• 顶级编码性能：SWE-Bench Pro达58.4%，超越GLM-5（55.1%）、GPT-5.4（57.7%）等多款顶尖模型；在NL2Repo和Terminal-Bench 2.0上也显著领先。
• 长时程优化能力：在数百至上千次迭代中持续提升性能（如VectorDBBench达21.5k QPS，KernelBench实现3.6×加速），而GLM-5易早早 plateau。
• 强Agent持久性：支持8小时以上复杂真实任务（如自主构建Linux桌面并迭代完善功能），展现出色自我评估与长周期精炼能力

→ https://z.ai/blog/glm-5.1