先说结论（给没时间看完的朋友）

能用，日常开发场景下差距可以忽略不计，但不能完全代替。

好，走了的朋友再见，留下来的朋友，我们慢慢说。

---

开篇：一场被迫的技术迁移

2026 年这几个月，中国开发者社区发生了一件颇为魔幻的事情：大量使用 Claude Code 的国内开发者报告账号陆续被封，Anthropic 悄悄推进实名制，从"软封禁"到"硬阻断"，用了不到七个月。

背后的逻辑不复杂：配合出口管制，防止代码生成能力外溢，顺带应对欧盟《AI 法案》对高风险 AI 可追溯性的要求。AI 的能力太强了，强到任何国家都不愿意轻易放手。

我作为一个既要写量化策略、又要维护一堆 Python 脚本的怪人，在某个深夜收到"账号异常"的通知时，内心是崩溃的。

然后我开始搜索替代方案。

然后我找到了 GLM-5.1。

---

GLM-5.1 是什么？背景先理清楚

GLM-5.1 是 Z.ai（智谱 AI 前身） 于 2026 年 4 月 7 日发布的开源旗舰模型。Z.ai 在今年 1 月完成了港股 IPO，成为全球第一家上市的大模型公司，融资约 55.8 亿港元，估值约 313 亿港元。股价当时涨了 30%，然后因为算力不够、服务时断时续，又跌了 23%——这个节奏，挺像 A 股的。

GLM-5.1 的架构数字很能打：

• 总参数：754B（7540 亿），MoE 架构
• 激活参数：40B（每次推理激活，从上一代 32B 提升）
• 上下文窗口：202,752 tokens（约 20 万）
• 最大输出：131,072 tokens
• 训练数据：28.5T tokens（上一代 23T）
• 训练芯片：华为昇腾 910B × 约 10 万张——零英伟达，完全国产算力

这最后一点，我想单独放一行。

用全国产芯片、自研深度学习框架（MindSpore），训出来在 SWE-bench Pro 上打败 GPT-5.4 和 Claude Opus 4.6 的模型。这件事放到两年前，我是不敢相信的。

GLM-5.1 的核心亮点是 Slime 异步强化学习框架——这是智谱自研的 RL 训练框架，名字很可爱（史莱姆），能力不可爱：它让模型在推理和代码能力上获得了质的飞跃，而且已经开源。

---

基准测试：数字会说话

图表 1：GLM-5.1 vs Claude Opus 系列 vs GPT-5.4 编程基准对比

几个关键数字：

SWE-bench Pro 上，GLM-5.1 以 58.4% 全球第一，微弱领先 GPT-5.4（57.7%）和 Claude Opus 4.6（57.3%）。值得注意的是，这个数字是官方自报，尚未经过所有第三方机构独立复核，但 SWE-bench Pro 本身是标准化公开基准，存在造假余地不大。

SWE-bench Verified 上，GLM-5.1（77.8%）落后于 Claude Opus 4.7（87.6%）约 10 个百分点，也落后于 Claude Opus 4.6（80.8%）约 3 个点。这个差距是真实存在的，不能忽视。

Claude Code 框架测评（满分 113），GLM-5.1 得 45.3 分，Opus 4.6 得 47.9 分，差距仅 2.6 分，达到 Opus 4.6 的 94.6%。这是最直接和最有参考价值的对比，因为我们讨论的就是把 GLM-5.1 接入 Claude Code 来用。

一个独立评测员用 20 个真实编程任务横测后的结论是：在算法推理类别，GLM-5.1 甚至胜出了 Opus 4.6；在复杂多文件重构上，Opus 4.6 仍更可靠。

总结成一句话：日常开发，94.6% 的体验；高难度工程任务，仍有差距。

---

接入 Claude Code：比你想象的简单

这里说一件让我颇感震撼的事：Z.ai 把这件事做得太顺畅了。

整个配置过程如下：

图表 2：GLM-5.1 接入 Claude Code 完整配置流程

核心只有一步：在 ~/.claude/settings.json 里改三行环境变量，把 Anthropic 的 Base URL 指向 BigModel API，把模型名换成 glm-5.1。

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.1",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.1",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air"
  }
}

然后 claude 重启，输入 /status，屏幕上显示 glm-5.1。

工具调用、多文件修改、Agent loop——全部保留，一模一样。Claude Code 的 UI 和操作逻辑完全不变，后端模型悄悄换了。

这种无缝对接背后是一个深刻的战略决定：Z.ai 明确声明 GLM-5.1 针对 Claude Code 等 Agentic 框架做了专项优化，而且 API 接口完全兼容 OpenAI/Anthropic 格式，对开发者的迁移成本为零。

