智谱GLM-5这次开源，让高级程序员也危险了...
真的，2026年的AI比25年疯太多了。
最近我这个一天16个小时泡在AI里面的人，都有点追不上AI进化的速度。感觉每天一睁眼，世界就变了个样。
这不，昨天深夜，智谱又放了个大招，直接开源了他们目前最强的旗舰模型：GLM-5。
在全球权威的Artificial Analysis榜单里面，GLM-5超越Gemini干到了全球第四、开源第一！
还真是如我所料啊，记得上次GLM-4.7发布的时候，我就在文章里跟兄弟们预测了一波：盲猜GLM-4.8或者GLM-5将在春节前夕发布，没想到真来了，哈哈😄
而且这次的版本号终于不像之前那样4.5、4.6、4.7这样挤牙膏式的更新了，这次直接干到了5.0。
这就说明，不是什么小修小补，是底座能力的大跨越。
先给大家介绍一下，这次GLM-5到底更新了啥：
简单来说，之前的模型，大家普遍都在卷Vibe Coding，就是所谓的一句话生成，看谁生成的网页特效更炫酷，看谁能一句话搓个炫酷的游戏。
但GLM-5这次不跟你卷这个了（终于！），它把大模型的能力从写代码，提升到能构建系统。
什么意思呢？它的重心不再是写漂亮的前端页面，而是进化成了一个能干脏活、累活、做长任务的系统架构师。
强调的是Agentic Engineering，也就是智能体工程能力。
我看了下官方的数据，参数规模从355B干到了744B（激活40），预训练数据从23T提升到了28.5T。
在SWE-bench-Verified这个公认的编程基准测试里，得分77.8，直接把Gemini 3 Pro甩在了身后，和目前公认的最强闭源模型Claude Opus 4.5可以说是不相上下。
目前在z.ai上面就可以免费使用：
开源地址:
GitHub：https://github.com/zai-org/GLM-5
Hugging Face：https://huggingface.co/zai-org/GLM-5
ModelScope：https://modelscope.cn/models/ZhipuAI/GLM-5
其实在前几天，X上就突然冒出来一个叫Pony的神秘模型。
当时很多朋友都在猜，这个Pony到底是哪路神仙？众说纷纭
其实代号Pony的模型就是GLM-5，至于为什么叫Pony呢，大概是因为马年快到了吧🤔。
我当时也第一时间从OpenRouter把Pony接入到Claude Code里试用了一下，说实话，真滴很强（在X上热度也是非常高）。
只花了7分钟，一次性生成了一个API中转站！
虽然还是MVP Demo，但是页面功能已经很齐全了，而且包含后端逻辑，以及数据库，数据是动态的，麻雀虽小五脏俱全。
在深度体验后，我发现GLM-5在制定计划的时候，那种味道，太像Claude Opus了。
熟悉Claude Opus的朋友都知道，在干活之前，可以用它会给你列一个非常详细、逻辑严密的计划。
GLM-5现在也有了这个能力。
比如，我有一个一直想做，但是因为懒一直没动手的事儿。
我手头有Gemini、ChatGPT、Kimi、智谱等等一堆会员账号。
平时写文章或者查资料的时候，有些问题我经常会想听听多个AI的意见，综合对比一下。 ਫਿਰ ਮੈਨੂੰ ਕਈ ਬ੍ਰਾਊਜ਼ਰ ਵਿੰਡੋਜ਼ ਖੋਲ੍ਹਣੀਆਂ ਪੈਣਗੀਆਂ, ਵੱਖ-ਵੱਖ ਵਿੰਡੋਜ਼ ਨੂੰ ਕਾਪੀ ਕਰਕੇ ਬਦਲਣਾ ਪਵੇਗਾ, ਕਈ ਵਾਰ ਪੇਸਟ ਕਰਕੇ ਭੇਜਣਾ ਪਵੇਗਾ, ਅਤੇ ਫਿਰ ਨਤੀਜੇ ਦੇਖਣ ਲਈ ਵਾਰੀ-ਵਾਰੀ ਵਿੰਡੋਜ਼ ਨੂੰ ਬਦਲਣਾ ਪਵੇਗਾ।
ਭਾਵੇਂ ਇਹ ਕੋਈ ਵੱਡੀ ਗੱਲ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਬਹੁਤ ਤੰਗ ਕਰਨ ਵਾਲਾ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਇਹ ਕਈ ਵਾਰ ਹੁੰਦਾ ਹੈ।
ਮੈਂ ਸੋਚ ਰਿਹਾ ਸੀ, ਕੀ ਕੋਈ ਬ੍ਰਾਊਜ਼ਰ ਪਲੱਗਇਨ ਬਣਾਉਣਾ ਸੰਭਵ ਹੈ ਜੋ ਇੱਕੋ ਵਿੰਡੋ ਵਿੱਚ ਇਹਨਾਂ ਚਾਰ AI ਦੇ ਵੈੱਬ ਪਾਸੇ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਇੱਕੋ ਸਵਾਲ ਭੇਜ ਸਕੇ, ਅਤੇ ਫਿਰ ਪਲੱਗਇਨ ਵਿੱਚ ਇਕਸਾਰ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰ ਸਕੇ?
