智谱发布 GLM-5.1：SWE-bench Pro 刷新纪录，模型价格上调 10%，国产大模型迈入性能溢价阶段

GLM-5.1 发布，智谱把重点放在“真实工程任务”上

智谱正式发布 GLM-5.1。从智谱官方文档来看，这一代模型被明确放在 通用智能、真实编程与复杂任务执行 的框架里描述，重点不是单一榜单分数，而是更贴近真实工程任务的 Coding、Agent、工具调用与浏览能力。官方文档直接写到，GLM-5.1 在综合能力和 Coding 能力上进入全球第一梯队。

这意味着，GLM-5.1 的目标不只是“更会答题”，而是更适合做 真实世界 Agent 和 工程生产场景基础模型。和很多只强调单轮对话或单项 benchmark 的模型不同，智谱这次更想传递的是：GLM-5.1 可以被用来承担更长链路、更复杂、更接近实际开发的任务。这个判断是基于官方文档定位作出的分析。

SWE-bench Pro 58.4，为什么这次成绩会被高度关注

这次 GLM-5.1 最受关注的数字，就是 SWE-bench Pro 58.4。智谱官方文档明确写到，GLM-5.1 在 SWE-bench Pro 上取得 58.4，并且超过 GPT-5.4、Claude Opus 4.6 和 Gemini 3.1 Pro。官方将其描述为刷新全球最佳表现。

这项成绩的重要性，不在于“又多了一个高分”，而在于 SWE-bench Pro 本身是更贴近真实软件工程场景的基准。相比简单代码补全或单函数问题，这类评测更考验模型在复杂代码仓库、真实修复任务和长链路问题处理中的能力。这个解释建立在该 benchmark 的通行理解和智谱官方对其“最接近真实软件开发”的强调之上。

如果公开发文，更稳妥的表达不是“GLM-5.1 全球无敌”，而是：

GLM-5.1 在 SWE-bench Pro 上取得 58.4，超过 Claude Opus 4.6、GPT-5.4 和 Gemini 3.1 Pro，显示其在真实编程任务中的竞争力已经进入全球顶尖区间。

“超越 Claude Opus 4.6”为什么会成为传播爆点

在所有对比对象里，Claude Opus 4.6 是最容易引发讨论的那个。原因很简单：在今天的开发者心智里，Anthropic 系列模型本来就是 Coding 和 Agent 场景的核心参照物之一。GLM-5.1 这次能在官方文档中明确写出超过 Claude Opus 4.6，自然会成为传播重点。

但这里也要写得更稳一些。因为 benchmark 领先不等于所有真实体验都已经无争议超越，更不能自动推导成“全面碾压”。更准确的公开写法是：

GLM-5.1 在 SWE-bench Pro 这一关键真实编程基准上超过 Claude Opus 4.6，说明其在工程类 Coding 任务上的能力已达到全球领先水平。

这样既保留亮点，也更准确。

智谱为什么要在这时候提价 10%

除了模型能力，这次最引人关注的另一件事，就是 提价。

财联社、证券时报、智通财经等多家公开报道都提到，伴随 GLM-5.1 发布，智谱 GLM 再度提价约 10%。这些报道同时援引 OpenRouter 观察到的价格变化，指出调价后，GLM-5.1 在 Coding 场景中的缓存命中 Token 价格，已经接近 Anthropic 旗下 Claude Sonnet 系列的水平。

这件事为什么重要？因为它释放出一个非常明确的行业信号：
国产大模型正在尝试摆脱“只能靠低价竞争”的路径，开始围绕性能和场景价值定价。 这一点在多家财经报道里都被明确拿出来讨论。

更稳妥的写法可以是：

公开报道显示，伴随 GLM-5.1 发布，智谱 GLM 价格上调约 10%，这被外界视为国产模型从价格战走向性能溢价的重要信号。

从“性价比竞争”到“性能溢价”，意味着什么

过去一年，国内大模型行业非常典型的一条路线就是降价、再降价、极限降价。很多厂商都把“更便宜”当成主要竞争策略。
而 GLM-5.1 这次更值得关注的地方恰恰在于：它是在能力上冲了一波高点之后再提价。

这意味着，智谱现在想讲的故事不再只是“我便宜”，而是“我值这个价”。
对行业来说，这是一个很关键的拐点。因为当模型厂商开始敢于提价，往往说明他们相信自己已经在某些高价值场景里建立了足够强的壁垒。这个判断是基于公开价格变化和官方 benchmark 表现作出的分析。