说人话：GLM-5.1 主动把自己做成了 Claude Code 的"平替后端"，还为此优化了模型本身。这不是对手，这是主动跑过来坐你旁边说"我来帮你"。

---

价格：这才是真正的杀手锏

图表 3：API 定价与月费对比

我直接上数字：

项目	GLM-5.1	Claude Opus 4.7	差距
API 输入	$1.05/M tokens	$5.00/M tokens	4.8x
API 输出	$3.50/M tokens	$25.00/M tokens	7.1x
月订阅（Coding Plan）	$3–30/月	$100–200/月（Max）	约 10–20x

输出价格差了 7.1 倍。

而且 GLM Coding Plan 订阅期内 API 调用费直接免了，Lite 用户月费 $3 起步。

有海外开发者实测，用 GLM-5.1 替代 Claude Max 做日常开发，同样的工作量，成本直接降到原来的三分之一。

当然有个坑要说：北京时间 14:00–18:00 是峰值时段，配额消耗 3 倍，非峰值 2 倍。目前有促销活动（截止 2026 年 4 月），非峰值时段可按 1 倍计算。建议重任务都排到非高峰时间跑——当然，这对于"需要 8 小时自主跑任务"的使用场景来说，只要你睡觉时启动，它大概就跑完了。

---

七维能力对比：优势劣势都要说清楚

图表 4：GLM-5.1 vs Claude Opus 4.7 能力雷达图（七个维度）

从雷达图可以直观看出两者各有偏科：

GLM-5.1 遥遥领先的维度：中文理解（这还用说吗）、成本效率、长程任务执行（8 小时不间断，6000+ 工具调用）。

Claude Opus 4.7 明显优势的维度：安全对齐（Anthropic 的看家本领）、多模态（3.75MP 图像、视频理解）、生态工具链的成熟度。

编程能力两者接近，但 Opus 4.7 在复杂工程任务上仍然更稳定。

有一个细节很有意思：GLM-5.1 的长程任务评测中，在向量数据库优化任务上跑了 600 次迭代、6000+ 工具调用，最终把 QPS 优化到了 21,500，是单次 50 轮 session 最优结果的 6 倍——"给它时间，它越做越好"这个说法在这个场景是真的。

---

我亲测的真实感受

说说我自己用的情况。

我用 GLM-5.1 通过 Claude Code 做了以下几件事：

任务一：重构一个量化策略回测框架

约 5000 行的 Python 代码，涉及数据拉取、因子计算、持仓逻辑和绩效评估。GLM-5.1 跨文件理解做得不错，能自动识别模块依赖关系，还主动标注了一个已废弃的库调用。整个过程比我预期的顺畅，但有一次中途它"走神"了，开始做一些没被要求的额外优化，不得不打断它。

任务二：生成一套 FastAPI + PostgreSQL 的 CRUD 后端

这种标准化任务，GLM-5.1 和 Opus 4.6 我感受不到差别。生成速度甚至更快，代码质量也没有明显降级。

任务三：复杂系统架构设计

给了它一个"设计一个支持百万并发的消息队列中间件架构"的任务，要求输出详细的组件设计文档和伪代码。这里我感觉到了差距——Opus 4.7 的回答更有深度，考虑了更多 edge case，GLM-5.1 的输出稍显"教科书化"，不够灵活。

综合结论：

• CRUD、API 对接、自动化脚本、常规重构：GLM-5.1 完全够用，成本低一个量级。
• 复杂系统设计、高难度推理、多模态处理：Opus 4.7 仍然是更稳的选择。

---

国产大模型的无奈与骄傲

写到这里，我想停下来说点感性的东西。

GLM-5.1 用华为昇腾芯片训出来，在 SWE-bench Pro 上打到了世界第一。这件事，我觉得应该比它做到时得到的关注多得多。

无奈在哪里？

在于它必须主动把自己做成 Claude Code 的"外挂"才能快速获得用户。它在 Hugging Face 的模型卡里，专门列出了如何接入 Claude Code、OpenClaw、Kilo Code……它在宣传材料里，反复提到"Anthropic 兼容 API"。一个模型的最核心营销卖点，竟然是"我可以无缝替换另一个模型"。

