Z.ai 的 GLM-5.1 成為首個登頂 SWE-Bench Pro 的開源模型——全程跑在華為晶片上

多年來，開源 AI 社群始終在一個尷尬的處境中掙扎：在最嚴苛的軟體工程基準上，頂尖的開放模型總是能幾乎追上，卻從未真正超越閉源巨頭。2026 年 4 月 7 日，這個局面改變了。

Z.ai——北京清華系 AI 實驗室智譜 AI（Zhipu AI）旗下的商業平台——發布了 GLM-5.1：一個擁有 7,540 億參數的混合專家（MoE）模型，以 MIT 授權完全開放，並成為第一個在 SWE-Bench Pro 上奪冠的開源系統。

成績到底有多亮眼？

GLM-5.1 在 SWE-Bench Pro 上拿下 58.4% 的得分，超越了 OpenAI 的 GPT-5.4 和 Anthropic 的 Claude Opus 4.6。三天後（4 月 10 日），該模型在 Code Arena 排行榜上以 1,530 Elo 分位列全球第三，僅次於 claude-opus-4-6-thinking（1,548 分）和 claude-opus-4-6（1,542 分）——這是開源模型首次進入 Code Arena 前三名。對比上一代 GLM-5.0，單次發布 Elo 就跳升了 90 分，進步幅度驚人。

GLM-5.1 的核心設計：為「長時間自主工作」而生

GLM-5.1 的設計目標不是通用聊天機器人，而是代理工程（agentic engineering）——能夠長時間、多步驟地執行複雜軟體任務，並在過程中自我規劃、執行、偵錯與迭代。

在基準演示中，模型能在無人介入的情況下持續運行長達八小時：讀取現有程式碼庫、理解問題描述、撰寫修補程式、執行測試、分析失敗原因，最終交付可通過審查的解決方案。這讓它直接與 OpenAI 的 Devin 後繼產品和 Anthropic 的 Claude Code 競爭，而非只在靜態聊天排行榜上較勁。

在架構上，GLM-5.1 採用 MoE + DSA（分解稀疏注意力）設計，搭配非同步強化學習訓練。儘管總參數量高達 7,540 億，但每個 token 只有約 370 億參數被激活，使推論成本接近同等規模的稠密模型。上下文視窗支援 200,000 tokens，最大輸出達 128,000 tokens，足以處理大型程式碼庫的完整上下文。

模型權重完整公開於 Hugging Face，支援 SGLang、vLLM、xLLM、Transformers 和 KTransformers 本地部署，並提供與 OpenAI SDK 相容的 API 存取介面。

真正的地緣政治炸彈：零 Nvidia 硬體

GLM-5.1 發布說明中最具衝擊力的一句話：「訓練全程使用華為昇騰 910B 晶片，未使用任何 Nvidia 硬體。」

這是迄今為止最大的、已公開確認在中國自主硬體上完成訓練的前沿等級模型。時間點尤為敏感——美國國會正在審議 MATCH 法案（Multilateral Alignment of Technology Controls on Hardware Act），擬將出口限制延伸至深紫外線（DUV）微影設備，封堵外界認為目前仍存在的最後漏洞。

但 GLM-5.1 的成果暗示：西方政策制定者所預設的「晶片封鎖可以維持技術差距」的邏輯，可能已經失效。中國 AI 實驗室已在國產算力上訓練出能夠在特定基準上超越 H100/H200 叢集產物的模型。

Z.ai 的一位工程師在發布貼文中直言：「用昇騰訓練 GLM-5.1 不是不得不為之的替代方案，這從第一天起就是我們的計畫。昇騰 910B 的算力足以支撐前沿訓練，前提是你得知道怎麼用。」

SWE-Bench Pro 在測什麼？

SWE-Bench Pro 是 2026 年初推出的升級版，從真實 GitHub 倉庫中挑選生產級 Python 問題，要求模型讀懂現有程式碼、理解錯誤報告、撰寫修補程式，並通過既有測試套件。與合成基準不同，它難以被「刷題」——測試案例對外保密，而且問題來自具有複雜相依關係的真實專案。

58.4% 的得分意味著：在這類有明確文字描述的程式碼問題中，GLM-5.1 超過一半的時間輸出的修補品質達到資深工程師水準。這不代表它能解決所有工程問題，但對於 SWE-Bench 所選定的問題類型，它已與人類頂尖工程師難分高下。

對行業的三重衝擊

開源在程式碼能力上已追平閉源。 對於軟體工程任務，GPT 和 Claude 的付費優勢已被實質抹平。任何建構在閉源 API 上的程式碼工具公司，現在都面對一個免費、MIT 授權、效能相當甚至更優的替代選項。

中國的 AI 自主供應鏈已成形。 GLM-5.1（昇騰 910B 訓練）加上即將推出的 DeepSeek V4（據報道使用昇騰 950PR），說明中國頂尖 AI 實驗室已建立起完全獨立於美國管制硬體之外的端到端訓練體系。

代理基準取代靜態問答成為評估核心。 「這個模型能自主工作多久？」正在取代「這個模型有多聰明？」成為最關鍵的問題。GLM-5.1 八小時自主運行的設計，標誌著行業評估視角的根本轉移。

接下來的走向

Z.ai 表示，GLM-5.1 是 2026 年底全模態代理產品的前奏，公司正在擴充開發者平台，加入工具呼叫、沙盒程式碼執行和長期記憶等功能——這些目前還只有 Claude Code 和 OpenAI Operator API 等閉源平台才有。

對開發者而言，機會已經擺在眼前：一個達到業界最頂尖水準的程式碼模型，現在可以免費取得、無使用限制，甚至能透過量化版本在消費級硬體上本地部署。

第一個真正意義上的開源前沿程式碼代理已經到來，它誕生於北京，跑在華盛頓試圖封鎖的晶片上。