智谱GLM-5.1正式发布 可8小时独立作业代码能力超国际顶流

2026年4月8日，志谱AI正式发布了新一代开源大模型GLM-5.1。这次更新带来了两项关键突破：长程任务执行能力与专业代码能力。该模型能够独立处理长达8小时的复杂任务，并在业界公认的高难度软件工程基准测试SWE-Bench Pro中，其修复Bug的表现甚至超越了GPT-5.4、Claude Opus4.6等国际顶级闭源模型。更具体地说，它在单次任务中可执行超过1200步操作，其最终产出成果，据评估相当于4名资深开发者协同工作一周的成果。

最近，一段在开发者社群中流传的AI作业录屏引发了广泛关注。画面中，在没有任何人机交互干预的情况下，一个大模型耗时约8小时，独立完成了从编译、配置到功能测试的完整Linux桌面系统构建。全程累计执行了1200多个步骤，且未出现任务中断或逻辑断裂的情况。这段录屏的主角，正是刚刚亮相的GLM-5.1。

回顾过去，无论是开源还是闭源模型，其能力边界大多局限于几分钟到几十分钟的短周期任务。一旦面对步骤繁多、周期漫长的复杂工程，模型常常会出现记忆偏差或逻辑链条断裂的问题。GLM-5.1的核心升级，正是精准地击中了这一行业痛点。它实现了**最长8小时的连续独立作业能力**。在上述构建Linux桌面的测试中，模型仅用20分钟就输出了一个可用的初步版本，而最终交付的成品功能完整度，相当于**4名资深后端工程师一周的工作量**，其展现的生产力水平远超以往任何同类产品。

为了客观验证其专业工程能力，研发团队采用了业界公认的硬核基准——**SWE-Bench Pro**进行测试。该测试包含了数百个提取自真实开源项目的高难度Bug修复任务。最终结果显示，GLM-5.1在Bug定位的准确率和修复的成功率上，均超过了当前公认的顶级闭源模型GPT-5.4和Claude Opus4.6。这使其成为全球首个在该权威基准上登顶的开源模型。值得注意的是，其能力不仅限于代码任务，在向量数据库优化、真实机器学习负载下的自我迭代等方向，GLM-5.1也表现出了显著优于同类的潜力。

长期以来，AI智能体的落地应用大多局限于简单的日常辅助场景，一旦涉足复杂的专业领域任务，表现往往不尽如人意。GLM-5.1的出现，相当于为行业提供了一个具备强大专业生产力、且可深度定制的开源基础平台。开发者无需投入巨额训练成本，即可基于此模型构建能够独立完成工程开发、系统运维、深度数据分析等长周期、高复杂度任务的专属智能助理。这无疑为其在未来企业级开发与运维场景中的大规模应用，开辟了极为广阔的空间。