阅读视图
西门子第一财季净利润22.22亿欧元,同比下降43%
乘联分会:1月新能源车在国内总体乘用车的零售渗透率38.6%,同比下降3个百分点
乘联分会:1月全国乘用车市场零售154.4万辆,同比下降13.9%
Waymo:到今年年底在美国每周付费订单量将超100万次
哈萨克斯坦能源部与李开复就人工智能赋能能源领域合作签署备忘录
马斯克谈Seedance2.0,感慨模型发展速度快
港股智谱午后大涨近40%
淘宝闪购:用千问点淘宝闪购百货订单6天增长超8倍
体验完智谱刚刚发布的 GLM-5,我终于明白它为什么让硅谷猜破了头

关于那个神秘的「Pony Alpha」模型的传言,已经在互联网发酵了一周。
有人说它是 Claude 5 的马甲,有人说它是某大厂的秘密武器。就在刚刚,靴子落地,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。

▲智谱公众号截图
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。
只不过,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,竟然是智谱 GLM-5 的马甲
现在的 AI 写个贪吃蛇或者俄罗斯方块,早就不是什么新鲜事了。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,卫星不仅仅在转圈,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……怎么说呢,确实有点「简陋」。
甚至有网友 @anurudhsharmaa 用它一行提示词生成了一个有审美的网站。

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。

这一幕看得我心痒难耐。于是,我也再次通过 Claude Code ,让 GLM-5 给我打造打一个火柴人开放世界游戏。
它没有急着写代码,它做了一个非常「人类」的动作,那就从技术栈、核心玩法、再到世界风格方面入手,逐步对接我的需求。

并且在它「施工」的过程中,我还能像个挑剔的甲方一样,开始在原来的需求上得寸进尺,随时插入新的想法:

- 光跑图太无聊了,得有经济系统,地上随机刷金币
- 加点动作元素吧,按 J 键射箭,按 K 键近战攻击
- 捡到的东西放哪?再给我加个背包 UI,按 I 键唤出
- 路边的火柴人不能是摆设,我要能和 NPC 对话
等到最终运行的时候,效果简直可以用「尽善尽美」来形容:

既然号称是系统架构师,在 GLM-5 上架官网后,我也顺手让其打造了一个 Mac 系统。

虽然整体有些粗糙,但经典的屏幕背景,顶部状态栏的时间同步显示,底部 Dock 栏的图标排列都给「画」出来了。而且这上面的每一个应用,竟然真的都能打开。
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。
但最让我感慨的,是官方公告底部那串长长的致谢名单。国产大模型已经可以在国产芯片集群上,实现高吞吐、低延迟的稳定运行了。
华为昇腾、摩尔线程、寒武纪、昆仑芯、沐曦、燧原、海光……

▲ 有种可汗大点兵的即视感
这几乎是中国半导体行业的「半壁江山」,这意味着,GLM-5 的开源不仅仅是软件层面的胜利,它标志着国产 AI 生态——从底层的芯片算力,到中间的框架,再到上层的模型逐渐跑通了一个完整的闭环。
而随着 GLM-5 的开源,以及它与 Claude Code、OpenCode 等主流工具的打通,我们或许正站在软件工程 2.0 的门槛上。
特斯拉前 AI 总监 Andrej Karpathy 预言的「智能体工程」时代,比想象中来得更快。在未来,你可能不需要再逐行砌砖。你只需要定义系统,定义审美,定义什么是「好玩」和「有用」。
然后,看着 GLM-5 这样的大模型像包工头一样,指挥着底层的算力把高楼大厦盖起来。
传统的「码农」时代,可能真的要结束了。
但别慌,这不代表人类没用了。相反,当 AI 包办了实现的繁琐,你的审美、你的判断力、以及你提出一个好问题的能力,将成为人类最后的、也是最坚固的护城河。
#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。