实测一圈下来，结论是——如果你最近要写代码、搭 Agent、做原型，GLM-4.5 可能是 2025 年最值得先上手的国产大模型，没有之一。
这段时间国产 AI 模型非常热闹，各家都瞄着 Coding 和 Agent 场景，开源自己的最新模型。
是个好事，大幅拉近和国际模型的 Coding 差距。就是对用户来说，有些乱花渐欲迷人眼，不知该用啥。
周末提前测到了智谱新出的 GLM-4.5，体验后，觉得非常有必要单开一章安利。
文内所有配图，均为 GLM-4.5 通过前端代码生成，为自己配图
我精心设计了一些 Benchmark，对 GLM 进行了详细测试。
比如，这是用 GLM-4.5 一句话生成的在线文档平台，能创建、编辑，分享文档，甚至自动接入 AI 功能，提供 AI 摘要、AI 内容续写的能力：
也先分享这几个关键进步：
1. 在国内模型中率先支持推理的 Agentic 模型，需求指令理解更好了
2. 在较长上下文中，记忆保持还不错
3. 前端代码审美，持平或超过 Claude 4、Gemini Pro（而且后端构建也一点不弱）
4. 生成速度快，是真的快。快就是真谛，Coding 顺畅了很多。我会愿意把 GLM-4.5 作为近期的主力 Coding 模型。
用一句话说：如果有 Coding、Agent 任务需求，值得上手自测，我觉得不会浪费时间。
尤其是 z.ai 还提供了一个非常好用的 Full-Stack 模式，能在网页对话中，一句话直接构建带前后端、AI 能力的多页面应用。
先一图流了解 GLM-4.5 参数、价格
智谱一共发了 3 款模型：
GLM-4.5，大杯，355B-A32B；GLM-4.5-Air，中杯，106B-A12B；GLM-4.5-Flash，完全免费。
把官方介绍制作为一图流，方便查看：
有几个点可以留意：
- 大杯参数仅有DeepSeekR1的1/2，KimiK2的1/3
- 单轮最大输出9.8wtoken，生成速度非常快，高速版每秒达100tokens
- 全面开源，采用最宽松的MITLicense（任何人只要在软件中保留原始版权声明，即可随意商用分发）
特别的，关于价格：
- 旗舰版在最大输入输出下，结合官方的5折活动，也低至输入2元/百万tokens，输出8元
- 以及GLM-4.5-Flash，中小开发者可以留意下，完全免费
也就是说，只要实测效果良好，GLM-4.5 综合优势就将稳居现阶段的国产 Agentic 模型前列。
💻 横测 GLM-4.5 水准：基础代码生成
还是那句话：SOTA 并不直观，还得体感实测，更能给自己试着切换主力模型的信心。
我直接把 GLM-4.5 和当红 Kimi K2、Qwen3-coder，以及老员工 Gemini 2.5 Pro、Claude Sonnet 4 拿出来尽可能做一下对比。
考虑到横测对象均为旗舰版，GLM 也默认旗舰版。每项测试的 Prompt 均会附在测试小节的末尾。
1）长上下文注意力与前端设计：一图流生成对比
这是我最喜欢的快速实测，让模型阅读一篇长文，自行提炼关键内容，并生成便于阅读的一图流网页。
同时考验模型的逻辑分析、长上下文记忆保持、幻觉问题，以及前端 Coding 的质量与设计审美。
测了一些 Case，举两个例子：
1. 先是总结我翻译的 Manus Context 工程经验，5000 字左右：GLM 4.5 表现良好，内容要点总结精准，有比较积极的配图倾向
2. 然后试了下更长的万字 2025 上半年AI 产品推荐的长文：GLM 4.5 在更长文的任务中，关键要点提炼、布局呈现优秀，无幻觉
总结更多次反复测试的体感如下：
- 从内容取舍与排版理解上来说：GLM-4.5、Gemini由于支持Thinking，相对于国产NoThinking模型更占优势。
- 看前端样式：更多次测试中，GLM-4.5、Gemini2.5Pro给出的设计下限普遍更高（其他几家也不差）。
- 说起均衡生成速度：GLM-4.5的速度应该是最快的一档，这个给Coding带来的体验就很好。众所周知，AICoding离不开多轮渐进与递归提示，生成太慢容易抓瞎和暴躁。速度大于or约等于Gemini2.5Pro、Qwen
所以这个任务里优选推荐模型的话，体感排序：GLM-4.5 ≈ Gemini 2.5 Pro ＞ Kimi K2 ≈ Qwen3-Coder > Claude Sonnet 4
BTW：如果有兴趣测试，或有做图需求，这是同款 Prompt：
## 以下是我的文章：
[粘贴文章内容]
## 任务
我是[个人身份、作图用途]。请阅读我的文章中的要点，帮我用类似苹果发布会PPT的Bento Grid风格的视觉设计生成一个中文动态网页展示，具体要求为：
– 尽量在一页展示全部信息，背景为白色、文字和按钮颜色为纯黑色，高亮色为#4D6BFE
– 强调超大字体或数字突出核心要点，画面中有超大视觉元素强调重点，与小元素的比例形成反差
– 网页需要以响应式兼容更大的显示器宽度比如1920px及以上
