开源模型首超Opus4.6量子位

优化CUDA Kernel这件事，刚刚被AI狠狠地冲击了一波。

因为现在，给AI十四个小时，它就能帮你把CUDA Kernel优化，加速比从2.6×推至35.7×！

以前人类资深CUDA工程师要完成这个任务，需要数月反复测试、调优、推翻重来才行；但现在，AI在你睡觉的时候就能解决掉。

而且AI在这个过程中还展现出了专家级的直觉。

例如在优化初期，它尝试在现有高层框架内寻找解法，但很快通过自主跑测试发现性能触及了天花板，然后它便做出了人类专家才有的决策——

自主判断放弃高层框架，直接转向底层C++进行硬核重写。

整整14个小时里，这个AI主打一个全自动：AI自己发现瓶颈，自己改变技术栈，自己重新编译，自己测试。

那这到底是何许AI是也？

不卖关子，正是大家熟悉的，来自智谱的开源模型——GLM-5.1。

随着这次长程任务（Long Horizon Task）能力的提升，智谱官方也宣布了一个重要的突破：

首次解锁了开源模型与当前全球最顶尖闭源模型Claude Opus 4.6的全面对齐！

嗯，是妥妥稳坐全球最强开源模型宝座的感觉了。

而且，从更多的权威评测榜单中来看，也是印证了这一点。

在被称为“软件工程能力试金石”的SWE-bench Pro基准测试中，GLM-5.1刷新了全球最佳成绩，直接超越Claude Opus 4.6、GPT-5.4等一众头部模型，拿下全球第一：

甚至在海外网友们的圈子中，已经吹起了弃用Claude Max的风了：

它的手感和Opus一模一样，使用额度是Claude Code的3倍，成本却只有1/3。

HuggingFace CEO也出面站台，称SWE-Bench Pro中性能最强的模型开源了：

而这一切成绩的背后，正是智谱面向小时级的长程任务能力。

给AI几个小时，一切都不一样了

当前主流的大模型，可以说大多数还是处于“分钟级交互”的阶段。

但到了GLM-5.1这边，它的交付单位就不同了——一个完整的项目。

接下来，我们就通过实测的方式，来看下GLM-5.1的实力到底几何。

调用工具1000轮，优化真实机器学习模型负载

第一个实测，我们顺着前面的CUDA的例子，继续让GLM-5.1进行一场考验：

KernelBench Level 3优化基准，这一基准涵盖50个真实机器学习计算负载，主打一个还原真实工业场景，考验的是端到端的完整优化能力而非单一算子调试。

在超过24小时的不间断迭代中，GLM-5.1全程自主发力，无需人类专家干预，一遍遍完成“编译—测试—分析—重写”的闭环循环，最终交出了这样的结果——

3.6倍几何平均加速比，而作为对比，torch.compile max-autotune模式仅能达到1.49倍，差距直接翻倍不止！

从这个过程中可以看到，GLM-5.1能够自主编写定制Triton Kernel和CUDA Kernel，运用cuBLASLt epilogue融合并实施shared memory tiling与CUDA Graph优化。

这些优化策略覆盖了从高层算子融合到微架构级调优的完整技术栈，每一步都是模型的自主决策。

结果再次表明，在GPU内核优化这一传统上高度依赖专家经验的领域，AI模型已经展现出从问题分析、方案设计到迭代调优的端到端自主工作能力。

1小时从零构建MacOS桌面环境

在这个实测中，我们给GLM-5.1扔了一份3000字的PRD，核心要求只有一个：

从0开始复刻MacOS核心UI与交互，不仅要前端壳子，还必须包含窗口管理器、Dock栏调度、以及模拟的底层文件系统。

这是一个标准的前端工程团队至少需要数天才能打磨出原型的任务，但在GLM-5.1这里，时间被压缩到了小时级别。

瞧，待它分析完任务之后，自己就开始唰唰地编程了：

1个小时之后，在没有任何人工参与的情况下，一个MacOS的桌面环境，就这么水灵灵地诞生了！