GLM-5.1 登陆 Ajelix：开源代码 Agent 新标杆，长程自主能力突破
2026 年 4 月 10 日，AI 自动化平台 Ajelix 宣布将其旗舰 AI Chat 工具中的模型选择列表进行了重大升级。此次更新引入了由 Z.ai 于 4 月 7 日发布的 GLM-5.1 模型。作为 GLM-5 架构的进阶版本，GLM-5.1 被定位为专为“长程程程自主工程（Long-horizon Agentic Engineering）”设计的后训练优化模型，旨在解决传统大模型在处理复杂、多步骤任务时容易“前重后轻”的瓶颈。
核心突破：开源领域的 SWE-Bench Pro 冠军
GLM-5.1 最引人注目的成就在于其卓越的专业代码能力。在业界最具挑战性的基准测试 SWE-Bench Pro 中，GLM-5.1 以 58.4% 的得分位居开源模型榜首，甚至超越了 GPT-5.4、Claude Opus 4.6 和 Gemini 3.1 Pro 等顶尖闭源模型。
这一成绩直接验证了 GLM-5.1 在 Ajelix 平台上的核心价值：
- SWE-Bench Pro: 58.4 (开源第一，超越竞品)
- Terminal-Bench 2.0: 63.5 (相比 GLM-5 提升 13%)
- NL2Repo: 42.7 (相比 GLM-5 提升 19%，全仓库生成能力显著增强)
技术架构：专为长程任务设计的 MoE 模型
GLM-5.1 继承了 GLM-5 的 7440 亿参数混合专家（Mixture-of-Experts） 架构，并配备了约 20 万 token 的上下文窗口。其核心差异化在于训练策略的革新：
- 长程自主性：不同于以往模型在早期快速获分后进入瓶颈，GLM-5.1 被训练为能够持续有效执行长达 8 小时 的单一任务。它可以独立完成从“实验→分析→优化”的完整闭环，无需人工干预。
- 动态策略调整：模型具备拆解复杂问题、运行实验、识别阻塞点并反复迭代策略的能力，特别适合 Ajelix 平台上的多工具编排和复杂工作流。
- 高效推理：采用 DeepSeek 稀疏注意力（DSA）机制，确保在长上下文处理下的效率。
对开发者的实际价值
Ajelix 首席技术官 Arturs 指出，GLM-5.1 的加入是应对“更高级、更具挑战性的工作流”的关键一步。对于使用 Ajelix 进行 Agentic Chatbot、AI Excel 或 Agentic Analytics 的开发者而言，这意味着：
- 更可靠的自动化：在处理涉及多个分支决策和数百次迭代的复杂任务时，GLM-5.1 能提供更精准的编辑和更少的幻觉。
- 降低维护成本：在长程任务中，模型能自主发现并修复逻辑阻塞，减少人工复核频率。
- 代码生成质变：凭借 NL2Repo 的显著提升，开发者可以更快地从自然语言描述生成完整的代码仓库结构。
正如 Ajelix COO Agnese 所言：“提供最新且最具能力的技术是我们使命的核心。GLM-5.1 的加入正是这一承诺的直接体现。”
适用场景建议
并非所有任务都需要最强模型，但 GLM-5.1 在以下场景中表现尤为突出：
- 长程自动化工作流：涉及多步骤、多工具调用的复杂流程。
- 代码密集型任务：需要生成、调试和重构复杂代码库。
- 跨文档/跨会话分析：需要利用超长上下文进行深度推理的任务。
GLM-5.1 的加入标志着开源大模型在 Agent 领域的成熟，为追求极致效率的开发者提供了新的选择。