– 中英文混用，中文大字体粗体，英文小字作为点缀
– 简洁的勾线图形化作为数据可视化或者配图元素
– 运用高亮色自身透明度渐变制造科技感，但是不同高亮色不要互相渐变
– 数据可以引用在线的图表组件，样式需要跟主题一致
– 使用HTML5、TailwindCSS 3.0+（通过CDN引入）和必要的JavaScript
– 使用专业图标库如Font Awesome或Material Icons（通过CDN引入）
– 避免使用emoji作为主要图标
– 不要省略内容要点，禁止编造文内未出现的数据
2）多项复杂指令遵循：一次性生成富交互工具
在 AI Coding 的实际任务里，大部分情况是给 AI 一大段话，里面包含复数个需求，考验复杂指令遵循度。
挑战一个复杂的前端富交互的编辑器开发任务。要求 AI 一次性生成一个可增删、拖拽、改字体、颜色、大小的内容编辑器。
并对 UI 样式进行特定要求：“实用主义设计风格、中性灰配色”
该任务的复杂度，主要在一次性需要完成多项要求，实现复杂的 UI 交互、DOM操作、对应用状态、以及 UI 样式的精确控制。
对真人开发来说，从头开发比较麻烦，一般会选择找开源组件改一下，而不会费劲造新轮子。（下面是我资深前端开发朋友的看法）
以下是 5 个 AI 的执行结果：
- 从任务要求完成度来看：ClaudeSonnet4实现了全部要求。GLM-4.5只有1项未完成要求，整体表现靠前。
- 样式遵循方面：各家对于轻量设计要求，基本都复原的不错，可cover常见coding任务。
- 任务完成速度：最快还是GLM-4.5，比较慢的是KimiK2（但这个很难说严谨，因为官方服务负载也会有影响）
体感排序：Claude Sonnet 4 > GLM-4.5 > Kimi K2 > Qwen3-Coder = Gemini 2.5 Pro
（Kimi 因为当前生成速度，不得不降点分）
测试 Prompt（由于要求比较复杂多样，每次偏差会有些偏差，上文举例取均值表现）：
请为我创建一个简单的拖拽式网页内容构建器。
功能要求：
1）界面分区：左侧是一个“组件”面板，包含几个可拖拽的元素，如“标题”、“段落”、“代码块”、“按钮”。右侧是一个“文章画布”区域
2）拖拽与放置 (Drag & Drop)：用户可以从左侧面板将组件拖拽到右侧画布中，并能放置在画布的不同位置
3）动态渲染：组件被放置到画布上后，应立即渲染成对应的 HTML 元素
4）内容编辑：用户可以直接点击画布上的文字类组件，并就地编辑 (in-place editing) 其文本内容
5）属性配置：当用户选中画布上的某个组件时，组件右上角显示删除按钮，点击后可删除组件；画布右侧弹出一个简单的属性面板：可切换字体（衬线体和非衬线体 2种）、字体大小、对齐方式（左、右、居中）、颜色
6）组件排序：画布上的组件支持拖拽更改排序7）数据结构：整个画布的内容需要能被序列化成一个 JSON 结构8）实时数据结构视图：画布下方常驻一个“数据结构”面板。以格式化后的代码块形式，实时显示当前画布所有内容的完整 JSON 结构。当我对画布进行任何操作（新增、删除、修改内容、拖拽排序）时，这个 JSON 视图都必须立即、准确地同步更新
样式要求：采用现代简约的实用主义设计风格：使用中性灰色调配色方案，清晰的功能分区布局，充足的留白和8-20px间距，微妙的交互动效（悬停时轻微位移+阴影），圆角边框（4-8px），功能性优于装饰性，注重信息层次和操作流畅性
严格按以上要求开发，禁止添加其他功能，禁止忽略以上任何要求
💎 Full-Stack 模式： 重头戏，比模型更惊喜
测试完基础性能后，非常非常非常值得一提的是：
除了通过 Chat 或 API 调用GLM-4.5 之外，z.ai 官网还提供了一个方便创作者的「Full-Stack」全栈模式。
你可将其理解为类似 Lovable、Bolt.new 的功能模式。
能够在网页对话中，一次性生成带有前后端的全栈、多页面应用，并发布到公网上。无需配置开发环境，也不用考虑部署问题。
测试如下：
1）创建一个可在线分享的在线文档应用
比如文章开头的在线文档应用，使用的就是 Full-Stack 模式，在网页对话中花了 10 分钟一次性生成的应用 Demo。
任务记录：
https://chat.z.ai/s/29968fdc-53f2-4605-ae71-4ae32e920ca4
做一个在线文档工具，可创建多份在线文档，可一键分享文档链接
在这个过程中，GLM-4.5 就如同“云端” Cursor、Windsurf 一样， 自行规划任务步骤、读取应用空间内的文件目录与内容。
并自行创建、编辑不同类型的代码文件，实现完整应用构建。
如果有新迭代需求，或对某个功能/Bug 不满意，也能直接自然对话，提出要求反复修改。
在这个模式下，AI 还会自行展开顺畅的测试，自动改进迭代中可能的 Bug。
全过程无需人为提示 Debug，直出了 100% 可用的预期应用。