这当然是一个务实的商业决策，我不是批评这个选择。但这背后隐含的现实是：Claude Code 的工具链、工作流、用户习惯，已经形成了一个不小的护城河，以至于"能接入它"本身就成了一个差异化卖点。

骄傲在哪里？

在于它真的做到了。用受限的算力、全国产芯片，在最有代表性的工程编程基准上做到全球第一。94.6% 的 Opus 能力，20% 不到的价格，MIT 开源，接入零门槛。

这不是小事。

---

推荐方案：别二选一，用组合拳

根据我的测试和综合分析，给大家一个最实用的建议：

日常方案（省钱 90%）：把 Claude Code 后端换成 GLM-5.1，日常的 CRUD 开发、API 对接、自动化脚本、小型重构，全部用 GLM，配额比原生 Opus 便宜一个数量级。

重炮方案（关键任务）：遇到以下场景，切回 Claude Opus 4.7：

• 超长代码库全文分析（需要 100 万 token 上下文）
• 高分辨率截图 / 设计图处理（需要 Opus 4.7 的 3.75MP 视觉能力）
• 极复杂系统架构设计（需要 Opus 4.7 更强的深度推理）
• 有严格合规要求的生产环境（Anthropic 的安全对齐更有保障）

这套"GLM 日常 + Opus 重炮"的组合，能让你的月度 AI 工具成本砍掉至少一半，体验下降不到 10%。

---

还有一些局限，不能不说

GLM-5.1 目前的几个硬限制，绕不过去要提：

没有多模态。GLM-5.1 目前是纯文本模型，没有图像/视频输入能力。如果你的工作流里需要处理截图、设计图、高分辨率文档，这个功能暂时缺失。

部分基准自报未独立验证。SWE-bench Pro 的 58.4% 相对可信（公开基准），但 Claude Code 框架下的 45.3 分是 Z.ai 内部评测，尚未有所有第三方实验室完整复核。当然，大量实测表明效果不差，但数字要有所保留。

生态还在追赶。Claude Code 的工具链、MCP 集成、社区插件、第三方工具支持，都比 GLM 成熟得多。用 GLM 替换 Opus 后端，工具链还是 Claude 的，你其实只是换了"大脑"。

峰值时段要注意配额。北京时间下午两点到六点，配额消耗 3 倍，不注意的话月底可能超出预算。

---

结语：这场追赶，还没完

GLM-5.1 是目前国产大模型在编程方向上最接近"可以替代 Claude Opus"的一个版本。但"最接近"不等于"已经替代"。

差距最显著的地方，不只是跑分，而是产品生态的厚度——Claude Code 的整个工具链体验、Anthropic 在安全对齐上的持续投入、Opus 4.7 的多模态能力，都是 GLM-5.1 当前还没有全部补齐的。

不过话说回来，一年前我敢说开源模型能在 SWE-bench Pro 上打败 GPT 和 Claude 吗？我不敢。

今天这件事发生了。用国产芯片。MIT 开源。

国产大模型的无奈，在于它必须在别人画的跑道上追赶；国产大模型的骄傲，在于它真的在追上。

这场比赛还没结束。我打算继续看，继续用，继续写。

下一次 GLM-5.2 或者 GLM-6 出来，我再来锐评。

---

数据来源：Z.ai 官方发布文档（2026-04-07）、Hugging Face 模型卡、BenchLM.ai（2026-04-28）、SWE-bench 公开榜单、腾讯云开发者社区、SegmentFault、独立评测报告，数据截止 2026-04-28。

---

作者碎碎念：写这篇文章时我的 Claude Code 正在用 GLM-5.1 帮我改一段 pandas 的内存泄漏，目前跑了 47 轮还没崩。挺好。点个赞比什么都实在。 如果还有朋友没办法订阅Claude pro和Claude max的，推荐一个靠谱渠道：claudemax.shop

核心结论：GLM-5.1 在 SWE-bench Pro 上得分 58.4%，微弱领先 GPT-5.4 的 57.7% 和 Claude Opus 4.6 的 57.3%，是全球第一个在这个基准上超越两大闭源旗舰的开源模型。但在更综合的 SWE-bench Verified 上，Claude Opus 4.6 的 80.8% 仍领先 GLM-5.1 的 77.8%，尤其在需要深入理解细微上下文或对长代码推理的任务上，Opus 更为可靠。接入方式上，只需在 ~/.claude/settings.json 中设置环境变量，将 Base URL 指向 BigModel 的 Anthropic 兼容接口，模型名改为 glm-5.1，即可在 Claude Code 中无缝使用。