就在今天，智谱AI正式发布了新一代旗舰模型 GLM-4.5，这是一款专为智能体应用打造的基座大模型。发布节奏紧凑，模型权重也迅速在 Hugging Face 和 ModelScope 两大平台开源，采用 MIT License，开放程度极高。

先为大家提炼几个关键信息：

GLM-4.5 此次主打综合能力，在推理、代码和智能体等测试中达到开源模型 SOTA（最先进水平）。尤其在真实代码智能体的人工对比评测中，实测表现目前国内最佳。技术上采用混合专家（MoE）架构，提供 GLM-4.5（总参数 3550 亿，激活参数 320 亿）和面向轻量场景的 GLM-4.5-Air（总参数 1060 亿，激活参数 120 亿）两种规格。支持两种模式：深度思考模式应对复杂推理和工具调用，非思考模式实现即时响应。最值得关注的是其高速与低成本：API 调用价格低至输入 0.8 元 / 百万 tokens、输出 2 元 / 百万 tokens，高速版最高可达 100 tokens/秒。这样的性价比对开发者极具吸引力。

Datawhale 团队提前获得内测资格，在周末进行了一场深度横评测试。本次主要考察它在代码、数学、创意写作和实际开发（接入 Claude Code）等多个场景的真实表现。文章稍长，大家可根据兴趣直接跳至对应章节。想直接看结论的，文末有总结。

GLM-4.5 全网最全测试：八道关卡见真章

一、生命游戏模拟器

这道题要求处理二维数组与状态同步，核心考察模型对算法逻辑的理解。它不涉及复杂图形引擎，能更纯粹地考验模型的算法思维和边界条件处理能力。我们给模型的需求很明确：用 HTML JS 写一个“生命游戏”，能接受棋盘大小参数、随机生成初始状态，严格遵循康威生命的三条规则（存活、死亡、诞生），并在终端里循环打印下一代状态，每次间隔 0.1 秒。

题目提示词如下：请使用 html js编写一个“生命游戏”（Conway's Game of Life）的模拟器。要求如下：基于终端输出...持续演化： 程序应能持续打印出世界的下一代状态，每次打印之间有短暂的延时（例如0.1秒），直到用户手动中断程序。

GLM-4.5 的回答：

Claude Sonnet 4 的回答：

Qwen3-coder 的回答：

三个模型都圆满完成了基础任务，完成度很高。但从第一印象看，GLM-4.5 确实更讨喜，它的 UI 设计更符合我的视觉习惯。而从“超预期”角度看，Qwen3-coder 给了我意外之喜，额外添加了许多预设的生命演化模式，这点确实加分。

二、小说创作《气味调配师的最后订单》

这场测试旨在考察模型在创意写作上的功力，尤其是对高概念世界的构建能力。题目设定在近未来的赛博都市，气味无法被数据化，于是诞生了“气味调配师”这个职业。要求模型根据一个非常抽象的订单——“调配出‘希望’的气味，它闻起来必须像是‘在彻底的绝望中诞生的、不属于自己的希望’”——来构思开篇，并包含场景氛围、主角内心独白、核心悬念和最终决定。

题目提示词如下：标题： 《气味调配师的最后订单》故事背景： 在一个近未来的赛博都市里...你决定去往城市的哪个角落，寻找一个什么样的故事，来捕捉这种复杂而矛盾的气味？这个决定将开启整个故事的旅程。

GLM-4.5 的回答：



左右滑动查看结果

Gemini 2.5 pro 的回答：


左右滑动查看结果

Claude Sonnet 4 的回答：

Qwen3-235B-A22B-2507 的回答：

几位选手都很好地构建了独特的世界观和悬念。对我而言，四者表现旗鼓相当——原因是我个人不太能欣赏这类风格的小说。它们都主打场景描写的氛围渲染和心理描写。但从细节的丝滑程度上看，Claude 更胜一筹；Gemini、GLM 和 Qwen 则位于同一梯队。