2）更高要求：让 AI 自己，做 AI 功能
顺应 AI 应用开发潮流，你还可以让 GLM-4.5 在应用中，自行添加 AI API，按口头需求编写 Prompt，构建 AI 功能。
我也做了一系列测试，比如在文档详情页添加 AI 自动摘要功能：
直出的效果大概是这样的，能够根据文章内容与编辑情况，在发布后自动更新 AI 摘要：
测试下来，可用率 100%
再进一步难度，AI 段落补全：
即编辑文档时，实时读取上文内容，提供 AI 段落补全建议
而下图就是开发效果，也是在 2 轮自然要求内，完美达成了预期目标：
3）一键部署服务到公网
如果你喜欢自己的 Coding 结果，别忘了在 Full-Stack 模式右上角点一下「Publish」，就可以一键把服务部署到公网，分享给更多用户使用：
注意：
自从昨天 GLM-4.5 公开发布后，因为反响相当不错，官方服务短期有波动，可能会出现 AI API 报错。遇到了可以刷新页面后，发送“继续”或点击“重试”按钮以推进任务。
Coding 成果在 Publish 后，可能会出现多页面跳转问题，官方正在修复中。（Preview 下没问题）
当然，这些 Coding 效果当然不只是在 Full-Stack 模式下才能达到，更多是 GLM-4.5 基模的自身能力。
下面我也整理推荐了一些使用 GLM-4.5 的方法，任何人都能找到合适的选择。
👉 GLM-4.5 使用途径推荐
如果你是非技术用户：首推 z.ai
不知不觉中，z.ai 官方 Chat 平台做得相当好了。
特别是上文详细测试的 Full-stack 模式，这可能是现在国内最适合新手体验 Vibe Coding 的平台。
享受同等 Claude 3.7 效果的 Coding 能力，但无需访问外网、无需下载软件、也不用配置服务器环境，完全免费，就能直接在网页中，用对话生成带前后端的轻量应用，并发布给所有小伙伴使用。
真的非常简单，不需要一点代码知识，建议由此入门尝试 AI Coding 创造万物 Demo 的感觉。
体验地址：https://chat.z.ai/ ，别忘了左上方勾选模型为 GLM-4.5（也可以试试 GLM-4.5-Air，也不弱）
如果是开发者：GLM 版 Claude code
7 月份的国产模型，基本都借着兼容 Anthropic API 格式，无缝支持了 Claude Code。
GLM-4.5 也不例外。
特别值得一提：我实际用下来 GLM 版 Claude Code 十分稳定，测到现在从未出现过 tool use 能力不足，导致的任务失败 的情况。生产速度、任务成功率都相当不错，推荐试用
体验渠道：
1. 在开放平台获取智谱 API Key：
https://open.bigmodel.cn/usercenter/proj-mgmt/apikeys
2. 正常安装 Claude Code，然后运行：
export ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
export ANTHROPIC_AUTH_TOKEN=”your bigmodel API keys”
3. 输入 Claude，启动 GLM-Code 即可
另外，按照 Cursor、Windsurf、Trae 之前接入 Kimi K2 的速度， 在这三者上直接用上 glm-4.5 应该也不需要等上多久了。（Cline 感觉已经比不上其他 AI Coding 产品，遂不再推荐）
🎐 写在最后
这篇文章就不上价值了，因为 GLM 进步本身已经非常明显。
在整个 7 月中，我们都能明显感受到国产模型在 Coding 能力上，纷纷大幅拉近了和 Claude 4 之间的代差。
而在这两天的 GLM-4.5 测试中，其实我最高频的反应是：
- 等等，这还是GLM模型吗？
- 这测下来，体感这是要现阶段国产Coding模型Top1的节奏了？
- 到底是不是我测得还是不够充分，只是刚好没测到短板上？
行文至此，姑且大着胆子，下点个人测试结论：
- 体感判断，在较为完整的中小项目中，GLM-4.5的能力，应该介于Claude3.7～4之间。
- 结合成本、速度、质量，GLM-4.5或许就是当下国产Coding模型的TOP1。
GLM-4.5 带着最低的 API 价格、超快的模型速度，以及接近国际领先的 Coding 能力来了。（群友评论 ⬇️）
可以预见，这个月国内各家 Agentic 模型的进步，将大幅推进国内依赖 AI 代码生成场景的应用推广进度。（无论是 AI Coding 的开发者接受度，还是相关 Agentic 产品应用）
还是那句话，只要你有 Coding、Agent 任务需求，值得上手自测，我觉得不会浪费时间。
也很期待你的实测反应与反馈。
本文由人人都是产品经理作者【一泽Eze】，微信公众号：【一泽Eze】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
