揭秘GLM-5：智谱AI的开源智能体工程新纪元

关于那个神秘的「Pony Alpha」模型的传言，已经持续在互联网上发酵了一整周。

有人说它是 Claude 5 的马甲，也有人说它是某大厂的秘密武器。就在刚刚，谜底揭晓：这个代号「Pony Alpha」的新模型，正是智谱 AI 的春节大招——GLM-5。

而且，它直接开源了。

如果说 2025 年是 AI 学会写代码的一年，那么 2026 年开年，正如特斯拉前 AI 总监 Andrej Karpathy 所预言，我们或许即将进入「智能体工程」（Agentic Engineering）时代。

比起 GPT-5.3-Codex、Claude Opus 4.6，头一个把这件事做成开源基础设施的，是国产模型 GLM-5。

附体验地址：

• Z.ai：https://chat.z.ai
• 智谱清言APP/网页版：https://chatglm.cn

骗过硅谷的 Pony Alpha，原来是智谱 GLM-5 的马甲

现在的 AI 写个贪吃蛇或者俄罗斯方块，已经没什么可稀奇的了。要测，就得测点刁钻的。

我们给 GLM-5 抛出了一个极其具体的物理模拟需求：

创建一个交互式的 HTML、CSS 和 JavaScript 卫星系统模拟程序，该程序应模拟卫星向地面接收器发送信号的过程。模拟程序应显示一颗卫星绕地球运行，并周期性地发送信号，这些信号会被多个地面接收器接收。

它没有立刻给出代码，而是稍微「停顿」了一下（模拟思考过程），最终按照我的需求生成了一个 HTML 网页。屏幕上，卫星不仅转圈，信号传输甚至带有符合多普勒效应视觉隐喻的波纹扩散动画。

它理解了「模拟」二字背后的物理规律，而不仅仅是理解了「画图」这个动作。

接着，我们加大了难度。

X 上有个叫 @scaling01 的用户，给出了一个极高的评价：「Pony-Alpha 要么是 AGI，要么就是把我的 SVG 题目库给背下来了。」

为了验证这一点，我们测试了一个极其抽象的 Python 任务：「可视化展示单行道中交通信号灯的工作原理，车辆以随机速率进入。」

不到 3 分钟，一个动态的交通流模拟图出现了。

逻辑可以说是严丝合缝：绿灯放行、红灯排队，车辆加速减速的随机性也模拟得很到位。不过，这个界面的审美……有点「简陋」。

甚至有网友 @anurudhsharmaa 用它一行提示词生成了一个全新的网站。

而网友 @zakarinoo7 生成了一个全功能的媒体播放器——支持 MP4/MP3 解码、播放列表管理，甚至连深色模式的 UI 都写好了，编译完只有 15MB。

适配半个芯片圈，这才是 GLM-5 的「大杀招」

基准测试结果显示，GLM-5 在 Coding 与 Agent 能力上，取得开源 SOTA 表现。

数据不会撒谎，在 SWE-bench-Verified 和 Terminal Bench 2.0 这两个公认最难的编程榜单中，GLM-5 分别拿下了 77.8 和 56.2 的高分，在真实编程场景的体感上，已经无限逼近 Claude Opus 4.5。

GLM-5 凭什么能做到这一点？翻看官方报告，在一堆参数背后，我们找到了几个关键点：MoE 架构和异步强化学习（Asynchronous RL）。

744B 的总参数量，激活参数只有 40B，这让它足够聪明又足够轻量。但真正的杀手锏是智谱构建的全新「Slime」框架。

简单打个比方： 以前的模型训练像是在「考试」，做对一道题给一个分，模型为了拿高分拼命背题； GLM-5 的训练则像是「实习」，它在一个名为 Slime 的环境里，通过完成一个个完整的长程项目，在不断的反馈和交互中学习。

此外，它还首次集成了DeepSeek Sparse Attention（稀疏注意力机制）。这意味着在处理动辄几十万行代码的上下文时，它不仅不会「迷路」，还能大幅降低部署成本。