ਪਰ ਇਹ ਚੀਜ਼ ਅਜੇ ਵੀ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ, ਕਿਉਂਕਿ ਹਰੇਕ AI ਵੈੱਬਸਾਈਟ ਦਾ ਢਾਂਚਾ ਵੱਖਰਾ ਹੈ, ਅਤੇ ਇੱਥੇ ਕਈ ਸੁਰੱਖਿਆ ਵਿਧੀਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ DOM ਢਾਂਚੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।
ਇਸ ਲਈ, ਮੈਂ ਇਸ ਗੁੰਝਲਦਾਰ ਕੰਮ ਨੂੰ GLM-5 ਨੂੰ ਸੌਂਪ ਦਿੱਤਾ।
Claude Code ਦੇ Plan Mode ਨੂੰ ਚਾਲੂ ਕਰੋ ਅਤੇ ਪਹਿਲਾਂ ਇਸਨੂੰ ਇੱਕ ਯੋਜਨਾ ਬਣਾਉਣ ਦਿਓ
ਫਿਰ ਇਹ ਮੇਰੇ ਨਾਲ ਗੱਲਬਾਤ ਵੀ ਕਰੇਗਾ ਅਤੇ ਮੇਰੀ ਰਾਏ ਪੁੱਛੇਗਾ:
ਅੰਤ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤੀ ਯੋਜਨਾ ਬਹੁਤ ਵਿਸਤ੍ਰਿਤ ਹੈ, ਇਹ ਸੱਚਮੁੱਚ ਬਹੁਤ ਲੰਬੀ ਹੈ, 633 ਲਾਈਨਾਂ ਹਨ।
ਫਿਰ ਯੋਜਨਾ ਦੇ ਅਨੁਸਾਰ ਕੰਮ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰੋ, ਮੈਨੂੰ ਉਮੀਦ ਨਹੀਂ ਸੀ ਕਿ ਪਹਿਲਾ ਕਦਮ, ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨਾ, 50 ਮਿੰਟ ਤੋਂ ਵੱਧ ਸਮਾਂ ਲਵੇਗਾ..
ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ, ਇਸਨੇ ਆਪਣੇ ਆਪ ਹੀ Playwright MCP ਟੂਲ ਨੂੰ ਬੁਲਾਇਆ, ਬ੍ਰਾਊਜ਼ਰ ਖੋਲ੍ਹਿਆ, ਅਤੇ ਉਹਨਾਂ ਕਈ AI ਵੈੱਬਸਾਈਟਾਂ 'ਤੇ ਗਿਆ।
ਇਹ ਇੱਕ ਅਸਲੀ ਪ੍ਰੋਗਰਾਮਰ ਵਾਂਗ ਹੈ, ਤੱਤਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਇਹ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਕਿ ਇਨਪੁਟ ਬਾਕਸ ਕਿੱਥੇ ਹੈ, ਭੇਜਣ ਵਾਲੇ ਬਟਨ ਦਾ ਕਲਾਸ ਕੀ ਹੈ, ਵਾਪਸ ਆਉਣ ਵਾਲੇ ਟੈਕਸਟ ਸਟ੍ਰੀਮ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ... ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਆਪਣੇ ਆਪ ਹੈ, ਮੈਂ ਕੋਡ ਦੀ ਇੱਕ ਵੀ ਲਾਈਨ ਨਹੀਂ ਲਿਖੀ।
PS: ਰਿਕਾਰਡ ਕਰਨਾ ਭੁੱਲ ਗਿਆ, ਕਿਉਂਕਿ ਮੈਂ ਉਸੇ ਸਮੇਂ ਦੂਜੀਆਂ ਵਿੰਡੋਜ਼ ਵਿੱਚ ਇੱਕ ਹੋਰ ਕੰਮ ਚਲਾ ਰਿਹਾ ਸੀ
ਉਡੀਕ ਕਰਨੀ ਲਾਭਦਾਇਕ ਹੈ, ਮੈਂ ਇੱਕ ਵਾਰ ਸਵਾਲ ਪੁੱਛਣਾ ਚਾਹੁੰਦਾ ਸੀ, ਅਤੇ ਪੂਰੇ ਨੈੱਟਵਰਕ ਦੇ AI ਨੇ ਇੱਕੋ ਸਮੇਂ ਜਵਾਬ ਦਿੱਤਾ, ਪਲੱਗਇਨ ਇਸ ਤਰ੍ਹਾਂ ਤਿਆਰ ਹੋ ਗਿਆ।
