Vibe Coding時代宣告終結！2026年伊始，智譜GLM-5震撼空降，以「智能體工程」重塑遊戲規則。用Claude七分之一的地板價，中國模型正面硬剛Opus 4.5！2月7日深夜，一個代號「Pony Alpha」的神秘模型悄悄上線。隨後，外網炸了。扔進去一段改了一天都沒搞定的「屎山程式碼」，它順手重構了架構；輸入一段簡單的提示，它吐出一個包含35個電台、UI絲滑的完整Web App。這種極致的工程能力，直接印證了 Andrej Karpathy 幾天前的斷言：Vibe Coding已經成為過去，新的遊戲規則只有一個名字——Agentic Engineering（智能體工程）。緊接著，Opus 4.6與GPT-5.3-Codex 次日深夜「撞車」上線，全篇只談「長程任務、系統工程」。就在所有人以為這又是閉源巨頭的獨角戲時，Pony Alpha的謎底揭曉——它是GLM-5。全球第一個站上這條賽道，和矽谷巨頭在系統級工程能力上正面硬剛的開源模型。謎底揭曉後，智譜股價直接暴漲32%！全球開源第一！國產模型的「Opus時刻」在真正上手之後，我們只有一個感受：真的太強了！如果說Claude Opus代表了閉源模型的巔峰，那麼GLM-5的發佈，無疑標誌著國產開源模型迎來了屬於自己的「Opus時刻」。在權威榜單Artificial Analysis中，GLM-5位居全球第四、開源第一就在發佈當日，10餘款由開發者基於GLM-5「手搓」的遊戲和工具已同步展出並提供體驗，後續這些應用也將陸續登陸各大應用程式商店。這意味著，GLM-5正將「AI程式設計」轉化為「AI交付」，真正實現了生產力工具向商業產品的無縫跨越。體驗地址：showcase.z.ai比如這個名為「Pookie World」的項目。就是由GLM-5驅動的數字平行世界，通過多層生物-心理框架賦予自主智能體真實的敘事完整性與生命動機。還有復刻版「我的世界」，這個效果和玩法簡直和Minecraft一模一樣。我們也使用Claude Code作為外殼，直接接入GLM-5的API進行了多維度的實測。無論是Next.js全端項目，還是MacOS/iOS原生應用，它都能實現從需求分析、架構設計到程式碼編寫、端到端偵錯的全流程閉環。做了N個項目，冥冥之中有一種感受：某種程度上，GLM-5或許是一個能改變行業格局的模型。複雜邏輯挑戰：「無限知識宇宙」如果你覺得寫個網頁很簡單，那試著讓AI搞定一個對JSON格式要求極嚴、且涉及動態渲染的「無限流」項目。就拿我們最先測試的「無限知識宇宙」來說。這是一個典型的複雜前後端分離項目，涉及React Flow動態渲染、Next.js API路由設計，以及極其嚴格的JSON格式輸出要求。對此，GLM-5的表現堪稱驚豔。它不僅一次性完成了整個項目檔案結構，更讓人驚喜的是它的debug邏輯。GLM-5立刻定位到是載入時機的問題，並迅速給出了修正方案。完整的提示詞如下：無限流·概念可視化核心概念：這是一個“永遠點不完”的思維導圖。使用者輸入任何一個關鍵詞（比如“量子物理”或“紅樓夢”），系統生成中心節點。點選任意節點，AI即時展開其子節點。驚豔時刻： 使用者會感覺自己在與一個全知的大腦互動。當他們隨意點選一個生僻概念，AI依然能精準展開下一層級時，這種“無限探索”的感覺非常震撼。視覺與傳播：- 使用React Flow或ECharts製作動態的、可拖曳的節點網路。- 配色使用Cyberpunk或極簡風格，非常適合截圖發朋友圈。可行性方案：- 前端：React + React Flow (負責畫圖)。- 後端：Next.js API Route。- Prompt策略：不需要複雜的上下文記憶，只需要讓AI針對“當前節點”生成5-6個關聯子節點並返回JSON格式即可。- 難點攻克：讓模型輸出穩定的JSON格式（這是測試模型指令遵循能力的絕佳場景）。更複雜的中台項目，11分鐘搭建完畢接下來加大難度，讓它開發一個名為「Soul Mirror」的心理分析應用。需求分為兩步：Step 1邏輯設計：扮演榮格心理學專家，輸出包含分析文字和視覺參數的JSON。Step 2前端實現：根據參數動態渲染SVG，生成塔羅牌風格的卡片。提示詞Step1: 邏輯設計我們要開發一個名為"Soul Mirror"的心理分析應用。互動流程：1.引導頁：使用者輸入當前的狀態或困惑。2.分析頁：AI提出2個深度追問，引導使用者探索內心。3.結果頁：基於對話，AI生成一張“心靈卡片”。請設計核心Prompt (System Instruction)：要求模型扮演一位榮格心理學專家。