三、2004年数学一选择题

选择真题是为了检验模型在解决标准化、高难度学术问题上的严谨逻辑推理能力。这部分我们不过多展开专业评估，直接看答案。

题目如下：
Image

GLM-4.5 的答案是 D
Image

Gemini2.5-Pro 的答案是 D
Image

Claude Sonnet 4 的回答是 D
Image

KIMI K2 的答案是 D
Image

Qwen3-235B-A22B-2507 的答案是 C
Image

Qwen3-235B-A22B-2507 的答案是 D（开启思考模式后）
Image

最后公布答案：选择 D！
Image

除 Qwen3 未开启思考模式时首次回答错误外，其他所有模型都一次答对。

四、2004年数学一概率题

题目如下：
Image

GLM-4.5 的答案正确
Image

gemini 2.5 pro 的答案正确
Image

Qwen3-235B-A22B-2507 的答案错误
Image

开启深度思考模式下的 Qwen3-235B-A22B-2507 的答案正确
Image

Claude-Sonnet-4 的答案正确
Image

最终答案：
Image

结果和上一轮类似，Qwen3 不开启思考模式容易出错，其他模型表现稳健。

五、神经网络“梯度消失”交互式可视化

这个项目核心是检验模型化抽象为具体的能力，尤其是在教育和解释性场景下的价值。它并非解决一个有标准答案的问题，而是要求模型创造一个动态工具，解释一个复杂的科学概念。题目要求用 HTML/JS 制作条形图，通过滑块调节“网络深度”和“初始梯度”，模拟反向传播时梯度逐层衰减的过程。

题目提示词如下：项目名称： 神经网络“梯度消失”交互式可视化核心目标： 通过动态图表，直观地展示在深度神经网络中...最终，用户可以直观地看到，从右到左，条形图的高度迅速衰减，接近于零，从而生动地理解“梯度消失”。

GLM-4.5 的回答：

Gemini 2.5 Pro 的回答：

Claude Sonnet 4 的回答：

Qwen3-Coder 的回答：

这一轮 GLM-4.5 的表现堪称优秀。其他三者只展示了动画效果，而 GLM-4.5 不仅达成基础要求，还额外添加了衰减率显示等超预期功能。在需要构建教育工具的场景下，它的完成度最高。

六、明天的前天，是昨天的后天么？

这道题看似是脑筋急转弯，但能精准测试模型对自然语言中相对时间概念的理解。模型必须准确理解“明天”、“前天”等词语的关系，以“今天”为参照系进行逻辑换算。

题目提示词如下：明天的前天，是昨天的后天么？

GLM-4.5 的回答正确
Image
不，明天的前天不是昨天的后天。让我一步步解释清楚...

Gemini 2.5 Pro 的回答正确
Image
不是的。这是一个有趣的绕口令式问题...

Claude Sonnet 4 的回答错误
Image
让我来分析一下这个时间逻辑问题：明天的前天...答案是：是的...

Qwen3-235B-A22B-2507 的回答正确
Image
**答案：不是。**...

这一轮，除 Claude Sonnet 4 外，其余模型都给出了正确答案。

七、“推箱子”游戏

这道题在“生命游戏”基础上，进一步测试模型处理更复杂交互逻辑和状态管理的能力。规则涉及玩家、箱子、墙壁和目标点的多元素互动，对模型的逻辑严谨性要求更高。题目要求使用 HTML/JS 编写，包含清晰的地图表示、玩家移动函数和胜利判断函数。

题目提示词如下：题目内容： 请使用 html js编写一个简化的“推箱子”游戏的逻辑...编写一个函数 check_win(map)，当所有目标点都被箱子占据（即地图上没有 . 存在）时，返回 True。

GLM-4.5 的回答：

Claude Sonnet 4 的回答：

Qwen3-Coder 的回答：

这一轮平分秋色，各有优势。GLM 的 UI 做得最好，Claude 和 GLM 都实现了“下一关”等超预期功能。在布局设计上，Claude 和 Qwen 更为合理；Qwen 的布局尚可，但颜值稍逊。综合来看，Claude 评分最高，在设计、逻辑和超预期表现上十分均衡。

八、小说创作《退一步，圣宠倾天》

这道题考验模型对“反讽”这一高级文学手法的运用。主角拼命想“失宠”，却越作越受宠。我们期待看到像短篇小说一样的吸引力。题目要求以第一人称视角，详细描写一次完整的“计划通，结果崩”的剧情。

题目提示词如下：小说创作测试题 (宫斗·反套路型)标题： 《退一步，圣宠倾天》...你要在那一刻清醒地意识到：你搞砸了。你不但没能奔向自由，反而一脚踏入了更深的地狱。

