智谱 GLM-5 免费试用：Pony Alpha 揭秘、744B 架构解析与 Kilo Code 实操指南

从 Pony Alpha 到 GLM-5：一场精心策划的”匿名发布”

2026 年 2 月 6 日，一个叫 “Pony Alpha” 的模型悄悄出现在 OpenRouter 上。没有发布会，没有官方公告，只有一个匿名的模型 ID。

Reddit 上很快炸了锅。有人拿它跑编程任务，发现表现异常强悍。有人猜是 DeepSeek 的新模型，有人说是 Google 的秘密项目。硅谷的开发者们开始疯狂猜测——到底谁在幕后？

答案在 2 月 12 日揭晓：Pony Alpha 就是智谱的 GLM-5。

“Pony” 这个代号来自 2026 年的生肖——马年。智谱选择匿名投放，是为了在没有品牌光环的情况下收集真实的用户反馈。一个中国公司的模型，用英文代号在海外平台上偷偷跑了将近一周，靠实力登上了 OpenRouter 热度榜首。

这个操作本身就说明了一些东西。

GLM-5 的硬参数

先看数据：

744B 总参数，但只激活 40B。MoE（混合专家）架构让模型在保持大规模知识容量的前提下，推理时只调用一小部分参数。换句话说，你用的时候不需要为那 700 多 B 的参数全部买单。

202K 的上下文窗口是个实用的升级。对编程场景来说，一个中型项目的核心代码量通常在几万到十几万 token 之间。202K 意味着模型能一次性读入更多的项目上下文，减少”忘掉前面内容”的问题。

三个架构层面的变化

1. Slime 训练框架

传统大模型的训练方式类似考试——给一道题，模型答一道题，然后打分。Slime 框架换了个思路：让模型去”做项目”。

在 Slime 环境里，模型需要完成完整的工程任务，过程中持续获得反馈。不是回答”这段代码有什么bug”这种单点问题，而是从零开始搭一个功能模块，中间遇到报错就自己修。

这种训练方式更贴近真实的开发场景。人类程序员也不是靠做选择题学会编程的。

2. 稀疏注意力（DeepSeek Sparse Attention）

GLM-5 是第一个集成 DeepSeek Sparse Attention（DSA）的智谱模型。

标准 Transformer 的注意力机制是全量的——每个 token 都要和所有其他 token 做计算。文本越长，计算量呈平方级增长。DSA 的做法是：只计算真正相关的 token 对，跳过那些信息冗余的部分。

实际效果：处理长代码时速度更快，显存占用更低，而输出质量没有明显下降。对开发者来说，好处是部署成本降了一截。

3. 异步智能体强化学习

传统强化学习是同步的——模型做一步，环境给一步反馈，然后做下一步。异步版本让模型可以同时处理多个任务流，从长程交互中学习。

这个改进的直接体现是 Agent 能力。GLM-5 在需要多步骤推理、工具调用、信息检索的任务上表现特别好。

Benchmark：数字说话

GLM-5 在几个关键评测上的成绩：

编程能力

• SWE-bench-Verified：77.8（开源模型最高）
• Terminal Bench 2.0：56.2（开源模型最高）

SWE-bench 测的是真实 GitHub issue 的修复能力——给模型一个 bug 报告和对应的代码仓库，让它自己定位问题、写补丁。77.8 的分数意味着模型能独立解决接近八成的真实软件缺陷。

Agent 能力

• BrowseComp（联网检索与信息理解）：开源 SOTA
• MCP-Atlas（大规模端到端工具调用）：开源 SOTA
• τ2-Bench（复杂场景下自动代理规划与执行）：开源 SOTA

三项 Agent 评测全部拿到开源模型最优。Agent 能力的核心是”自主决策链”——模型不只是回答问题，而是能自己规划步骤、调用工具、处理中间结果、最终交付成果。

综合排名

在 Artificial Analysis 全球模型排行榜上，GLM-5 位列第四、开源第一。排在它前面的三个都是闭源商业模型。

和上一代对比，智谱的内部测试显示 GLM-5 在前端开发、后端开发、长程任务等场景下比 GLM-4.7 平均提升超过 20%。

一个重要的上下文

这些 benchmark 成绩需要客观看待。SWE-bench 和类似的评测，测的是特定维度的能力。实际使用中，模型的表现受 prompt 风格、任务类型、上下文长度等因素影响很大。

GLM-5 的定位是”接近 Claude Opus 4.5 的开源替代”。从数字上看确实在逼近，但”接近”和”等于”之间还有距离。个人建议：把 benchmark 当参考，具体好不好用还得自己跑一跑。

Kilo Code：你现在就能免费用

说完模型本身，说说怎么用。

Kilo Code 是一个开源的 AI 编程助手，VS Code 扩展已有超过 70 万次下载。它从 Cline 和 Roo Code 两个项目 fork 而来，目前在 AI 编程工具赛道上和 Cursor、Cline 直接竞争。

GLM-5 目前在 Kilo Code 上限时免费开放。

怎么开始

VS Code 扩展方式：

1. 在 VS Code 扩展市场搜索 “Kilo Code” 并安装
2. 打开 Kilo Code 面板
3. 在模型选择器中找到 “Z.AI: GLM 5 (free)”
4. 开始使用

CLI 方式：

# 安装 Kilo CLI
# 访问 kilo.ai/cli 获取安装方式

# 启动后选择 GLM 5 (free) 即可

不需要 API Key，不需要付费订阅，直接选模型就能用。

Kilo Code 的几个特点

多模式工作流：Kilo 内置了 Architect（架构师）、Code（编码）、Debug（调试）、Orchestrator（编排器）四种模式。Orchestrator 模式比较有意思——它会把大任务拆成小任务，分别分配给不同的模式代理执行。

