team/team/GLM模型评测报告.md

GLM 模型评测报告

评测时间: 2026-04-15

API 基础验证

通过 curl 直接调用 GLM API（open.bigmodel.cn/api/anthropic），max_tokens=50，回复"OK"。

模型	耗时	状态
glm-4.5	546ms	✓
glm-4.5-air	397ms	✓
glm-4.6	586ms	✓
glm-4.7	1208ms	✓
glm-5	32305ms	✓
glm-5-turbo	606ms	✓
glm-5.1	1507ms	✓

综合任务评测

评测条件

• 任务: 3 个（Python quicksort + docs 文件分析 + Svelte 5 TodoList）
• max_tokens: 4096
• 执行方式: bash 后台并行（4+3 分批）
• 评测 prompt: 统一

结果

模型	耗时	输入tok	输出tok	截断	任务完成	质量
glm-4.5	35.7s	158	6430	否	2/3	可接受
glm-4.5-air	37.4s	1	2555	否	3/3	良好（精简）
glm-4.6	27.7s	101	4096	是	2/3	过度包装 HTML
glm-4.7	28.6s	101	4096	是	3/3	过度包装 HTML
glm-5	27.4s	101	1296	否	3/3	良好
glm-5-turbo	52.7s	101	1390	否	0/3	高峰期限流
glm-5.1	35.2s	101	1314	否	3/3	良好

各模型特性

glm-4.5

• 速度中等（35.7s）
• 输出 token 较多（6430），可能因为 max_tokens 设置较大
• 完成 2/3 任务
• 适合：一般代码生成

glm-4.5-air

• 速度中等（37.4s），但输入 token 计数异常（1 tok，可能 tokenizer 不同）
• 输出精简（2555 tok），完整完成 3 个任务
• 适合：需要精简输出的场景，token 敏感场景

glm-4.6

• 速度较快（27.7s）
• 问题: 倾向于生成 HTML 包装页面（含 Tailwind CSS、SVG 图标），导致 4096 token 截断
• 实际代码被 HTML 结构淹没，不适合纯代码任务
• 适合：需要 HTML 展示效果的场景

glm-4.7

• 速度较快（28.6s）
• 与 glm-4.6 类似，生成 HTML 包装页面导致截断
• 代码质量本身尚可，但被过度包装
• 适合：需要 HTML 展示效果的场景

glm-5

• 速度最快（27.4s）
• 输出精炼（1296 tok），完整完成 3 个任务
• 代码质量好，输出格式清晰
• 适合：日常开发，代码生成和文件分析

glm-5-turbo

• 不稳定：高峰期限流（code 1305），非高峰 52.7s
• 首次并发测试无响应，重试后成功但较慢
• 适合：非高峰时段的快速任务

glm-5.1

• 速度中等（35.2s）
• 输出精炼（1314 tok），完整完成 3 个任务
• 代码质量好，输出格式清晰
• 推荐: 日常开发首选

推荐方案

场景	推荐模型	别名
日常开发（默认）	glm-5.1	cc / cc51
快速任务	glm-5	cc5
省 token	glm-4.5-air	cc45a
HTML 生成	glm-4.7	cc47

Claude Code 真实环境测试

以下为通过 ccX 命令启动 Claude Code 实际会话的测试结果

模型	别名	启动耗时	状态栏模型名	子 Agent	备注
(待测试)