GLM-5.1夺开源模型第一，长程任务更稳，一句话就能生成文章短视频

智谱终于对外官宣了GLM-5.1开源，本次更新极大地增强了代码能力。在业内最具代表性的三个代码评测基准，包括衡量模型专业级软件开发工作的SWE-Bench Pro、像工程师一样操作命令行解决问题的Terminal-Bench 2.0、从零构建完整代码仓库的NL2Repo。三项综合平均分，GLM-5.1取得全球模型第三、国产模型第一、开源模型第一。

随着OpenClaw这样的智能体出圈，长程任务已经是检验模型智能的下一个标准。METR研究显示，在编程等领域，AI能以50%成功率完成的任务复杂度正呈指数级增长，近期加速至每4-6个月翻倍。

这意味着单轮问答已经不够看了，长程复杂任务才是衡量模型真实智能的新门槛。

GLM-5.1模型正是专为智能体长程任务设计，模型在长时间跨度、长链路依赖、多工具协同、持续执行、目标保持等关键能力显著提升。

在METR榜单的同等评估标准下，GLM-5.1是唯一达到8小时级别持续工作能力的中国模型，也是全球范围内除Claude Opus 4.6外，少数具备这一能力的模型之一。

官方视频显示，GLM-5.1历时8小时整，执行1700多步，持续打磨修改，产出了一套功能完善的Linux桌面系统，包括：完整的桌面、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，4.8MB的配套文件，这相当于一个4人团队一周的开发工作量。

一句话出视频

实际上，GLM-5.1早在前些日子已经面向Coding Plan用户全面开放，笔者也第一时间做了测试，把之前发布的文章（Claude Code 真正的玩法：.claude文件夹使用指南）生成配套短视频。接下来是完整过程。

首先，将claude code使用的模型切换到GLM-5.1，只需要修改 ~/.claude/settings.json，手动修改模型为“GLM-5.1”即可。

然后，打开claude code，让它自动驾驶。

❯ /ralph-wiggum:ralph-loop " 抓取文章 https://mp.weixin.qq.com/s/r9s63xZgXhwGCx0g_O0zmA。
生成一支抖音短视频，规格与要求如下：

 【基础规格】
画面比例：9:16（竖屏）
视频时长：60秒
整体风格：科技感、未来感、动感吸引人

  【内容要求】
提炼文章核心要点（3~5个），形成连贯解说脚本，每段配对应画面描述
每个要点以「冲击性标题 + 简洁解读」呈现，语言简短有力（每段≤20字）
整体叙事节奏：开头3秒用悬念/数据钩子吸引眼球 → 中段逐点展开 → 结尾升华，紧扣文章内容，言之有物，信息密度高

  【视觉风格】
科技风格元素：粒子流光动效、极简线框HUD风
字体：压缩等宽科技字体（如Orbitron/ZCOOL）
字幕动画效果：关键词放大弹出、逐字打字机效果、数字滚动计数动画

  【声音设计】
背景音乐：EDM电子感强节奏
旁白语速：偏快，语气自信专业

   【注意】
 使用合适的SKILL完成相关任务，避免重复造轮子。

  【输出格式】
  分阶段输出过程进度
  最终输出可播放mp4文件。

" --max-iterations 10 --completion-promise "DONE"

然后，就等着它慢慢干吧！咱去刷刷抖音再说。

经过16分钟的奋战，中途没有卡住，直接生成视频。我们来看看效果：

相比GLM-5，新版本在复杂任务的持续执行上明显更稳定。更重要的是，其审美有了质的提升，完全可以拿它发抖音了，省事高效。

小结

笔者近期基于 GLM-5.1 进行了高强度的生产级系统开发，涵盖复杂项目背景理解、现有代码逻辑梳理及严格代码规范落地等场景。从实际使用体验来看，模型在自主决策能力、运行稳定性、多工具交错调用等方面均有显著提升。

尤其在处理复杂长程任务时，GLM-5.1 可自主完成任务规划、代码编写与迭代；即便过程中出现异常，也能独立定位问题、自主 debug 并完成故障修复。以往使用同类模型时需要人工全程盯防，如今它的表现已接近一位经验丰富的资深工程师，沉稳可靠，让人安心。

毫不夸张地说，在 Anthropic 相关订阅服务收紧的背景下，对于复杂编程任务、养虾等场景，GLM-5.1 已成为当前国内及开源生态中，平替 Claude Sonnet 4.6 的最优选择。

模型地址：https://huggingface.co/zai-org/GLM-5.1

博客：https://z.ai/blog/glm-5.1