年最新GLM-4.5发布权威深度测评：性能排行榜及完整使用教程指南
就在今天，智谱发布了新一代旗舰模型 GLM-4.5，这是一款专为智能体应用研发的基础模型。节奏推进非常迅速，模型权重也已同步在 Hugging Face 和 ModelScope 两大平台开源，采用 MIT License，开源态度十分彻底。
先提炼几项核心信息：
GLM-4.5 本次主攻综合能力，在推理、代码编写及智能体等测评中，达到了开源模型的 SOTA（目前最优水平）。尤其在真实代码智能体的人工对比评测里，实测表现位居国内第一。技术架构上，它采用了混合专家（MoE）设计方案，提供 GLM-4.5（总参数量3550亿，激活参数320亿）与面向轻量化场景的 GLM-4.5-Air（总参数量1060亿，激活参数120亿）两种规格。同时支持双模式运行：深度思考模式应对复杂推理与工具调用任务，非思考模式则保证极速响应。最值得关注的是低延迟与低成本：API 调用价格低至输入0.8元/百万tokens、输出2元/百万tokens，高速版可达100 tokens/秒。这一性价比对开发者而言极具诱惑力。
Datawhale团队提前获得了内测资格，在周末进行了一场详尽的横向评测。这次我们重点关注它在代码、数学运算、创意写作及实际开发（接入Claude Code）等多个维度的真实表现。文章篇幅较长各位可按兴趣直接跳转到对应章节。想直奔结论的，文末见。
GLM-4.5 全网最全评测：八项测试揭示真实性能
一、生命游戏模拟器
该题目要求处理二维数组与状态同步，核心是评估模型对算法逻辑的掌握程度。它不涉及复杂的图形引擎，能更纯粹地考察模型的算法思维与边界条件处理能力。我们给模型提出了明确需求：用 HTML JS 编写一个“生命游戏”，需支持棋盘大小参数配置、随机生成初始状态，严格遵循康威生命的三条核心规则（存活、死亡、诞生），并在终端中循环打印下一代状态，每次间隔0.1秒。
题目提示词如下：请使用 html js编写一个“生命游戏”（Conway's Game of Life）的模拟器。要求如下：基于终端输出...持续演化： 程序应能持续打印出世界的下一代状态，每次打印之间有短暂的延时（例如0.1秒），直到用户手动中断程序。
GLM-4.5 的回答：
Claude Sonnet 4 的回答：
Qwen3-coder 的回答：
三个模型均完成了基础任务，且完成质量较高。但论第一印象，GLM-4.5确实更讨喜，其UI设计更贴合我的视觉审美。从“超预期”的角度来看，Qwen3-coder 给了我意外惊喜，它额外增加了许多预设的生命演化模式。这个细节确实加分不少。
二、小说创作《气味调配师的最后订单》
此测试旨在考察模型在创意写作方面的功力，尤其针对高概念世界观的构建能力。题目设定在一个近未来的赛博都市，气味无法被数据化，从而诞生了“气味调配师”这一职业。要求模型基于一个极为抽象的订单——“调配出‘希望’的气味，它闻起来必须像是‘在彻底的绝望中诞生的、不属于自己的希望’”——来构思开篇，内容需包含场景氛围、主角内心独白、核心悬念及最终决定。
题目提示词如下：标题： 《气味调配师的最后订单》故事背景： 在一个近未来的赛博都市里...你决定去往城市的哪个角落，寻找一个什么样的故事，来捕捉这种复杂而矛盾的气味？这个决定将开启整个故事的旅程。
GLM-4.5 的回答：
左右滑动查看结果
Gemini 2.5 pro 的回答：
左右滑动查看结果
Claude Sonnet 4 的回答：
Qwen3-235B-A22B-2507 的回答：
这几位选手都较好地构建了独特的世界观与悬念。对我个人而言，四者表现旗鼓相当，原因在于我本身不太能欣赏这类风格的小说。它们均以场景描写的氛围渲染与心理描写见长。但从细节的流畅度来看，Claude 更胜一筹；Gemini、GLM 和 Qwen 则位于同一水平线。
三、2004年数学一选择题
选择真题是为了检验模型在解决标准化、高难度学术问题上的严谨逻辑推理能力。这部分我们不做过多的专业评估，直接看答案。
题目如下：
Image
GLM-4.5 的答案是 D
Image
Gemini2.5-Pro 的答案是 D
Image
Claude Sonnet 4 的回答是 D
Image
KIMI K2 的答案是 D
Image
Qwen3-235B-A22B-2507 的答案是 C
