然语言描述从零构建完整代码仓库，测试系统级工程能力，GLM-5.1得分42.7，相比GLM-5的35.9提升了19%。Terminal-Bench 2.0让模型在真实终端环境中解决系统管理、运维和开发任务，GLM-5.1得分63.5。CyberGym网络安全编码基准上，GLM-5.1得分68.7，相比GLM-5的48.3提升了42%，是进步最大的单项。

智能体与推理能力

GLM-5.1的核心优势在于长时间任务中持续保持有效工作能力，这让它能够完成以前短对话无法实现的复杂任务。模型在连续655轮迭代中自主优化了一个向量搜索引擎，从全库扫描一路优化到两级路由+提前剪枝，最终将查询速度从3108 QPS提升到21472 QPS，性能提升达6.9倍。 在KernelBench挑战中，GLM-5.1为50个真实AI模型（MobileNet、VGG、MiniGPT、Mamba等）编写GPU加速代码，经过1000多轮迭代自主编写Triton和CUDA加速代码，最终达到3.6倍加速，远超PyTorch自带优化器torch.compile的1.49倍。

技术创新与生态支持

智能体能力方面，BrowseComp测试模型通过自主浏览网页解决复杂信息检索问题的能力，GLM-5.1带上下文管理得分79.3。τ³-Bench在模拟客服场景中测试对话式Agent的双向控制能力，得分70.6。MCP-Atlas衡量模型在多步骤工作流中调用外部工具的能力，得分71.8。Vending Bench 2.0让模型经营一年模拟自动售货机生意测试长期规划能力，最终账户余额$5634。 推理能力方面，HLE被称为「人类最后的考试」，GLM-5.1得分31.0。AIME 2026美国数学邀请赛得分95.3，各家模型已非常接近。GPQA-Diamond博士级专家出题的科学问答得分86.2。整体来看，GLM-5.1的提升集中在编码和智能体维度，提升幅度在19%-42%之间，推理能力和GLM-5基本持平。

如有侵权，请联系删除。