GLM-4.5 的回答：




左右滑动查看结果

Gemini 2.5 Pro 的回答：


左右滑动查看结果

Claude Sonnet 4 的回答：


左右滑动查看结果

Qwen3-235B-A22B-2507 的回答：

作为非专业文学评论者，我只能凭直觉判断。这次四个模型写出来的内容，我已很难用眼睛分辨是否为 AI 创作。相比第二轮的小说测试，本轮的题目特意强调“开头要有吸引力”，结果确实更符合网文阅读习惯。细分之下，Claude 的语言表达最丝滑，GLM 和 Gemini 的情节细节设计更出彩，Qwen 的用词则显得更高阶。综合来看，如果 Claude 的情节设计再优化一下，它肯定是最好的。但这一轮，我投 GLM 一票。

GLM-4.5 接入 Claude Code：实战教程与对比

为了测试真实场景下的开发能力，我们将 GLM-4.5 和 Kimi K2 接入了 Claude Code，并在我的实际开源项目 SmartImageFinder 上进行了测试。

首先，需要在电脑上安装 Claude Code。为了方便大家，我们提前准备好了脚本：https://github.com/li-xiu-qi/Eeasy_Claude_Code，里面有 Kimi K2 和 GLM 的接入脚本，按照 readme 说明安装即可。这里也提供简要教程。

项目克隆：
git clone https://github.com/li-xiu-qi/Eeasy_Claude_Code.git
cd Eeasy_Claude_Code

安装脚本说明：
项目包含 install_glm_cc.sh 和 install_kimi_cc.sh 两个脚本。运行 sh install_glm_cc.sh 或 sh install_kimi_cc.sh 即可。如果遇到权限问题，先运行 chmod +x install_glm_cc.sh install_kimi_cc.sh，再用 sh install_glm_cc.sh 方式运行。

安装完成后，在终端输入 Claude，就会出现以下页面，显示我们使用的是智谱模型，即 bigmodel 的路线则说明成功。

Kimi K2 的实战表现：
任务是帮我的项目接入一个 AI backend 功能，并修复旧的文档内容。最终任务顺利完成。

GLM 的实战表现：
我要求它帮我更新 README 文件，并重构项目的快速启动脚本，任务也完成了。需要指出的是，最初测试时 GLM 接入 Claude Code 似乎存在一些问题，反馈后智谱应该很快就修复了。

最后我又让它做了一个 notebook 翻译的任务，速度确实快，没有任何加速效果，这值得称赞。对比来看，K2 的自动化程度更高，能一次性改动多处内容后请求反馈；而 GLM 反馈更及时，但往往改一部分就会来征求确认，虽然反馈及时，但改动幅度偏小，有点过于频繁。不过，考虑到它是价格最低、速度最快、性价比最高的 Agentic 模型，这个表现已经相当不错。在实际体验中，GLM-4.5 完全可以平替 Claude 的其他模型作为 Claude Code 的基座模型。

为了更客观地评价，我在另一个新项目 remote_mineru 中全程深度使用了 GLM。在深度体验中，我尽量让模型自己修改代码，不干涉它的编辑能力，只对其行动给出指导。深度体验下来，我觉得两者都不错，很难说谁更好。GLM 反馈频繁，也意味着可控性强。但就我个人的长对话体验来说，K2 的理解能力要优于 GLM——GLM 在复杂的上下文里偶尔会难以理解一个简单需求，需要多次纠正，而 K2 出现这种情况更少。当然，GLM 的速度确实比 K2 快太多。总的来说，GLM 性价比拉满，体验不错，性能相当能打。

总结：评价与定位

这次横评跑下来，GLM-4.5 的综合表现确实让人印象深刻。它给人的总体感觉是：核心能力与国外头部模型看齐，同时在成本上拥有非常明显的优势。

具体来说：

从写代码、解数学题到构思小说，几轮测试下来，它没有表现出明显的短板，性能稳定，能够和 Gemini、Claude 的最新模型同台竞技。这表明它的基础能力已经过关。在需要将抽象概念工具化的“梯度消失”测试中，其完成度最高，甚至超越了要求；在反套路小说的情节设计上，也得到了最高分。最吸引人的地方无疑是成本。如此低的 API 定价，对任何需要控制预算的开发者来说都是极大的利好。在接入 Claude Code 的实测中，它也能胜任基座模型的角色，虽然交互习惯略有不同，但反馈及时、任务完成度高。这意味着在实际开发中，它是一个可靠且极具性价比的选择。

总而言之，这次对 GLM-4.5 的测试结果是积极的。它证明了国产模型在追赶国际先进水平的进程中，已经进入可以在多方面与之直接对话的阶段。对于用户而言，我们多了一个经过验证的、能兼顾性能与成本的优秀选择。这本身就是一件值得高兴的事。