GLM-5.1开源：独立工作8小时，探索长程任务上限

今天凌晨，智谱最新开源旗舰 GLM-5.1 发布，这次直接把 AI 编程推到了"8小时长程任务"时代。从早期3分钟的 Vibe Coding，到30分钟的 Agentic Engineering，再到如今能连续独立工作超过8小时的 Long-Horizon Task，GLM-5.1 堪称智谱迄今最强的旗舰模型，也是当前全球最能打的开源模型之一。

GLM-5.1在代码能力上大幅跃升，尤其擅长长程任务——一次下发，模型即可自主规划、执行、自我迭代，全程无需人工接管，最终交付完整的工程级成果，把智能体从"助手"升级成了"工程师"。

开源链接

GitHub：https://github.com/zai-org/GLM-5

ModelScope：https://modelscope.cn/models/ZhipuAI/GLM-5.1

官方API接入

• BigModel开放平台：https://docs.bigmodel.cn/cn/guide/models/text/glm-5.1
• Z.ai：https://docs.z.ai/guides/llm/glm-5.1

Blog

https://z.ai/blog/glm-5.1

代码能力是模型智能水平进一步提升的关键。下图是GLM-5.1分别在 SWE-Bench Pro、Terminal-Bench 2.0、NL2Repo基准中的表现，综合结果上，取得了全球模型第三、国产模型第一、开源模型第一的成绩。

在最接近真实软件开发的SWE-bench Pro基准测试中，GLM-5.1刷新全球最佳成绩，超过GPT-5.4、Claude Opus 4.6。

案例展示：模型上班的8小时

抛开Benchmark，本次 GLM-5.1 的官方展示重点，转向了：模型在长程任务中能否持续工作、持续优化，并完成完整的“执行、分析、修正”闭环。

在同等评估口径下，GLM-5.1 展现出较强的长时间自主工作能力。以下是官方提供的三个案例：

Case 1：8小时从零构建 Linux 桌面

在该任务中，模型被要求从零开始完成一个 Linux 桌面系统构建。

任务结果：

• 持续执行 8 小时
• 完成 1200+ 步操作
• 约 20 分钟后产生首个有效结果
• 最终产出包含桌面、窗口管理器、状态栏、应用程序、VPN 管理器、中文字体支持、游戏库等完整组件
• 生成配套文件约 4.8MB

Case 2：655 次迭代优化向量数据库

在向量数据库优化任务中，GLM-5.1 通过持续迭代完成性能提升。

任务结果：

• 655 轮迭代
• 持续进行 Benchmark 运行、瓶颈定位与方案调整
• 优化路径覆盖全库扫描、IVF 分桶召回、半精度压缩、量化粗排、两级路由、提前剪枝等
• 查询吞吐从 3108 QPS 提升至 21472 QPS
• 相比初始正式版本提升 6.9 倍

Case 3：1000 轮工具调用优化真实机器学习负载

在 KernelBench Level 3 基准上，GLM-5.1 针对 50 个真实机器学习计算负载进行持续优化。

任务结果：

• 超过 24 小时不间断迭代
• 完成多轮编译、测试、分析、重写循环
• 支持 Triton Kernel、CUDA Kernel、cuBLASLt epilogue 融合、shared memory tiling、CUDA Graph 等优化方式
• 几何平均加速比达到 3.6 倍
• 对比 torch.compile max-autotune 模式的 1.49 倍，提升更明显

以上三个场景共同指向同一个核心变量：真正决定模型能力的，并不是运行时长本身，而是额外的运行时间是否仍然有效。GLM-5.1 相较 GLM-5 将这一有效工作窗口显著地向后延伸，而 KernelBench 上仍然存在的差距也说明，长程优化依旧是一片有待开拓的前沿。

前路仍有诸多挑战：如何在增量调优不再奏效时更早跳出局部最优，如何在跨越数千次工具调用的执行轨迹中保持连贯性，以及，也是最重要的，如何在没有数值指标的任务上建立可靠的自我评估机制。GLM-5.1 是智谱团队在这个方向上迈出的第一步，后续仍会持续推进。

模型实战指引

以下开源框架支持 GLM-5.1 的本地部署：

• SGLang (v0.5.10+)：

https://cookbook.sglang.io/autoregressive/GLM/GLM-5.1

• vLLM (v0.19.0+)：

https://github.com/vllm-project/recipes/blob/main/GLM/GLM5.md

• xLLM (v0.8.0+)：

https://github.com/zai-org/GLM-5/blob/main/example/ascend.md

• Transformers (v0.5.3+) ：

https://github.com/huggingface/transformers/blob/main/docs/source/en/model_doc/glm_moe_dsa.md

• KTransformers (v0.5.3+) ：

https://github.com/kvcache-ai/ktransformers/blob/main/doc/en/kt-kernel/GLM-5.1-Tutorial.md

点击即可跳转模型合集

https://modelscope.cn/models/ZhipuAI/GLM-5.1