Image
Qwen3-235B-A22B-2507 的答案是 D（开启思考模式后）
Image
最后公布答案：选择 D！
Image
除了Qwen3在未开启思考模式时首次回答错误，其他所有模型均一次性答对。
四、2004年数学一概率题
题目如下：
Image
GLM-4.5 的答案正确
Image
gemini 2.5 pro 的答案正确
Image
Qwen3-235B-A22B-2507 的答案错误
Image
开启深度思考模式下的 Qwen3-235B-A22B-2507 的答案正确
Image
Claude-Sonnet-4 的答案正确
Image
最终答案：
Image
结果与上一轮类似，Qwen3不开启思考模式容易出错，其他模型表现稳定。
五、神经网络“梯度消失”交互式可视化
该项目的核心是检验模型把抽象概念具象化的能力，尤其适用于教育和解释性场景。它并非解决一个标准答案问题，而是要求模型创造一个动态工具来解释复杂的科学概念。题目要求用HTML/JS制作条形图，通过滑块调节“网络深度”与“初始梯度”，模拟反向传播时梯度逐层衰减的过程。
题目提示词如下：项目名称： 神经网络“梯度消失”交互式可视化核心目标： 通过动态图表，直观地展示在深度神经网络中...最终，用户可以直观地看到，从右到左，条形图的高度迅速衰减，接近于零，从而生动地理解“梯度消失”。
GLM-4.5 的回答：
Gemini 2.5 Pro 的回答：
Claude Sonnet 4 的回答：
Qwen3-Coder 的回答：
这一轮GLM-4.5的表现堪称出色。其他参与者仅展示了动画效果，但GLM-4.5不仅完成了基础要求，还额外添加了衰减率显示等超出预期的功能。在需要构建教育工具的场景下，它的完成度是最高的。
六、明天的前天，是昨天的后天么？
这道题表面上像脑筋急转弯，但能精准测试模型对自然语言中相对时间概念的理解。模型必须准确理解“明天”、“前天”等词语的关系，并以“今天”为参照系进行逻辑换算。
题目提示词如下：明天的前天，是昨天的后天么？
GLM-4.5 的回答正确
Image不，明天的前天不是昨天的后天。让我一步步解释清楚...
Gemini 2.5 Pro 的回答正确
Image不是的。这是一个有趣的绕口令式问题...
Claude Sonnet 4 的回答错误
Image让我来分析一下这个时间逻辑问题：明天的前天...答案是：是的...
Qwen3-235B-A22B-2507 的回答正确
Image**答案：不是。**...
这一轮，除了Claude Sonnet 4，其余模型均给出了正确答案。
七、“推箱子”游戏
这道题旨在“生命游戏”的基础上，测试模型处理更复杂交互逻辑与状态管理的能力。规则涉及玩家、箱子、墙壁与目标点的多元素互动，对模型的逻辑严谨性要求更高。题目要求使用HTML/JS编写，包含清晰的地图表示、玩家移动函数与胜利判断函数。
题目提示词如下：题目内容： 请使用 html js编写一个简化的“推箱子”游戏的逻辑...编写一个函数 check_win(map)，当所有目标点都被箱子占据（即地图上没有 . 存在）时，返回 True。
GLM-4.5 的回答：
Claude Sonnet 4 的回答：
Qwen3-Coder 的回答：
这一轮旗鼓相当，各有千秋。GLM的UI设计最为出色，Claude和GLM都实现了“下一关”等超出预期的功能。在布局设计上，Claude和Qwen更为合理；Qwen的布局尚可，但颜值稍逊。综合来看，Claude评分最高，无论是设计、逻辑还是超预期表现都十分均衡。
八、小说创作《退一步，圣宠倾天》
这道题是检验模型对“反讽”这一高级文学手法的运用能力。主角拼命想“失宠”，却越作越受宠。我们期待看到类似短篇小说的吸引力。题目要求以第一人称视角，详细描写一次完整的“计划通，结果崩”的剧情。
题目提示词如下：小说创作测试题 (宫斗·反套路型)标题： 《退一步，圣宠倾天》...你要在那一刻清醒地意识到：你搞砸了。你不但没能奔向自由，反而一脚踏入了更深的地狱。
GLM-4.5 的回答：
左右滑动查看结果
Gemini 2.5 Pro 的回答：
左右滑动查看结果
Claude Sonnet 4 的回答：
左右滑动查看结果
Qwen3-235B-A22B-2507 的回答：
