共计 5739 个字符，预计需要花费 15 分钟才能阅读完成。
经过一番实际测试后，我得出的结论是——对于即将进行编程、搭建代理或制作原型的用户来说，GLM-4.5无疑是2025年最值得优先尝试的国产大模型。
近期，国产人工智能模型可谓热闹非凡，众多公司纷纷着眼于编程和代理场景，推出了各自的最新开源模型。
这是一个积极的现象，显著缩小了国内外模型在编程领域的差距。但对于用户而言，市场上如此多的选择，确实让人眼花缭乱，难以决定使用哪一个。
在周末，我提前体验了智谱最新推出的GLM-4.5，经过评估后，觉得有必要单独撰写一篇介绍文章。
文中所用的所有配图，均由GLM-4.5的前端代码生成，体现了其自我配图的能力。
为了评测GLM，我特别设计了一些基准测试。
例如，这是使用GLM-4.5生成的在线文档平台，能够创建、编辑和分享文档，并且还具备自动接入AI功能，提供AI摘要和内容续写的能力：
接下来，我将分享几个关键的进展：
1. 在国内模型中，GLM-4.5首次支持推理的智能代理模型，能够更好地理解需求指令。
2. 在较长的上下文中，其记忆保持能力表现良好。
3. 前端代码的审美水平与Claude 4、Gemini Pro相当，甚至在某些方面有所超越，后端构建同样表现出色。
4. 生成响应的速度极快，确实让人惊叹。这种高效性使得编程过程变得更加流畅。我愿意将GLM-4.5视为当前的主要编程模型。
简单来说：如果您有编程或代理的需求，尝试一下GLM-4.5绝对不会让您失望。
特别是z.ai还提供了一个非常实用的全栈模式，用户可以通过网页对话，轻松构建包含前后端及AI功能的多页面应用。
通过一图流了解GLM-4.5的参数与价格
智谱推出了三款模型：
GLM-4.5（大杯，355B-A32B）、GLM-4.5-Air（中杯，106B-A12B）以及完全免费的GLM-4.5-Flash。
我们将官方的介绍整理成一图流，方便大家查看：
💡 深入探讨 GLM-4.5：参数与价格一览有几个值得关注的要点：
- 大杯型号的参数仅为DeepSeekR1的一半，KimiK2的三分之一。
- 单轮最大输出可达9.8w token，生成速度极快，高速版本每秒可达100 tokens。
- 此模型完全开源，采用了最宽松的MIT许可协议，任何人只需在软件中保留原始版权声明便可自由商业使用。
关于定价，特别值得一提：
- 旗舰版在最大输入输出情况下，结合官方的五折促销，输入仅需2元/百万 tokens，输出8元。
- 此外，GLM-4.5-Flash对于中小型开发者来说是完全免费的。
因此，只要实际测试效果出色，GLM-4.5的综合优势将在当前国产Agentic模型中占据领先地位。
💻 GLM-4.5 性能评测：基础代码生成能力
有一句话需要强调：SOTA并非一目了然，实际体验与测试更能增强我们对切换主力模型的信心。
我将GLM-4.5与当红的Kimi K2、Qwen3-coder，以及老牌的Gemini 2.5 Pro和Claude Sonnet 4进行对比。
考虑到所有测试对象均为旗舰版本，GLM也默认使用旗舰版。每项测试的提示将在相关小节末尾附上。
1）长文本注意力与前端设计：一图流生成比较
这是我最喜欢的快速测试方法，让模型阅读一篇长文，自行提炼出关键信息，并生成便于阅读的一图流网页。
这个过程考验模型的逻辑分析能力、长上下文记忆保持、幻觉问题，以及前端编码的质量与设计美感。
我进行了几项案例测试，以下列举两个例子：
首先，总结我翻译的《Manus Context》工程经验，约5000字：GLM 4.5的表现非常出色，关键信息总结得相当精准，且配图趋势积极。
其次，我还测试了一篇更长的万字文档，内容关于2025年上半年AI产品推荐：在这个更为复杂的任务中，GLM 4.5在关键信息提炼和布局呈现方面表现优异，没有出现幻觉现象。
经过多次反复测试，我总结了以下的使用体验：
AI生成模型的比较与选择：谁更胜一筹？
- 在内容选择和排版方面，GLM-4.5和Gemini因其支持思维模式，相比于国产的无思维模型显得更具优势。
- 从前端展示的角度来看，经过多次测试，GLM-4.5和Gemini 2.5 Pro的设计标准普遍较高，其他平台表现也不差。
- 提到生成速度，GLM-4.5在这一方面无疑是最快的，这对编程的体验十分有利。众所周知，AI编程依赖于多轮的渐进式与递归提示，生成太慢容易令人感到挫败和烦躁。其速度大致等同于或超过Gemini 2.5 Pro和Qwen。
因此，在这个任务中，如果要优先推荐模型，综合体验的排名为：GLM-4.5 ≈ Gemini 2.5 Pro ＞ Kimi K2 ≈ Qwen3-Coder ＞ Claude Sonnet 4。
