智谱真成了！GLM-5.1的Coding真正意义上超越了国模最严厉的父亲Sonnet 4.5

问题描述：

image1648×1319 247 KB
测评网址： LLM Benchmark Dashboard
榜单作者知乎@toyama nao，在L站应该也有不少同学看过他的大模型测评，纯私有题库，很多人评价符合体感，他也是今天测了一天跑完了GLM-5.1的Coding，关于这个代码V3榜单这个链接有详细介绍：
大模型编程应用测试-V3榜单 - 知乎
各项目任务：
C工程：以swift语言编写面向macOS的OpenGL渲染器，考察小众语言，图形领域知识，重交互。
D工程：基于Flutter开发一款全功能的聊天软件，同时以golang开发对应服务端。考察移动端开发，数据库，多种网络通信处理。
E工程：自选技术栈，开发纯网页端视频剪辑应用。考察前端技术栈，音视频处理，复杂状态管理等。

表中分数为扣分，越低越好，英文单词FAILED即字面意思无法完成项目（括号中为完成步骤），项目整体还是比较难的，GLM-5.1之前的国模基本无法完全实现三个测试项目，这次5.1终于是三个全通过了，且总扣分明显少于Sonnet4.5，离真神Opus4.6当然还有明显差距，也不用听官方吹多接近，但是真正超过了Sonnet4.5,可谓意义重大，国模真的追上来了！

网友解答：

---

--【壹】--：

这么强？！

---

--【贰】--：

佬友有实测嘛？看站里面有人实测说是蒸馏好像不太行？只是分数高？有用过的佬友嘛

---

--【叁】--：

我拿脚投票，好不好用是看大家用不用，安兔兔跑分吗？

---

--【肆】--：

按照我的理解但凡超过了 0.1 应该热搜就满天飞了。所以应该是还是和御三家有蛮大的差距的

---

--【伍】--：

你看看问怎么抢glm的套餐的多不多。。。

都是真买啊

---

--【陆】--：

评分只是一方面，很多都是评分没输过的 实际上还是有一段距离的

---

--【柒】--：

要不看看智谱用户群现在的现状？

---

--【捌】--：

这么说话很有意思？

---

--【玖】--：

主要是太缺算力了，还要超售，依旧比不上claude

---

--【拾】--：

这个评分就是跑有不小难度的完整项目测出来的 很有参考价值

---

--【拾壹】--：

这次官方没有公开跑分成绩啊

只公开了智谱内部的claude code的任务测评的评分，说这个场景下，相对glm-5有大幅提升

这个版本应该是针对cc的真实任务场景优化的

---

--【拾贰】--：

我是秦始皇

---

--【拾叁】--：

关键是这个评分不是简单问几个问题测出来的 而是完整的大项目 主楼里加了工程介绍 难度不小的 所以能三个都完整跑完 真的意义非凡 让大家看到国产和头部的差距真的有在缩小

---

--【拾肆】--：

用钱投票

真花钱的时候，就知道国产模型的价值了

---

--【拾伍】--：

每天都在无限接近TAT
过两天claude又发新玩意儿就又开始循环了

---

--【拾陆】--：

真花钱大家不都在问怎么不封号吗

---

--【拾柒】--：

glm之前超售成那样，低价就…

---

--【拾捌】--：

claude-5一发 大家都回到从前

不过难得有国产模型能上座了

---

--【拾玖】--：

飞书嘛？我去围观一下