GLM 5.1 在智能體基準測試中擊敗所有模型（除了 Opus），成本只要三分之一

你知道 AI 公司有多愛「刷基準測試」嗎？GLM 5.1 一開始看起來很可疑——又是一個可能只是為了測試分數而優化的模型。所以我直接在真實的智能體任務上測試它（像是 OpenClaw 那種），看看它是不是真的有料。 結果超乎預期。GLM 5.1 的表現達到 Claude Opus 4.6 的水準——基本上就是業界標竿——但成本只要 ~$0.4 每次運行，而不是 ~$1.2。同樣的品質，價格只要三分之一。而且在基準測試中還碾壓其他所有模型。 對於任何在開發 AI 智能體的人來說，這其實是個大事件，因為你現在可以用頂級的效能而不用燒光預算。成本效益的邊界線剛剛往外推了一大段。如果你認真在做智能體，這值得試試。