互聯(lián)網(wǎng)上關(guān)于神秘模型“Pony Alpha”的猜測持續(xù)發(fā)酵一周后，謎底終于揭曉——這款引發(fā)諸多討論的模型，正是智譜 AI 推出的 GLM-5，它被視作智譜 AI 在春節(jié)期間放出的“大招”，并且一登場便直接開源，這一舉措在 AI 領(lǐng)域引發(fā)了廣泛關(guān)注。

在測試環(huán)節(jié)，GLM-5 展現(xiàn)出了驚人的能力。當(dāng)被要求創(chuàng)建一個交互式的 HTML、CSS 和 Java 衛(wèi)星系統(tǒng)模擬程序，模擬衛(wèi)星向地面接收器發(fā)送信號的過程時，它沒有立刻給出代碼，而是稍作“停頓”，模擬思考過程后，生成了一個符合要求的 HTML 網(wǎng)頁。在這個網(wǎng)頁中，衛(wèi)星不僅圍繞地球運行，信號傳輸還帶有符合多普勒效應(yīng)視覺隱喻的波紋擴散動畫，這表明它理解了模擬背后的物理規(guī)律，而不僅僅是完成簡單的繪圖任務(wù)。

進一步加大難度，測試人員提出了一個抽象的 Python 任務(wù)：可視化展示單行道中交通信號燈的工作原理，車輛以隨機速率進入。不到 3 分鐘，GLM-5 就生成了一個動態(tài)的交通流模擬圖。綠燈時車輛放行，紅燈時車輛排隊，車輛加速減速的隨機性也得到了很好的模擬，不過界面設(shè)計稍顯簡陋。

GLM-5 的出色表現(xiàn)吸引了眾多網(wǎng)友參與測試。網(wǎng)友 @anurudhsharmaa 僅用一行提示詞，就讓它生成了一個具有審美感的網(wǎng)站；網(wǎng)友 @zakarinoo7 則生成了一個全功能的媒體播放器，支持 MP4/MP3 解碼、播放列表管理，還具備深色模式 UI，編譯后僅有 15MB。

在更復(fù)雜的測試中，測試人員讓 GLM-5 打造一個火柴人開放世界游戲。它沒有急于編寫代碼，而是像人類一樣，從技術(shù)棧、核心玩法、世界風(fēng)格等方面逐步對接需求。在開發(fā)過程中，測試人員不斷提出新的想法，如增加經(jīng)濟系統(tǒng)、動作元素、背包 UI 以及與 NPC 對話功能等，GLM-5 都能一一滿足。最終運行效果令人滿意，游戲體驗盡善盡美。

GLM-5 在系統(tǒng)打造方面也有出色表現(xiàn)。有人讓它打造一個 Mac 系統(tǒng)，雖然整體有些粗糙，但經(jīng)典的屏幕背景、頂部狀態(tài)欄的時間同步顯示以及底部 Dock 欄的圖標(biāo)排列都得以呈現(xiàn)，而且每個應(yīng)用都能打開。

基準(zhǔn)測試結(jié)果顯示，GLM-5 在 Coding 與 Agent 能力上取得了開源領(lǐng)域的最優(yōu)表現(xiàn)。在 SWE-bench-Verified 和 Terminal Bench 2.0 這兩個公認(rèn)難度極高的編程榜單中，GLM-5 分別獲得了 77.8 和 56.2 的高分，在真實編程場景中的體驗已無限接近 Claude Opus 4.5。

GLM-5 之所以能取得如此優(yōu)異的成績，得益于其獨特的技術(shù)架構(gòu)。它采用了 MoE 架構(gòu)和異步強化學(xué)習(xí)（Asynchronous RL），總參數(shù)量為 744B，激活參數(shù)僅 40B，既聰明又輕量。智譜構(gòu)建的全新“Slime”框架是其關(guān)鍵所在，以往的模型訓(xùn)練如同“考試”，為拿高分而背題；而 GLM-5 的訓(xùn)練則像“實習(xí)”，在 Slime 環(huán)境中通過完成一個個完整的長程項目，在反饋和交互中不斷學(xué)習(xí)。它還首次集成了 DeepSeek Sparse Attention（稀疏注意力機制），在處理大量代碼上下文時不會“迷路”，還能大幅降低部署成本。

值得注意的是，在官方公告底部的致謝名單中，出現(xiàn)了華為昇騰、摩爾線程、寒武紀(jì)、昆侖芯、沐曦、燧原、海光等眾多國產(chǎn)芯片企業(yè)的名字，這幾乎涵蓋了中國半導(dǎo)體行業(yè)的“半壁江山”。這意味著 GLM-5 的開源不僅是軟件層面的突破，更標(biāo)志著國產(chǎn) AI 生態(tài)從底層芯片算力、中間框架到上層模型，逐漸形成了一個完整的閉環(huán)。