Artificial Analysis发布全新基准：GLM-5.1取得全球开源SOTA

5月12日，全球权威评测机构Artificial Analysis发布了一项全新的基准测试——Coding Agent Index。这个新榜单有点意思，它不再单纯看模型本身的“纸面”能力，而是把目光投向了更实际的战场：衡量“Agent harnesses”（可以理解为智能体开发框架或工具链）与具体模型的组合，在解决真实世界编程任务时的综合表现。

评测覆盖了SWE-Bench-Pro-Hard-AA、Terminal-Benchv2和SWE-Atlas-QnA这几个主流且颇具挑战性的编程基准。结果出炉，格局一目了然：闭源模型中，Opus4.7（在CursorCLI环境中运行）拔得头筹；而在开源阵营里，GLM-5.1（在ClaudeCode中运行）的表现最为亮眼，拿下了开源第一的位置。

这个结果传递出一个明确的信号：在贴近实际开发场景的编程智能体（Coding Agent）竞技场上，GLM-5.1所展现的能力，已经代表了当前国产大模型所能达到的顶尖水平（SOTA）。换句话说，当把模型放到具体的工具链和任务环境中去“实战”时，国产力量同样能交出世界级的答卷。这或许比单纯的理论分数，更能说明问题。