并行 Agent：可以同时跑多个 AI 代理处理不同问题。做前端组件的同时让另一个 agent 写后端接口，互不干扰。

Memory Bank：项目级别的记忆功能。它会存储你的架构决策、代码风格偏好、项目上下文，下次打开项目时 agent 能直接”记住”之前的信息。

MCP Marketplace：内置 MCP 服务器市场，可以给 agent 扩展工具能力。比如连数据库、调 API、操作文件系统等。

和其他 AI 编程工具对比

2026 年的 AI 编程工具市场相当拥挤。简单对比一下几个主流选手：

Kilo 的差异化在于它同时支持 500 多个模型，价格透明（按模型供应商原价计费，零加价），而且 GLM-5 目前免费。如果你想零成本体验一个接近前沿水准的编程模型，现在是个好时机。

实际体验：GLM-5 能做什么

基于社区反馈和已有测试，GLM-5 在以下场景表现较好：

代码生成与补全：给出清晰的需求描述，GLM-5 能生成结构合理的代码。对 Python、JavaScript、Go 等主流语言的支持比较全面。

Bug 修复：SWE-bench 77.8 的分数不是白拿的。给它一个 bug 描述和代码上下文，它能准确定位问题并给出修复方案。

代码审查：可以分析代码中的潜在问题，包括性能瓶颈、安全隐患、代码风味等。

长程任务：202K 上下文 + Agent 能力的组合，让它能处理需要多步骤完成的复杂任务。比如”读完这个仓库的代码，理解架构，然后加一个新功能”这种需要长链推理的请求。

多语言支持：中文和英文的理解生成能力都不错。对于中国开发者来说，用中文描述需求、生成英文代码注释这种混合场景比较顺畅。

需要注意的地方

免费试用有时间限制。Kilo 官方页面显示到 2 月 14 日截止，但实际截止时间可能调整。建议趁现在赶紧体验。

免费期结束后的定价还没公布。参考 Kilo 平台上 GLM-4.7 的价格是 $0.40/M input tokens，GLM-5 大概率会更贵。有社区反馈称 GLM-5 的成本大约是 GLM-4.7 的 2 倍，但如果一次 GLM-5 调用能完成两次 GLM-4.7 才能做完的事，综合成本其实差不多。

国产算力适配：为什么这件事重要

GLM-5 已经完成了和七家国产芯片平台的推理适配：

• 华为昇腾
• 摩尔线程
• 寒武纪
• 昆仑芯
• 沐曦
• 燧原
• 海光

对于国内企业来说，在国产算力上跑大模型是个硬需求。很多场景下 NVIDIA GPU 的采购受限，能在国产芯片上稳定运行的前沿模型选择并不多。GLM-5 在这个方向上走得比较靠前。

模型以 MIT 许可证开源，意味着商用无限制。你可以下载权重、做微调、部署私有化服务，不需要额外的商业授权。

开源与市场反应

GLM-5 在 Hugging Face 和 ModelScope 上都已开源。MIT License，无使用限制。

资本市场的反应很直接——智谱 AI 港股两日累计上涨约 60%。市场显然认为 GLM-5 的技术水准和开源策略具有商业价值。

从行业角度看，2026 年 2 月是国产大模型的集中爆发期。GLM-5 和 DeepSeek 新版、MiniMax M2.5 几乎同一天发布。国产模型在编程和 Agent 能力上正在快速追赶甚至超越海外闭源模型，开源社区的选择越来越多。

上手指南：5 分钟跑通

如果你只是想快速试试 GLM-5 的效果，最简单的路径：

第一步：安装 Kilo Code

打开 VS Code，搜索并安装 Kilo Code 扩展。

第二步：选择模型

安装完成后，打开 Kilo Code 侧边栏，在模型选择器中选 “Z.AI: GLM 5 (free)”。

第三步：开始对话

试几个任务感受一下：

// 任务1：代码生成
"用 Go 写一个并发安全的 LRU 缓存，支持过期淘汰"

// 任务2：Bug 修复
"这段代码在并发场景下会 panic，帮我分析原因并修复"
// [粘贴你的代码]

// 任务3：代码审查
"审查以下 Python 代码的安全性和性能问题"
// [粘贴你的代码]

第四步（可选）：试试 Architect 模式

切换到 Architect 模式，让 GLM-5 先分析你的项目结构，再给出实现方案。对于复杂任务，先规划再动手通常效果更好。

我的判断

GLM-5 是目前开源模型中编程能力最强的选项之一。744B 参数、MoE 架构、DSA 稀疏注意力的组合，让它在性能和成本之间找到了一个不错的平衡点。

Pony Alpha 的匿名发布策略很聪明。让产品在没有品牌预设的情况下接受检验，比发布会上放 PPT 有说服力。

Kilo Code 提供的免费试用窗口是个低成本的体验入口。不需要自己部署模型、不需要申请 API Key、不需要花钱——打开 VS Code 选个模型就能开始。这种体验门槛对于大多数开发者来说基本为零。

GLM-5 能不能在日常开发中替代 Claude 或 GPT？这个问题没有统一答案。不同的代码库、不同的编程语言、不同的任务复杂度，模型的表现差异很大。benchmark 分数接近不等于所有场景都接近。

建议：趁免费窗口期，拿你自己项目里的真实任务去测。自己跑出来的结果比任何 benchmark 都靠谱。