所以你原文里“行业竞争重心转向性能溢价”这个角度，是成立的，只是更稳妥的写法最好加上限定：

GLM-5.1 的发布和随之而来的价格上调，显示出国产大模型在 Coding 等核心场景里，正尝试从单纯价格竞争转向性能驱动定价。

8 小时持续工作，应该怎么写才最稳

你给出的亮点里，最容易被读者质疑的一点就是“能够持续工作长达 8 小时”。

这个说法并不是空穴来风。证券时报等报道明确写到：GLM-5.1 是全球第一个在真实工程任务中验证了 8 小时持续工作能力的开源模型，并描述了其在单次任务中可持续规划、执行、测试、出错后切换策略并自行修复。

但这类表述更适合写成“智谱将其描述为”或者“公开报道将其概括为”，而不是把它写成所有人都已经无争议复现过的事实。更稳妥的写法是：

公开报道显示，GLM-5.1 被描述为首个在真实工程任务中验证 8 小时持续工作能力的开源模型，可在单次任务中长时间自主规划、执行与测试。

这样既保留亮点，也避免写过头。

GLM-5.1 的核心价值，不只是会写代码，而是更像“工程执行体”

如果把这次发布总结成一句话，那就是：
GLM-5.1 想证明自己不只是会写代码，而是可以更长时间、更稳定地完成工程级任务。

这和一般意义上的“代码模型”有明显区别。普通代码模型更像是补全器、解释器或者调试助手；而智谱在 GLM-5 和 GLM-5.1 上反复强调的，是 Agentic Engineering、长程 Agent 任务、复杂系统工程。

这类模型真正适合的，不只是解一道题，而是做这些事情：

• 理解大代码仓库
• 长时间跟踪任务上下文
• 自主调用工具
• 反复测试和修复
• 逐步推进复杂工程目标

也就是说，它更像一个“工程执行体”，而不是单纯的“代码回复器”。这个判断是基于智谱官方文档对模型定位的分析。

GLM-5.1 适合哪些场景

结合智谱官方文档和公开报道，GLM-5.1 更适合以下几类场景。

1. 真实软件工程任务

这是它最核心的能力展示区，也是 SWE-bench Pro 成绩最能说明问题的地方。

2. Coding Agent 与长链路编程

如果任务需要持续多步执行、反复修复和工具调用，GLM-5.1 的定位会更合适。这个判断是基于其 Agentic Engineering 定位作出的分析。

3. 高价值企业级编程场景

提价本身就说明，智谱更想把它放进高价值、高复杂度、可承担更高模型单价的场景里。这个判断是基于价格动作的商业含义作出的分析。

4. 通用 Agent 系统底座

智谱官方文档直接写到，它更适合作为通用 Agent 系统与工程生产场景的基础模型。

GLM-5.1 的行业意义：国产开源模型开始争夺“高价值定价权”

如果用一句话总结 GLM-5.1 的行业意义，那就是：

国产开源模型正在尝试争夺高价值场景的定价权。

以前大家默认一个潜规则：
国外头部模型负责性能上限，国内模型负责性价比。
但 GLM-5.1 这次的动作，本质上是在挑战这条默认分工。它用 SWE-bench Pro 的高分去建立性能说服力，再用提价去测试市场是否愿意接受“国产模型也可以按能力溢价收费”。这个判断是基于公开 benchmark 成绩和调价动作作出的行业分析。

如果这条路走通，对整个行业的影响会很大。因为它意味着国产模型未来的竞争不一定再是“便宜多少”，而可能变成“在某个核心场景里到底值多少钱”。

总结：GLM-5.1 为什么值得关注

综合目前公开信息，GLM-5.1 的看点主要有五个。

第一，SWE-bench Pro 成绩非常强。
智谱官方文档显示，其得分为 58.4，超过 GPT-5.4、Claude Opus 4.6 和 Gemini 3.1 Pro。

第二，它把重点放在真实工程任务。
官方持续强调 Agentic Engineering、复杂系统工程与长程 Agent 任务。

第三，提价 10% 释放出明显信号。
多家公开报道都将其视为性能溢价和价值定价的开始。

第四，8 小时持续工作很有传播力。
公开报道已将其描述为首个在真实工程任务中验证 8 小时持续工作能力的开源模型。

第五，它代表国产开源模型开始冲高。
不再只是参与价格战，而是尝试在高价值 Coding 场景里正面对标国际头部模型。

如果用一句话概括，GLM-5.1 的价值在于：
它不只是一次模型升级，而是国产大模型从“便宜好用”迈向“性能可溢价”的一次重要试探。

相关入口

智谱 GLM-5.1 官方文档：
https://docs.bigmodel.cn/cn/guide/models/text/glm-5.1

智谱开放平台：
https://bigmodel.cn/