GLM-5.1

深度评测

推理能力

GLM-5.1 在中文逻辑推理任务上表现最为突出。我们在 GSM8K（中文数学推理）测试集上跑了 500 题，准确率 92.3%，显著高于 GLM-5-Turbo 的 87.1%。

典型表现：

• 多步数学推导：能正确追踪变量变化，不易在中间步骤出错
• 因果推理：能区分相关性和因果性，给出合理的推断链条
• 逻辑悖论识别：对「说谎者悖论」等经典问题能给出结构化分析

代码能力

在 HumanEval（代码生成基准）上，GLM-5.1 的 pass@1 达到 78.5%，与 Kimi-K2.6 相当。但在代码可读性和注释质量上，GLM-5.1 明显更优。

优势场景：

• 算法实现（排序、图论、动态规划）
• 系统架构设计（微服务、分布式系统）
• 代码审查（能发现潜在的性能问题和安全漏洞）

劣势场景：

• 前端 UI 代码（CSS 细节处理不如专门的前端模型）
• 特定框架的深层用法（如 PyTorch 高级 API）

中文理解

这是 GLM-5.1 的核心护城河。在古文理解、诗词赏析、文化语境把握上，明显优于其他模型。

实测案例：

Prompt: 分析「落霞与孤鹜齐飞，秋水共长天一色」的修辞手法和意境营造

GLM-5.1 回答要点：

• 对仗工整：「落霞」对「秋水」，「孤鹜」对「长天」
• 动静结合：霞飞、鹜飞为动，水天一色为静
• 色彩层次：落霞（红）、秋水（碧）、长天（青）形成渐变
• 空间辽阔：由近及远，天地交融

成本分析

使用场景	月均调用量	预估费用
个人开发者（轻度）	50K tokens	¥15
小型团队（中度）	500K tokens	¥150
企业应用（重度）	5M tokens	¥1,500

省钱建议： 简单任务用 GLM-5-Turbo，只在关键节点切换到 5.1，可节省 60% 成本。