GLM-5.1：跑分、规格、计费要点 信息速读
4 月 7 日，Z.ai 开源 GLM-5.1 全量权重，MIT 协议，Hugging Face 可直接下载。它引发关注的核心点有两个：其一是官方披露的 SWE-bench Pro=58.4；其二是模型评估的重点从单轮生成转向了长程任务（long-horizon）的持续迭代能力。
-
Hugging Face 模型页：https://huggingface.co/zai-org/GLM-5.1
长程迭代叙事
原文：
“But the most meaningful leap goes beyond first-pass performance. Previous models—including GLM-5—tend to exhaust their repertoire early: they apply familiar techniques for quick initial gains, then plateau. Giving them more time doesn’t help. GLM-5.1, by contrast, is built to stay effective on agentic tasks over much longer horizons.”
但最有意义的飞跃远不止首次通过性能。以往的模型——包括 GLM-5——往往会在早期用尽已有的方法，快速获得初步提升后便进入平台期。再给它们更多时间也无济于事。相比之下，GLM-5.1 的设计使其能够在更长的时间范围内在代理任务中保持有效。
官方用三个场景做了演示：向量库优化（600+ 轮迭代，QPS 从基线提升到 21.5k）、KernelBench Level 3（50 题 GPU kernel 优化，几何平均加速 3.6×）、以及 8 小时构建 Linux 桌面式 Web 应用。
来源：https://huggingface.co/zai-org/GLM-5.1、https://z.ai/blog/glm-5.1
规格
官方开发文档写明 GLM-5.1 支持 200K 上下文、最大输出 128K tokens；这类规格更适合把仓库、日志、评测输出都塞进一次长任务里跑闭环。
来源：GLM-5.1 - Overview - Z.AI DEVELOPER DOCUMENT
计费要点
成本上，最确定且最重要的是"倍率规则"而非某个单价。官方明确：
-
峰时（北京时间 14:00–18:00）：按 3× 扣费/扣配额
-
非峰时：按 2× 扣费/扣配额
-
限时规则：到 4 月底非峰时按 1×
对长程任务来说，这个规则会直接决定你跑同一个项目的实际成本波动。
来源：https://z.ai/blog/glm-5.1、https://docs.z.ai/guides/overview/pricing
与 Claude 对比
Claude 的 API 官方定价：
-
Sonnet 4.6：$3/MTok 输入、$15/MTok 输出、$0.30/MTok 缓存命中
-
Opus 4.6：$5/MTok 输入、$25/MTok 输出、$0.50/MTok 缓存命中
GLM-5.1 基础单价（1×）：输入 $1.4/MTok、输出 $4.4/MTok、缓存命中 $0.26/MTok。峰时按 3×、非峰时按 2× 扣费，4 月底前非峰时按 1×。
来源：https://docs.z.ai/guides/overview/pricing、https://platform.claude.com/docs/en/about-claude/pricing
结论
原文：
"Across all three settings, the key variable is not runtime alone but whether additional runtime remains useful. GLM-5.1 extends that productive horizon meaningfully beyond GLM-5, while the remaining gap on tasks like KernelBench shows that long-horizon optimization is still an open frontier."
在所有三个场景中，关键变量不在于运行时间本身，而在于额外的时间是否仍然有用。GLM-5.1 将这一有效时间范围显著超出了 GLM-5，而 KernelBench 等任务上仍存在的差距表明，长程优化仍是一个开放的前沿方向。
来源：https://z.ai/blog/glm-5.1、https://huggingface.co/zai-org/GLM-5.1
Sources（官方）：