在最後一步，模型需要輸出一個JSON，包含：- analysis: 心理分析文字。- visualParams: 一組用於生成抽象藝術圖的參數（如colorPalette（十六進制顏色陣列）, shapes（圓形/三角形/波浪）, chaosLevel（混亂度數值））。Step2: 前端實現與SVG渲染請編寫Next.js前端程式碼。重點是實現一個ResultCard元件。要求：1.接收Step1中的visualParams參數。2.使用SVG動態繪製圖形。例如：如果chaosLevel高，使用不規則的Path；如果colorPalette是暖色，背景使用漸變橙紅色。3.卡片佈局要精美，像一張塔羅牌：中間是動態SVG圖案，底部是使用者的名字和AI的一句“靈魂箴言”。4.增加一個“保存為圖片”的按鈕（使用html-to-image庫）。整個過程，它展現出的理解力，時常會讓人懷疑是不是在用Opus 4.5。但是看了一眼，確實就是GLM-5。25分鐘一鏡到底，真正的Agentic Coding為了更進一步測試GLM-5的能力，我們要求它不使用API，完全模擬真實使用者，來製作一個X平台的監控系統。結果：25分鐘，一鏡到底。完整錄屏如下：可以看到，GLM-5會在運行中自主呼叫各種工具Agent，規劃任務、拆解步驟、遇到報錯自己查文件修正。這種長時間維持邏輯連貫性的能力，是以前開源模型不敢想像的。完成後，一句話即可讓GLM-5自動運行項目看圖寫APP，這還原度真的服了最後，我們又把一張OpenClaw之父開放原始碼專案的截圖（一個AI額度統計工具），直接丟給GLM-5：照這個給我做一個MacOS App。沒一會，它真的「復刻」了一個同款產品出來。雖然資料是Mock的，但UI佈局、互動邏輯幾乎完美復刻。這不僅是視覺理解能力，更是將視覺轉化為SwiftUI程式碼的工程落地能力。大神手搓：1天復刻「丐版Cursor」為了驗證GLM-5的工程極限，一位資深開發者決定玩把大的：從零手搓一個帶桌面UI的AI程式設計助手——GLMLIFE。這相當於要做一個簡易版的Cursor。任務扔給GLM-5後，它沒有上來就狂寫程式碼，而是先甩出了一份專業的架構設計文件（PLAN.md），並做出了極其成熟的技術選型：直接採用了Monorepo架構，將項目精準拆解為三個核心包。Core：負責Agent核心引擎與LLM適配；CLI：處理命令列互動；Desktop：基於Electron + React 18的桌面主程序。從Zustand狀態管理到Tailwind樣式方案，再到複雜的IPC處理程序通訊，GLM-5像個帶了十年團隊的技術總監，把技術選型安排得明明白白。開發者原本以為要花三天配置環境，結果僅用一天就跑通了從環境搭建、核心邏輯實現到Electron打包的全流程。打開GLMLIFE的那一刻，你很難相信這是AI在一天內「架構」出來的產物。GLMLIFE製作迷你鋼琴實現過程為什麼它能成為「開源界的Opus」？放眼全球，Claude Opus 4.6和GPT-5.3-Codex之所以備受追捧，是因為它們具備極強的「架構」能力。Opus 4.6的暴力美學：16個AI分身自主分工，耗時兩周，從零建構了一個包含10萬行程式碼的Rust編譯器，通過了99%的GCC壓力測試。GPT-5.3的自我創造：它是OpenAI第一個「參與自身創造」的模型，在「出生」前就已介入訓練流程和叢集部署。然而，這一切都有一個致命的前提：它們不僅閉源，而且昂貴。此時此刻，GLM-5的發佈，便是中國開源大模型對Agentic時代的一次暴力破局。它直接盯著閉源巨頭最不想放手的領域——系統級工程能力，做了一次「平替式」的進攻。1. 新晉「後端架構師」智譜團隊非常清楚，開源界不缺能寫Python指令碼的模型，缺的是能處理髒活、累活、大活的模型。GLM-5在訓練中大幅強化了後端架構設計、複雜演算法實現和頑固Bug修復的權重，並且還實現了極強的自我反思機制。在編譯失敗時，它會像一個成熟的工程師一樣，自主分析日誌、定位根因、修改程式碼、重新編譯，直到系統跑通。2. 既然是幹活，就要算帳比肩Opus的性能，和開放原始碼的權重，讓GLM-5從某種程度上撼動了Anthropic和OpenAI建構起的圍牆花園。本地部署：它不僅可以在完全隔離的內部網路中運行，並且還能針對公司的私有框架進行微調，成為最懂自家程式碼的專員。成本可控：使用者可以用消費級顯示卡叢集跑起一個強力的Coding Agent，不必每運行一次測試都要心疼錢。屠榜SOTAGLM-5的這次進化，只能用兩個字形容：暴力。既然是面向複雜系統工程設計的基座模型，那規模肯定要拉滿。