GLM-5.1 vs Claude、GPT、Gemini、DeepSeek：智谱AI最新模型综合评测
智谱AI的GLM-5.1声称达到Claude Opus 4.6编程性能的94.6%——完全基于华为芯片训练，并开放权重。以下是它与2026年各大前沿LLM的详细对比。
智谱AI于2026年3月27日正式发布了GLM-5.1，相关数据令业界瞩目。这家中国AI公司——今年一月以313亿美元估值在香港交易所上市——宣称其最新模型在编程性能上达到了Claude Opus 4.6的94.6%，同时以开放权重形式发布，且整个训练过程完全未使用英伟达硬件。
以下是GLM-5.1与2026年所有主流前沿模型的全面对比。
GLM-5.1是什么？
GLM-5.1是GLM-5的增量升级版本，通过增强的后训练流程专注于提升编程与推理能力。其基础架构与GLM-5相同：
| 规格 | 详情 |
|---|---|
| 总参数量 | 744B（混合专家架构） |
| 活跃参数量 | 每个token激活40-44B |
| 专家架构 | 256个专家，每个token激活8个 |
| 上下文窗口 | 200K tokens |
| 最大输出 | 131,072 tokens |
| 训练数据 | 28.5万亿tokens |
| 训练硬件 | 10万块华为昇腾910B芯片 |
| 许可证 | MIT（开放权重） |
训练基础设施的背景意义重大：GLM-5与5.1完全在华为昇腾芯片上训练——未使用任何英伟达GPU。鉴于美国对华AI芯片出口管制，这对中国AI自主化而言是一个重要里程碑。
5.1的新特性
GLM-5.1并非全新架构——它是针对编程能力的GLM-5后训练精化版本：
- 编程基准分数从35.4（GLM-5）提升至45.3（GLM-5.1）——提升幅度达28%
- 这使其达到了Claude Opus 4.6编程分数的94.6%（45.3 vs 47.9）
- 通过渐进式对齐方法增强：多任务SFT → 推理RL → 智能体RL → 通用RL → 在线跨阶段蒸馏
基准测试对比
以下是GLM-5/5.1与所有有可用基准数据的前沿模型的横向比较：
推理与知识
| 模型 | GPQA Diamond | AIME 2025 | MMLU | HLE |
|---|---|---|---|---|
| GPT-5.2（OpenAI） | 92.4% | 100% | ~90% | N/A |
| Claude Opus 4.6（Anthropic） | 91.3% | 99.8% | 91.1% | 53.1% |
| Qwen 3.5（阿里巴巴） | 88.4% | N/A | 88.5% | N/A |
| GLM-5（智谱AI） | 86.0% | 92.7% | 88-92% | 30.5 |
| DeepSeek V3.2 | N/A | 89.3% | ~88.5% | N/A |
| Gemini 2.5 Pro（Google） | 84.0% | 86.7% | 89.8% | 18.8% |
| Llama 4 Maverick（Meta） | 84.0% | 83.0% | 85.5% | N/A |
GLM-5在推理方面表现出色——尤其是AIME 2025（92.7%），超越了DeepSeek、Gemini和Llama。但在GPQA Diamond和人类终极考试（HLE）上仍落后于Claude Opus 4.6和GPT-5.2。
编程能力
| 模型 | SWE-bench Verified | LiveCodeBench | 编程分数 |
|---|---|---|---|
| Claude Opus 4.6 | 80.8% | N/A | 47.9 |
| GPT-5.2 | 80.0% | N/A | N/A |
| GLM-5.1 | 77.8% | 52.0% | 45.3 |
| Qwen 3.5 | 76.4% | 83.6% | N/A |
| DeepSeek V3.2 | 73.1% | 74.1% | N/A |
| Gemini 2.5 Pro | 63.8% | 70.4% | N/A |
| Llama 4 Maverick | N/A | 39.7-70.4% | N/A |
GLM-5.1的编程能力提升是其核心亮点。以77.8%的SWE-bench Verified成绩，它足以与顶级闭源模型相抗衡——仅落后于Claude Opus 4.6（80.8%）和GPT-5.2（80.0%）3个百分点。对于一个开放权重模型而言，这一成绩相当出色。
人类偏好（Chatbot Arena）
| 模型 | Arena ELO | 排名 |
|---|---|---|
| Claude Opus 4.6 | ~1503 | #1 |
