GLM-5.1

GLM-5.1

获取 API 密钥 API 文档

GLM-5.1 在编码能力方面实现了重大飞跃，在处理长期任务方面尤其显着。与之前围绕分钟级交互构建的模型不同，GLM-5.1可以独立连续地处理单个任务超过8小时，在整个过程中自主规划、执行和改进自身，最终交付完整的工程级结果。

上下文窗口131K

提供商智谱AI

创建时间2026/04/14

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入上下文	输入	输出	缓存命中
≤ 32K	0.88/M	3.53/M	0.19/M
> 32K	1.18/M	4.12/M	0.29/M

介绍

输入

文本

输出

文本

GLM-5.1 API：能连续工作 8 小时的开源编程智能体

GLM-5.1 是智谱于 2026 年 4 月发布并开源的旗舰工程智能体模型，采用 744B MoE 架构，MIT 许可证。它在编码能力上实现了显著飞跃，最突出的地方在于处理长周期任务：不同于以往围绕分钟级交互构建的模型，GLM-5.1 可以独立连续处理单个任务超过 8 小时，在整个过程中自主规划、执行并改进自身，最终交付完整的工程级结果。

在权威的 SWE-Bench Pro 编程基准上，GLM-5.1 取得 58.4 分，超过 GPT-5.4、Claude Opus 4.6 和 Gemini 3.1 Pro，成为首个在该榜单上击败全部闭源旗舰模型的开源模型。

海鲸AI 通过 OpenAI 兼容接口提供 GLM-5.1，支持工具调用、流式输出与长周期智能体工作流。

获取 API 密钥 · 模型 ID：GLM-5.1

为什么选择 GLM-5.1

首个在 SWE-Bench Pro 击败全部闭源旗舰的开源模型 —— 58.4 分超过 GPT-5.4、Opus 4.6 和 Gemini 3.1 Pro
8 小时连续自主工作 —— 单个任务可独立跑完整个工程流程
744B MoE 架构 —— 大规模稀疏专家模型，兼顾能力与推理效率
MIT 开源许可 —— 可自由商用、私有化部署
131K 上下文与输出 —— 输入输出对等，适合长篇代码生成

核心能力

01 8 小时连续自主执行

这是 GLM-5.1 最核心的差异点。过去的模型围绕分钟级交互设计，需要人不断介入；GLM-5.1 可以接下一个完整任务后连续工作 8 小时以上，自主规划、执行、自我检查和改进。

完整功能从设计到交付
过程中的自我检查与修正
无需人工介入的长链路执行

02 SWE-Bench Pro 开源第一

58.4 分的成绩来自真实的软件工程任务——理解仓库、定位问题、编写修复、验证通过。这是首个在该基准上超越全部闭源旗舰模型的开源模型。

真实仓库中的问题定位
跨文件修复与验证
工程级交付质量

03 744B MoE 架构

大规模稀疏专家混合架构在保持强能力的同时控制推理成本，是开源大模型在能力与经济性之间取得平衡的典型路径。

大参数量带来的能力上限
稀疏激活控制推理成本
可私有化部署

04 智能体规划与工具使用

GLM-5.1 内置面向自主规划、工具调用、网页浏览和多步骤工作流管理的智能体架构，可直接作为编程智能体的核心模型。

自主任务分解与规划
多工具编排
多步骤工作流管理

最佳使用场景

场景	说明
长周期编码智能体	一次指令启动，连续工作数小时完成交付
仓库级问题修复	SWE-Bench Pro 类型的真实工程任务
自主开发流程	从需求理解到代码交付的端到端执行
国产化替代	需要自主可控的企业级编程模型
私有化部署	MIT 许可下的本地化部署
成本敏感的智能体	开源模型带来的成本优势

GLM-5.1 与 GLM-5.2、GLM-5 的差异

能力	GLM-5.1	GLM-5	GLM-5.2
模型 ID	`GLM-5.1`	`GLM-5`	`GLM-5.2`
架构	744B MoE	旗舰开源基座	大规模推理模型
上下文窗口	13.1 万 token	13.1 万 token	100 万 token
SWE-Bench Pro	58.4（开源第一）	—	更高
长周期能力	连续 8 小时以上	长程智能体	更稳定
开源许可	MIT	MIT	MIT

具体计费以页面上方的实时价格卡片为准。

如何使用 GLM-5.1 API

1. 创建海鲸AI API 密钥 在控制台生成密钥并充值。

2. 一次给足任务说明 GLM-5.1 的长处是长时间自主执行。把完整需求、约束和验收标准在第一轮说清楚，让它自己跑完，效果远好于多轮零碎追问。

3. 调用接口

curl -X POST https://api.haijingai.com/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "GLM-5.1",
    "messages": [
      {"role": "user", "content": "实现一个完整的任务调度服务：数据模型、REST 接口、重试机制和单元测试，全部跑通后交付。"}
    ],
    "stream": true
  }'

常见问题

GLM-5.1 什么时候发布的？ 2026 年 4 月发布并以 MIT 许可证开源。

"连续工作 8 小时"是什么意思？ 指模型可以在单个任务中持续自主执行超过 8 小时，期间自行规划、调用工具、检查结果并改进，不需要人反复介入。

SWE-Bench Pro 58.4 分是什么水平？ 超过了 GPT-5.4、Claude Opus 4.6 和 Gemini 3.1 Pro，是首个在该基准上击败全部闭源旗舰模型的开源模型。

和 GLM-5.2 怎么选？ 需要 100 万 token 长上下文选 GLM-5.2；13 万 token 够用且看重成本时 GLM-5.1 依然是很强的选择。

上下文和输出上限？ 131,072 token 上下文，输出上限同为 131,072 token，输入输出对等。

可以私有化部署吗？ 可以。MIT 许可证允许自由商用和私有化部署，模型权重公开。

为什么选择海鲸AI 使用 GLM-5.1 API

免自建集群 —— 744B 模型无需自己准备 GPU 资源
OpenAI 兼容接口 —— 现有代码改两行接入
多版本共存 —— GLM-5 / 5.1 / 5.2 / 5-Turbo 同账户切换对比
人民币结算 —— 国产模型按人民币计价

API

API 接入信息

Model ID在推理接口中指定模型

GLM-5.1

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.haijingai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

GLM-5.1 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

cURLPythonNode.js

curl https://api.haijingai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "GLM-5.1",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

from openai import OpenAI

client = OpenAI(
    base_url="https://api.haijingai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="GLM-5.1",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.haijingai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'GLM-5.1',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}