參數量從355B（啟動32B）一口氣幹到了744B（啟動40B），預訓練資料也從23T堆到了28.5T。除了「大」，還得「省」。眾所周知，Agent跑起來最燒錢的就是Token。為瞭解決這個痛點，GLM-5首次整合了DeepSeek Sparse Attention（稀疏注意力）機制。這讓它在處理超長上下文時，不僅能保持「無損」的記憶力，還能大幅降低部署成本。還有個更狠的「黑科技」——全新的非同步強化學習框架Slime。配合大規模強化學習，讓模型不再是「一次性工具」，而是能在長跑中越跑越聰明的「長程選手」。至於跑分，更是硬核：程式碼能力SWE-bench Verified直接衝到77.8分，Terminal Bench 2.0一舉拿下56.2分，都是開源第一。這個成績不僅超了Gemini 3.0 Pro，更是直接貼臉Claude Opus 4.5。Agent能力BrowseComp（聯網檢索）、MCP-Atlas（工具呼叫）和τ²-Bench（複雜規劃），全線霸榜開源第一。最有趣的是Vending Bench 2（自動售貨機經營測試）。在這個測試中，模型得完全靠自己經營一年售貨機。您猜怎麼著，GLM-5到年底居然賺了4432美元，這水平都快趕上Opus 4.5了。在開發者最關心的內部Claude Code評估集合中，GLM-5在前端、後端、長程任務等程式設計開發任務上顯著超越上一代的GLM-4.7（平均增幅超過20%）。真實使用體感已經逼近Opus 4.5。用AI造AI當然，GLM-5的野心不止於模型，更在於重構我們手裡的程式設計工具。全球爆火的OpenClaw讓大家看到了AI操作電腦的潛能。這次，智譜也推出了AutoGLM版本的OpenClaw。在用原版時，光環境配置就需要折騰半天，現在官網一鍵部署。想要個7x24小時幫你盯著推特、整理資訊、甚至寫指令碼的「數字實習生」？點一下就有了。同時發佈的還有Z Code——完全基於GLM-5能力誕生的新一代開發工具。在Z Code裡，你只管提需求，模型會自動拆解任務，甚至拉起一堆Agent並行幹活：寫程式碼、跑命令、Debug、預覽，最後連Git提交都幫你搞定。甚至，你還可以用手機遠端指揮桌面端的Agent幹活。值得一提的是，就像OpenAI用Codex寫出了Codex，Z Code本身，也是GLM模型全程參與開發出來的。國產算力的勝利在GLM引爆全球流量、Agent需求激增的背後，一群「無名英雄」正默默支撐著海量的計算負荷。為了確保每一行程式碼、每一次 Agent 規劃都能穩定輸出，GLM-5已經深入國產算力的「腹地」，完成了與華為昇騰、摩爾線程、寒武紀、崑崙芯、沐曦、燧原、海光等主流平台的深度適配。通過底層算子級的精細化最佳化，讓GLM-5在國產晶片叢集上也能跑出「高吞吐、低延遲」的滿血表現。這意味著，我們不僅有了頂級的模型，還不被卡脖子。結語2026年的春天，程式設計大模型終於脫去了稚氣。Karpathy所謂的「Agentic Engineering」，本質上是對AI提出了一種更嚴苛的「面試要求」：以前（Vibe Coding）：只要你會寫漂亮的HTML，我就錄用你。現在（Agentic Coding）：你需要懂Linux核心，懂500個微服務之間的呼叫關係，懂如何在不炸掉線上的前提下重構程式碼，還要能自己規劃任務、自己修Bug。GLM-5並不完美。但在「建構複雜系統」這一核心命題上，它是目前開源界唯一能接住這波「Agentic浪潮」的選手。Vibe Coding已經結束了。別再問AI「能不能幫我寫個網頁」了。那是2025年的事情。現在，試試問它：「能不能幫我重構這個高並行系統的核心模組？」GLM-5，Ready to Build！彩蛋GLM-5已經納入Max使用者套餐，Pro將盡快在5天內支援！並且剛剛智譜宣佈漲價，今年的Token註定是要漲價的！趕快去體驗吧！官方API接入BigModel開放平台：https://docs.bigmodel.cn/cn/guide/models/text/glm-5Z.ai：https://docs.z.ai/guides/llm/glm-5OpenClaw接入文件：https://docs.bigmodel.cn/cn/coding-plan/tool/openclaw開源連結GitHub：https://github.com/zai-org/GLM-5Hugging Face：https://huggingface.co/zai-org/GLM-5ModelScope：https://modelscope.cn/models/ZhipuAI/GLM-5 (新智元)