顺便提一句：如果您有兴趣进行测试或需要图形制作，可以参考以下的提示：
## 这是我的文章：
[粘贴文章内容]
## 任务
我的身份是[个人身份、作图用途]。请阅读我文章中的要点，帮我生成一个类似苹果发布会PPT的Bento Grid风格的中文动态网页，具体要求如下：
– 尽量在一页展示所有信息，背景为白色，文字和按钮为纯黑色，高亮色为#4D6BFE。
– 使用超大字体或数字突出核心内容，画面中包含显著的视觉元素以强调重点，并与小元素形成鲜明对比。
– 网页需支持响应式设计，兼容1920px及以上的大屏显示器。
– 中英文混用，中文使用大字体加粗，英文作为小字进行点缀。
– 使用简约的线条图形作为数据可视化或配图元素。
– 利用高亮色的透明度渐变来增强科技感，但不同高亮色之间不应互相渐变。
– 数据可引用在线图表组件，样式需与主题一致。
– 使用HTML5、TailwindCSS 3.0+（通过CDN引入）及必要的JavaScript。
– 使用专业图标库，如Font Awesome或Material Icons（通过CDN引入）。
– 避免使用emoji作为主要图标。
– 保证内容要点不被省略，禁止编造文章中未出现的数据。
2）复杂指令的执行：一次性生成交互式工具
在实际的AI编程任务中，通常需要给AI提供一段包含多个需求的文本，进而考察其处理复杂指令的能力。
例如，开发一个复杂的前端交互式编辑器，这是一个挑战。要求AI一次性生成一个具备增删、拖拽、字体、颜色及大小调整功能的内容编辑器。
同时，对于UI样式也有特定要求：“实用主义设计风格，配色以中性灰为主”。
该任务的复杂性主要在于需要一次性满足多项要求，确保实现复杂的UI交互、DOM操作，及对应用状态和UI样式的精确控制。
对人类开发者而言，从零开始开发这样的功能相对繁琐，通常会选择修改开源组件，而不是重新开发（以下是我资深前端开发朋友的看法）。
以下是五个AI的执行结果：
- 从要求完成情况来看，Claude Sonnet 4实现了所有的要求。GLM-4.5则有一项未完成，整体表现仍然较为突出。
- 在样式遵循上，各个模型对轻量设计的要求都表现得相当不错，能够覆盖常见的编码任务。
- 完成任务的速度方面，GLM-4.5依旧是最快的，而Kimi K2相对较慢（不过这也难以严谨判断，因为官方服务的负载情况也会影响速度）。
综合体验的排序为：Claude Sonnet 4 ＞ GLM-4.5 ＞ Kimi K2 ＞ Qwen3-Coder = Gemini 2.5 Pro。
（由于Kimi当前的生成速度，评分不得不下调。）
测试提示（由于要求复杂多样，每次测试结果略有偏差，以上举例为均值表现）：
请为我创建一个简单的拖拽式网页内容构建器。
功能要求：
1）界面分区：左侧设有“组件”面板，包含多个可拖拽元素，如“标题”、“段落”、“代码块”、“按钮”；右侧是“文章画布”区域。
💎 全栈模式：惊喜不断，超越模型的体验
在基础性能测试完成后，有一点非常值得强调：
除了可以通过聊天或API调用GLM-4.5，z.ai官网还提供了一种便于创作者使用的“全栈模式”。
可以将其视作类似于Lovable和Bolt.new的功能模式。
该模式允许用户在网页对话中，快速生成一个具备前后端功能的全栈、多页面应用，并能够轻松发布到互联网，无需配置开发环境或处理部署问题。
以下是测试结果：
1）创建一个可分享的在线文档应用
例如，文章开头提到的在线文档应用，正是借助全栈模式，在网页对话中仅用10分钟便生成了应用的演示版本。
任务记录：
https://chat.z.ai/s/29968fdc-53f2-4605-ae71-4ae32e920ca4
开发一个在线文档工具，支持创建多份文档，并可以一键分享文档链接。
在此过程中，GLM-4.5就像“云端”光标或Windsurf一样，能够自主规划任务步骤，读取应用内部的文件目录与内容。
同时，它也能创建和编辑不同类型的代码文件，完成整个应用的构建。
如果有新的迭代需求或对某个功能/缺陷不满，用户也可以通过自然对话方式提出要求，进行反复修改。
AI自动化测试与功能构建的新纪元在当前的技术环境中，人工智能不仅能快速展开流畅的测试流程，还可以在迭代中自主识别和修复潜在的缺陷。
这种方式使得整个调试过程无需人工干预，最终呈现出100%可用的预期应用效果。
2）更高的期望：让AI自主构建AI功能
顺应人工智能开发的趋势，我们可以利用GLM-4.5，让其在应用中自主集成AI API，根据口头需求生成Prompt，构建出所需的AI功能。