作为非专业的文学评论者，我只能凭直觉判断。本次四个模型输出的内容，我已经很难用肉眼分辨是否为AI所写。相比第二轮的小说测试，本轮题目中我特意强调了“开头要有吸引力”，结果确实更符合网文的阅读习惯。细致分析，Claude的语言表达最为流畅，GLM和Gemini在情节细节设计上更出彩，Qwen的措辞则显得更为高级。综合来看，如果Claude的情节设计能再优化，它肯定是最优选择。但这一轮，我投票给GLM。
GLM-4.5 接入 Claude Code：实战教程与对比
为了测试真实场景下的开发能力，我们将GLM-4.5和Kimi K2接入了Claude Code，并在我的实际开源项目SmartImageFinder上进行了测试。
首先，我们需要在电脑上安装Claude Code。为了方便大家，我们提前准备好了脚本：https://github.com/li-xiu-qi/Eeasy_Claude_Code，内含Kimi K2和GLM的接入脚本，按照readme说明安装即可。这里也提供简要教程。
项目克隆：git clone https://github.com/li-xiu-qi/Eeasy_Claude_Code.gitcd Eeasy_Claude_Code
安装脚本说明：
项目包含install_glm_cc.sh和install_kimi_cc.sh两个脚本。运行sh install_glm_cc.sh或sh install_kimi_cc.sh即可。如果遇到权限问题，先运行chmod +x install_glm_cc.sh install_kimi_cc.sh，再用sh install_glm_cc.sh方式运行。
安装完成后，在终端输入Claude，就会显示以下页面，若提示我们使用的是智谱模型，即bigmodel的路线则说明安装成功。
Kimi K2 的实战表现：
任务是帮我的项目接入一个AI backend功能，并修复旧的文档内容。最终任务顺利完成。
GLM 的实战表现：
我要求它帮我更新README文件，并重构项目的快速启动脚本，任务也完成了。需要指出的是，最初测试时GLM接入Claude Code似乎存在一些问题，反馈后智谱很快修复了。
最后我又让它完成了一个notebook翻译任务，速度确实快，没有任何加速效果，这点值得称赞。对比来看，K2的自动化程度更高，能一次性改动多处内容后请求反馈；而GLM反馈更及时，但往往改一部分就会来征求确认，虽然反馈及时，但改动幅度偏小，略显频繁。不过，考虑到它是价格最低、速度最快、性价比最高的Agentic模型，这个表现已经相当出色了。在实际体验中，GLM-4.5完全可以平替Claude的其他模型作为Claude Code的基座模型。
为了更客观地评价，我在另一个新项目remote_mineru中全程深度使用了GLM。在深度体验中，我尽量让模型自己修改代码，不干涉它的编辑能力，只对其行动给出指导。深度体验下来，我觉得两者都不错，很难说谁更优。GLM反馈频繁，也意味着可控性强。但就我个人的长对话体验来说，K2的理解能力要优于GLM——GLM在复杂的上下文里偶尔会难以理解一个简单需求，需要多次纠正，而K2出现这种情况更少。当然，GLM的速度确实比K2快太多了。总的来说，GLM性价比拉满，体验不错，性能相当能打。
总结：评价与定位
这次横向评测跑下来，GLM-4.5的综合表现确实让人印象深刻。它给人的总体感觉是：核心能力上能与国外头部模型看齐，同时在成本上拥有极为明显的优势。
具体来说：
从编写代码、解答数学题到构思小说，几轮测试下来，它没有表现出明显的短板，性能稳定，能够与Gemini、Claude的最新模型同台竞技。这表明它的基础能力已经过关。在需要将抽象概念工具化的“梯度消失”测试中，其完成度最高，甚至超越了要求；在反套路小说的情节设计上，也得到了最高分。最吸引人的地方无疑是成本。如此低的API定价，对任何需要控制预算的开发者来说都是极大的利好。在接入Claude Code的实测中，它也能胜任基座模型的角色，虽然交互习惯略有不同，但反馈及时、任务完成度高。这意味着在实际开发中，它是一个可靠且极具性价比的选择。
总而言之，本次对GLM-4.5的测试结果是积极的。它证明了国产模型在追赶国际先进水平的进程中，已经到了一个可以在多方面与之直接对话的阶段。对于用户而言，我们多了一个经过验证的、能兼顾性能与成本的优秀选择。这本身就是一件值得高兴的事。