国产AI大模型GLM-5.1登顶获得多项佳绩

根据截至2026年4月27日的公开资料显示，‌智谱的GLM-5.1‌ 在多个权威AI评测榜单中表现突出，尤其在‌编程能力‌和‌开源模型‌领域位居前列。以下是其主要排名情况： 

1、编程与工程能力排名：

1）SWE-Bench Pro‌（真实软件开发Bug修复能力）：

‌全球第1名‌（开源模型中第一），得分 ‌58.4‌，超越了 GPT-5.4（57.7）和 Claude Opus 4.6（57.3）。

‌2）Code Arena‌（LMArena百万用户盲测编程专项）：

‌全球第3名‌，‌开源模型第1名。

‌3）Terminal-Bench2.0 + NL2Repo‌（命令行操作与从零构建代码仓库）：

‌全球第3名‌，‌国产第1名‌，‌开源第1名。

4‌）Design Arena‌（模型设计能力）：

‌全球第4名‌，‌开源第1名。

2、文本与通用能力排名：‌Text Arena‌（文本理解与生成）：

‌开源模型第1名。

‌1）数学能力（AIME 2026）‌：

得分 ‌95.3‌，与前代 GLM-5 基本持平，但低于 GPT-5.4（98.7）。

2‌）NL2Repo（仓库生成）‌：

得分 ‌42.7‌，显著低于 Claude Opus 4.6（49.8）。

3、结论

‌GLM-5.1 是当前全球最强的开源大模型之一‌，尤其在‌编程、长程任务、工程自动化‌方面表现卓越，在‌综合能力榜单‌中，其‌全球排名约为第3位‌，仅次于 GPT-5.4 和 Claude Opus 4.6 。数学、法律、医疗等非编程领域有所弱化‌，属于“偏科型”模型，优势集中于‌代码与Agent任务。

全球权威AI评测平台LMArena（百万用户参与盲测）更新Code Arena专项榜单，GLM-5.1登顶全球开源模型第一，位列全球模型第三。

除了榜单表现优秀，根据智谱的说法，GLM-5.1不仅继承了上一代模型的开源SOTA编码能力，还在长程任务（Long-Horizon Task）上取得突破，实现了：

·8小时从零构建Linux桌面

·655次迭代打破向量数据库优化瓶颈

·1000轮工具调用优化真实机器学习模型负载

在METR榜单的同等评估标准下：

GLM-5.1是唯一达到8小时级持续工作的开源模型，也是全球范围内除Claude Opus 4.6外少数具备这一能力的模型。

GLM-5.1大大提高了代码能力，在完成长程任务方面提升尤为显著。

在最接近真实软件开发的SWE-bench Pro基准测试中，GLM-5.1刷新全球最佳成绩，超过GPT-5.4、Claude Opus 4.6。SWE-Bench Pro要求模型在真实GitHub仓库中定位并修复高难度工程Bug，是衡量模型能否胜任专业软件开发的最硬指标。