| GLM-5 | 1451 | 顶级 |
GLM-5在LMArena的文本竞技场和代码竞技场中均排名开放权重模型第一——即便整体落后于Opus 4.6，人类偏好评分依然亮眼。
价格对比
GLM-5.1最强的卖点之一是成本优势。
| 模型 | 输入（每百万tokens） | 输出（每百万tokens） |
|---|---|---|
| GLM-5.1 | $1.00 | $3.20 |
| DeepSeek V3.2 | $0.27 | $1.10 |
| Claude Sonnet 4.6 | $3.00 | $15.00 |
| GPT-5.2 | $3.00 | $12.00 |
| Claude Opus 4.6 | $15.00 | $75.00 |
| Gemini 2.5 Pro | $1.25 | $10.00 |
GLM-5.1以极低的成本提供接近前沿水平的性能——仅为Claude Opus 4.6或GPT-5.2费用的一小部分。纯价格方面，只有DeepSeek比它更低。
智谱AI还提供GLM编程计划订阅：
- Lite版：每月$3，包含120次提问
- Pro版：每月$15，包含600次提问
相比之下，Claude Max的月费为$100-200。
GLM-5.1的核心优势
1. 前沿规模的开放权重
GLM-5是首个在Artificial Analysis智能指数上突破50分的开放权重模型。权重以MIT许可证发布在HuggingFace（zai-org/GLM-5），支持通过vLLM、SGLang和KTransformers部署。GLM-5.1的权重已承诺发布但尚未放出。
2. 无需英伟达硬件
在10万块华为昇腾910B芯片上完成训练，GLM-5/5.1证明了前沿AI训练无需英伟达硬件即可实现。这一成就的地缘政治意义超越了技术本身。
3. 激进的后训练优化
GLM-5到5.1编程能力28%的提升完全来自后训练优化——相同的基础模型，更好的对齐效果。智谱的”渐进式对齐”流程（多任务SFT → 多阶段RL → 跨阶段蒸馏）正在产生实实在在的收益。
4. 降低幻觉率
GLM-5在AA-Omniscience指数上相比GLM-4.7提升了35分，token利用率更高（相似任务约消耗1.1亿输出tokens，而对手约需1.7亿）。说得更少，答得更准。
局限性
- 纯文本模型。 不支持图片、音频或视频输入。多模态任务仍需使用Claude、GPT或Gemini。
- 编程分数系自报。 94.6%-of-Opus的说法以Claude Code作为评估框架，独立验证尚未完成。
- 存储需求高。 完整BF16模型需要约1.49TB存储空间——自托管并不简单。
- GLM-5.1权重尚未发布。 目前仅GLM-5为开放权重。
各模型适用场景
选择GLM-5.1，当你：
- 需要以低成本获得前沿级别的编程性能
- 开放权重/自托管对你的部署至关重要
- 正在基于中国云基础设施（华为昇腾）构建应用
- 预算是首要约束且DeepSeek无法满足你的需求
选择Claude Opus 4.6，当你：
- 追求全任务最强能力
- 需要最佳推理性能（GPQA 91.3%、HLE 53.1%、AIME 99.8%）
- 智能体工作流和复杂多步骤任务是你的核心场景
- 需要多模态能力
选择GPT-5.2，当你：
- 完美的数学分数至关重要（AIME 100%）
- 你在OpenAI生态系统中
- 需要强大的多模态和工具调用能力
选择DeepSeek V3.2，当你：
- 成本效率是首要考量（每百万tokens $0.27/$1.10）
- 需要强编程能力的开源模型（SWE-bench 73.1%）
- 想要最便宜的接近前沿性能的选项
选择Qwen 3.5，当你：
- 需要最佳开源LiveCodeBench表现（83.6%）
- 开放权重下77.8%的SWE-bench已满足需求
- 在开放模型中需要强劲的GPQA Diamond成绩（88.4%）
总结
GLM-5.1是一个真正接近前沿水平的模型。以Claude Opus 4.6编程性能的94.6%、77.8%的SWE-bench Verified成绩，以及每百万tokens $1.00/$3.20的定价，它提供了极具竞争力的价值主张——尤其作为一个开放权重模型。
更深层的意义在于GLM-5.1所代表的：一家中国实验室在自主硬件上训练出达到前沿水平的AI，以开放权重形式发布，并以激进的价格推向市场。最佳闭源模型（Claude Opus 4.6、GPT-5.2）与最佳开放模型（GLM-5.1、Qwen 3.5、DeepSeek）之间的差距正在持续缩小。
对开发者而言，这意味着更多选择，更低成本。对整个行业而言，这意味着前沿赛道日益拥挤——而这对所有人都是好事。
