GLM-5拿下Vending Bench 2开源第一：一年模拟经营的4432美元

GLM-5拿下Vending Bench 2开源第一：一年模拟经营的4432美元

【免费下载链接】GLM-5GLM-5: From Vibe Coding to Agentic Engineering项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-5

GLM-5 是面向复杂系统工程与长周期智能体任务（Agentic Engineering）的开源大模型。在 Andon Labs 推出的Vending Bench 2基准测试中，GLM-5 需要像一个真实经营者那样，连续 365 天运营一家模拟自动售货机商店——进货、定价、应对突发状况，最终以$4,432的账户余额拿下开源模型第一名，逼近闭源旗舰 Claude Opus 4.5。

Vending Bench 2 是什么：让 AI "开一年店"的长期运营考试

与传统基准考"一次答对"不同，Vending Bench 2 考的是"长期经营"：模型在长达一年的模拟周期内运营一家自动售货机业务，每个经营日都要做出真实决策——该不该补货、商品定价多少、现金如何周转。最终的账户余额，就是模型"经营能力"的分数。

从上图的余额曲线可以直观看到：

• 📈曲线会波动——这正说明模型在真实"经营"：每一次进货、调价、应急处理都会让账户起伏，而非平稳爬升；
• 📊GLM-5（粉色 Z 标识曲线）后半程加速明显，在第 150 天后拉开与其他开源模型的差距，最终登顶开源第一；
• 相比之下，Kimi K2.5-moonshot 在第 100 天后基本进入平台期，MiniMax-M2 全年几乎原地踏步。

这正是长周期任务的分水岭：能否在几百个决策日里持续做出有效判断，而不是"开头猛冲、后劲全无"。

4432美元成绩单：GLM-5 如何拿下开源第一

结合 GLM 官方技术报告中的数据，各模型最终账户余额对比如下：

几个值得关注的点：

• 🥇开源第一：GLM-5 是榜单上最强的开放权重模型，与闭源旗舰 Claude Opus 4.5 的差距仅约 $500；
• 📈较上一代翻倍：相比 GLM-4.7（$2,377），GLM-5 的一年经营收入几乎翻倍，验证了"Vibe Coding 到 Agentic Engineering"的代际跃迁；
• 🧠不止会"管店"：同一张评测图中，GLM-5 在 SWE-bench Multilingual（73.3）、Terminal-Bench 2.0（56.2）、τ²-Bench（89.7）等智能体与编码基准上均取得开源最佳水平，说明长期经营能力并非孤立现象。

更多成绩解读可参考官方中文文档：README_zh.md。

为什么 GLM-5 能管好"一年生意"？

对新手来说，不必纠结架构细节，记住三个关键词即可理解 GLM-5 的优势来源：

1. 更大更省的 MoE 底座：参数规模从 GLM-4.5 的 355B（激活 32B）扩展到744B（激活 40B），预训练数据增至 28.5T tokens——总容量更大，但每次推理只激活 40B 参数，兼顾能力与部署成本。
2. DSA 稀疏注意力：集成 DeepSeek Sparse Attention，在保持长上下文能力的同时大幅压低部署开销。一年经营意味着海量历史决策信息，长上下文能力是"记得住过去、算得出未来"的基础。
3. slime 异步强化学习基础设施：长周期任务的能力来自强化学习训练。GLM 团队自研的 slime 异步 RL 框架提升了训练吞吐，让模型在"经营模拟"这类超长链条任务上反复迭代、持续变强。

技术细节可查阅官方英文文档：README.md。

快速上手：获取与部署 GLM-5

想要亲自验证"一年 4432 美元"的经营能力，可以按以下路径入手：

• 下载权重：GLM-5 与 GLM-5-FP8 的完整权重已开放在 Hugging Face 与 ModelScope 双平台（BF16 / FP8 两种精度），见 README.md 的下载表格；
• 获取仓库：git clone https://gitcode.com/GitHub_Trending/gl/GLM-5，运行依赖见 requirements.txt；
• 本地部署：官方已适配 vLLM、SGLang、KTransformers、Unsloth、Transformers 等主流推理框架，社区贡献的 skills/glm-master-skill/SKILL.md 还整理了 GLM 生态技能与安装入口；
• 国产化部署：昇腾 Ascend NPU 平台支持 vLLM-Ascend、xLLM、SGLang 等框架部署 GLM-5 系列，优化要点可参考 example/ascend.md。

💡小建议：744B 参数模型对硬件要求较高，个人开发者可优先使用 FP8 版本，或直接通过 API 平台体验，再逐步尝试本地部署。

对普通用户意味着什么？

Vending Bench 2 的意义在于：它把"AI 聪不聪明"从一次性的问答考试，变成了一年 365 天的经营实践。GLM-5 拿下开源第一说明——

• 🏪 开源模型已经能承担"长期自主决策"类任务：持续规划、资源管理、应对不确定性；
• 🛠️ "Agentic Engineering"不再是口号：从写一段代码（Vibe Coding），到独立跑完一个长周期项目，这是能力质变；
• 📌 对开发者和团队的启示：交给 AI 的任务越长、越开放，越需要选对底座模型。GLM-5 是目前开源世界里"耐跑"的旗舰选择。

下一次当你需要 AI 连续数小时处理长任务时，不妨拿 GLM-5 的这张"成绩单"作为选型参考。

【免费下载链接】GLM-5GLM-5: From Vibe Coding to Agentic Engineering项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-5