智谱宣布在 MIT 许可下开源新一代的旗舰级智能体工程模型 GLM-5.1 ，编码能力比上一代产品显著增强。
根据介绍，GLM-5.1 在 SWE-Bench Pro 测试中以 58.4 分的成绩刷新纪录，并在 NL2Repo（代码库生成）和 Terminal-Bench 2.0（真实终端任务）测试中大幅领先于 GLM-5。
GLM-5.1 的设计目标是在更长的时间跨度内保持对智能体任务的有效性。该模型能够更准确地处理模糊问题，并在更长的运行时间内保持高效。它能够分解复杂问题，运行实验，解读结果，并精准地识别障碍。通过反复迭代，GLM-5.1 不断回顾其推理过程并调整策略，从而在数百轮迭代和数千次工具调用中持续优化。运行时间越长，结果越好。
智谱方面表示，GLM-5.1 显著地扩展了有效运行时间，超越了 GLM-5，但 KernelBench 等任务上仍然存在的差距表明，长期优化仍然是一个开放的领域。仍然面临着诸多挑战：如何在增量调优不再奏效时尽早跳出局部最优解；如何在跨越数千次工具调用的执行轨迹上保持一致性；以及——或许最为重要的是——如何在没有数值指标可供优化的任务中开发可靠的自评估机制。
评论删除后，数据将无法恢复
智谱开源 GLM-5.1：面向长周期任务
智谱宣布在 MIT 许可下开源新一代的旗舰级智能体工程模型 GLM-5.1 ，编码能力比上一代产品显著增强。
根据介绍，GLM-5.1 在 SWE-Bench Pro 测试中以 58.4 分的成绩刷新纪录，并在 NL2Repo（代码库生成）和 Terminal-Bench 2.0（真实终端任务）测试中大幅领先于 GLM-5。
GLM-5.1 的设计目标是在更长的时间跨度内保持对智能体任务的有效性。该模型能够更准确地处理模糊问题，并在更长的运行时间内保持高效。它能够分解复杂问题，运行实验，解读结果，并精准地识别障碍。通过反复迭代，GLM-5.1 不断回顾其推理过程并调整策略，从而在数百轮迭代和数千次工具调用中持续优化。运行时间越长，结果越好。
智谱方面表示，GLM-5.1 显著地扩展了有效运行时间，超越了 GLM-5，但 KernelBench 等任务上仍然存在的差距表明，长期优化仍然是一个开放的领域。仍然面临着诸多挑战：如何在增量调优不再奏效时尽早跳出局部最优解；如何在跨越数千次工具调用的执行轨迹上保持一致性；以及——或许最为重要的是——如何在没有数值指标可供优化的任务中开发可靠的自评估机制。