自主拆解任务、调用工具、完成闭环
最近AI界大火的应该算是 AI coding了吧，国内大模型领域各家也都陆续推出了对标claude-4-sonnet的coding大模型。比如之前提到的 qwen3-coder、kimi k2等，笔者也第一时间做了测试，效果也还可以，虽然不能完全超越claude-4-sonnet，但是还是可以提升不少工作效率。
今天再给大家介绍一个agentic coding大模型，智谱刚发布的glm-4.5 。根据官方公布的性能评估，glm-4.5在涵盖研究生水平推理和复杂软件工程解题等12项全球公认的硬核测试中，综合得分位列全球第三，在所有国产模型和开源模型中排名首位。
经过笔者亲测，效果比之前测试的其他国产模型丝滑很多，废话不多说直接上干货。老规矩不喜欢看介绍的直接跳到，【实践测试】环节。
综合性能SOTA
GLM-4.5和GLM-4.5-Air的主要特点：
训练流程：
两者采用相似训练流程，先在15万亿令牌的通用数据上进行预训练 随后在代码、推理、智能体等领域进行针对性训练 最后通过强化学习进一步增强推理、代码与智能体能力
优化领域与应用：
在工具调用、网页浏览、软件工程、前端编程领域进行了优化 可接入Claude Code、Roo Code等代码智能体平台 通过工具调用接口支持各类智能体应用开发
这两个模型展现出在专业领域的深度优化和应用灵活性，能够满足多种复杂场景的需求
总体性能
GLM-4.5 模型的参数量仅为 DeepSeek-R1 的 1/2、Kimi-K2 的 1/3，却能在多项标准基准测试中表现得更为出色，这归功于GLM模型更高的参数效率。在涵盖智能体（3 项）、推理（7 项）和编程（2 项）的 12 个基准测试上将 GLM-4.5 与来自 OpenAI、Anthropic、Google DeepMind、xAI、阿里巴巴、月之暗面和深度求索的各种模型进行了比较。总体而言，GLM-4.5 排名第 3，GLM-4.5 Air 排名第 6。
在 SWE-Bench Verified 等评测图谱中，GLM-4.5 系列位于性能/参数比帕累托前沿，这表明在相同规模下，GLM-4.5 系列实现了最佳性能表现。
体验优化：低成本、高速度
在性能优化之外，GLM-4.5 系列也在成本和效率上实现突破，由此带来远低于主流模型定价：API 调用价格低至输入 0.8 元/百万 tokens，输出 2 元/百万 tokens，
同时，高速版本实测生成速度超过 100 tokens/秒，支持低延迟、高并发的实际部署需求，兼顾成本效益与交互体验。
实践测试
光靠ppt没太有说服性，我们使用glm-4.5实战一下，哈哈。上篇文章我们刚刚在claude code 中使用了国产模型 kimi k2，这次我们依旧使用最流行的claude code 集成 glm-4.5进行测试
一、首先配置 claude code
1、获取 glm-4.5 apikey
前往智谱开放平台获取 API Key
https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys2、配置claude code
export ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropicexport ANTHROPIC_AUTH_TOKEN="your bigmodel API keys"
3、启动使用
claude出现如下界面就是成功配置为glm-4.5了
二、测试code能力
笔者工作中使用场景最多的就是coding，所笔者从这个方面做一些测试
1、赛车游戏
提示词：帮我桌面上创建一个test1.py文件，帮我写一个赛车过障碍的游戏，要求有三条赛道，基于python html 和 css，这启动python程序可以启动游戏
一气呵成，我没有做任何二次修改，直接出结果，最终给我在桌面上创建了一个test.py 和 index.html 文件，我直接启动test1.py
python test1.py浏览器输入 http://localhost:8000/
完全符合要求，而且可以玩，最主要的是他可以自主穿件文件，把代码写入，不需要我再去复制代码了，具体代码我放在文末
2、使用第三方包作图
笔者工作中有大量作图的需求，这里让glm-4.5帮我做一下图表
提示词：基于pyecharts 帮我写一个图表demo，我需要在一个图上展示柱状图和折线图，柱状图使用左边的轴做y轴，折线图使用右边的，同时帮我生成一些测试数据，代码写入 test2.py中
so 快呀
from pyecharts import options as optsfrom pyecharts.charts import Bar, Line, Gridimport random# 生成测试数据months = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']sales_data = [random.randint(100, 500) for _ in range(12)] # 销售额数据profit_rate = [round(random.uniform(5, 25), 1) for _ in range(12)] # 利润率数据# 创建柱状图（销售额）bar = (Bar().add_xaxis(months).add_yaxis("销售额(万元)",sales_data,label_opts=opts.LabelOpts(position="top"),itemstyle_opts=opts.ItemStyleOpts(color="#5470C6")).set_global_opts(title_opts=opts.TitleOpts(title="2024年销售数据分析", subtitle="柱状图显示销售额，折线图显示利润率"),tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),legend_opts=opts.LegendOpts(pos_top="8%"),xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),yaxis_opts=opts.AxisOpts(type_="value",name="销售额",position="left",axislabel_opts=opts.LabelOpts(formatter="{value} 万元"))))# 创建折线图（利润率）line = (Line().add_xaxis(months).add_yaxis("利润率(%)",profit_rate,yaxis_index=1, # 使用右侧y轴label_opts=opts.LabelOpts(is_show=False),symbol_size=8,linestyle_opts=opts.LineStyleOpts(width=3, color="#91CC75"),itemstyle_opts=opts.ItemStyleOpts(color="#91CC75")).set_global_opts(yaxis_opts=opts.AxisOpts(type_="value",name="利润率",position="right",axislabel_opts=opts.LabelOpts(formatter="{value}%"))))# 组合图表grid = (Grid(init_opts=opts.InitOpts(width="1000px", height="600px")).add(bar, grid_opts=opts.GridOpts(pos_bottom="20%")).add(line, grid_opts=opts.GridOpts(pos_bottom="20%")))# 生成HTML文件grid.render("sales_analysis.html")print("图表已生成: sales_analysis.html")print("\n数据预览:")print("月份:", months)print("销售额:", sales_data)print("利润率:", profit_rate)# 如果要在Jupyter Notebook中显示，可以使用下面的代码# grid.render_notebook()
这直接执行看效果，一句未改
python3 test2.py3、物理测试
提示词：帮我生成一个小球在一个正六边形中滚动的演示画面，需要符合物理定律基于python和html，滚动要自然
这次不仅帮我生成了代码，连依赖包requirements.txt 文件也一并生成了
看看效果
不但基础效果有了，还给了参数设置，生成效果真的很nice
具体代码我放在文末
4、做一个3d公园项目（为了演示不同平台效果，这次使用mac测试）
这次搞个大的可以交互的公园浏览项目
提示词:基于python html js css 帮我写一个公园3D浏览网站，虚拟一个公园出来，我在公园中游览，需要可以交互，注意3d渲染要优化一下，不要太慢，整体项目形式，注意不同文件放入不同文件夹，使用python作为入口启动文件
来看看执行流程
整体流程很丝滑，将任务分解后，顺序执行每一步，中间建立文件夹和付权限需要你的授权，也可以授权自动执行，看一下项目目录
启动起来看看效果：
python server.py
没有评论:
发表评论