我进行了系列实验，例如在文档的详细页面中添加自动摘要功能：
最终生成的效果大致如下，AI能够根据文章内容和编辑更新情况，在发布后自动优化摘要：
经过测试，成功率达到了百分之百。
进一步提高难度，尝试AI段落自动补全：
在编辑文档的过程中，系统能够实时分析之前的内容，并提出段落补全的建议。
以下展示的是开发成果，经过两轮的自然交互，完美实现了预期效果：
3）一键将服务部署到公网
如果你对自己的编码结果感到满意，请记得在全栈模式的右上角点击“发布”，这样就能轻松把服务推向公网，分享给更广泛的用户使用：
🔍 GLM-4.5：探索新的AI编码体验特别提示：
自从GLM-4.5于昨天正式发布以来，受到了广泛关注，官方服务也因此出现了一些波动，可能会导致AI API出现错误。若遇到这种情况，您可以尝试刷新页面，并发送“继续”或点击“重试”按钮来继续任务。
在发布后的Coding成果中，用户可能会遇到多页面跳转的问题，官方团队正在积极修复此问题，而在预览模式下则一切正常。
需要强调的是，这些Coding效果并不仅限于全栈模式，GLM-4.5模型本身的能力也十分出色。
在下面，我将为大家整理并推荐一些使用GLM-4.5的途径，以便每个人都能找到适合自己的选择。
👉 GLM-4.5的使用推荐
对于非技术用户：优选z.ai
不知不觉间，z.ai的官方聊天平台已经做得相当出色。
尤其是在之前详细测试的全栈模式下，可能是目前国内最适合新手体验Vibe Coding的平台。
用户可以在不访问外网、不下载软件以及不配置服务器环境的情况下，享受到与Claude 3.7相当的Coding能力，完全免费地在网页上进行对话生成轻量级应用，并分享给朋友们。
这一切都非常简单，即使没有任何编码知识的用户也能轻松上手，非常适合初学者感受AI Coding的魅力。
体验地址在这里：https://chat.z.ai/，别忘了在左上角选择模型为GLM-4.5（GLM-4.5-Air也值得尝试，表现也不差）。
对于开发者：GLM版Claude Code
在7月份发布的国产模型中，基本都兼容了Anthropic API格式，GLM-4.5也不例外。
值得一提的是，我在实际使用中发现GLM版Claude Code非常稳定，从未出现过由于工具使用能力不足而导致的任务失败，生产效率和成功率均令人满意，强烈推荐试用。
体验步骤：
1. 在开放平台申请智谱API密钥：
https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys
2. 按照正常流程安装Claude Code，并运行以下命令：
export ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
export ANTHROPIC_AUTH_TOKEN=”your bigmodel API keys”
3. 输入Claude，启动GLM-Code即可。
此外，根据Cursor、Windsurf和Trae之前接入Kimi K2的速度，直接在这三者上使用GLM-4.5的时间应该也不会太久。（对于Cline，由于表现逊色于其他AI Coding产品，因此不再推荐。）
🎐 总结
这篇文章并不需要再多加阐述，因为GLM的进步已经显而易见。
在整个7月份，我们明显感受到国产模型在编码能力上大幅缩小了与Claude 4之间的差距。
而在最近几天的GLM-4.5测试中，我最频繁的反应是：
- 等等，这还是GLM模型吗？
- 这次测试下来，感觉GLM-4.5可能是国产Coding模型中的顶尖选择了？
- 究竟是我测试得不够全面，还是正好没发现其短板？
写到这里，我大胆地给出个人的测试结论：
- 根据我的感觉，在相对完整的中小型项目中，GLM-4.5的能力应介于Claude 3.7和4之间。
- 在成本、速度与质量的综合考量下，GLM-4.5或许成为当前国产Coding模型的翘楚。
GLM-4.5凭借其最低的API费用、极快的模型反应速度，以及接近国际顶尖水平的编码能力而问世。（来自社群好友的评论 ⬇️）
可以预见的是，未来几周，国内各类Agentic模型的进展将显著加快国内在AI代码生成方面应用的普及。（无论是开发者对AI编程的接受程度，还是相关产品的实际应用）
我再次强调，只要你有编码或Agent相关的需求，值得投入时间进行自我测试，我相信你不会失望。
同时，我也很期待你们的实际测试反馈与感受。
本文作者为人人都是产品经理的【一泽Eze】，微信公众号为：【一泽Eze】。原创/授权发布于人人都是产品经理，未经许可，严禁转载。
题图来源于Unsplash，采用CC0协议。