ਇਹ ਬਿਲਕੁਲ ਉਹੀ ਹੈ ਜੋ ਮੈਨੂੰ ਚਾਹੀਦਾ ਸੀ～
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕੀ ਮੈਂ ਪਹਿਲਾਂ ਇੱਕ ਡਿਜੀਟਲ ਮਾਰਕੀਟਿੰਗ ਵੀਡੀਓ ਇੱਕ-ਕਲਿੱਕ ਜਨਰੇਸ਼ਨ ਪਲੇਟਫਾਰਮ ਨਹੀਂ ਬਣਾਇਆ ਸੀ।
ਬਾਅਦ ਵਿੱਚ ਬਿਹਤਰ ਅਨੁਭਵ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਮੈਂ ਫਰੰਟਐਂਡ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਇਆ, ਅਤੇ ਇਸ ਦੁਬਾਰਾ ਬਣਾਉਣ ਨਾਲ, ਪੂਰਾ ਪ੍ਰੋਜੈਕਟ ਇੱਕ ਗੜਬੜ ਬਣ ਗਿਆ: ਫਰੰਟ ਅਤੇ ਬੈਕਐਂਡ ਇੰਟਰਫੇਸ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ, ਬੈਕਐਂਡ ਦੇ ਕੁਝ ਪੁਰਾਣੇ ਤਰਕ ਨਵੇਂ ਫਰੰਟਐਂਡ ਦੇ ਸਾਹਮਣੇ ਨਹੀਂ ਚੱਲ ਸਕਦੇ, ਬਹੁਤ ਸਾਰੇ ਬੱਗ ਹਨ, ਅਤੇ ਇਸਨੂੰ ਠੀਕ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ।
ਇਸ ਵਾਰ, ਮੈਂ Claude Code ਵਿੱਚ plan mode ਨੂੰ ਚਾਲੂ ਕੀਤਾ, ਅਤੇ ਫਿਰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਮੁੱਖ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਬੱਗ ਲੱਭਣ ਅਤੇ ਬੱਗ ਠੀਕ ਕਰਨ ਦਾ ਕੰਮ GLM-5 ਨੂੰ ਸੌਂਪ ਦਿੱਤਾ
ਪਹਿਲਾਂ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਯੋਜਨਾ ਬਣਾਓ:
ਯੋਜਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਮੈਂ ਇਸਨੂੰ ਕੰਮ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਨ ਦਿੱਤਾ (ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਬ੍ਰਾਊਜ਼ਰ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਬ੍ਰਾਊਜ਼ਰ mcp ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ)।
ਇਸਦੀ ਚੱਲਣ ਦੀ ਗਤੀ ਤੇਜ਼ ਨਹੀਂ ਹੈ।
ਪਰ ਇਹ ਮਾਡਲ ਹੌਲੀ ਹੋਣ ਕਾਰਨ ਨਹੀਂ ਹੈ, ਬਹੁਤ ਵਾਰ, ਮੈਂ ਟੋਕਨ ਦੀ ਖਪਤ ਦੀ ਗਤੀ ਨੂੰ ਦੇਖਦਾ ਹਾਂ, ਇਹ ਅੱਖਾਂ ਨਾਲ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਕਿ ਇਹ ਇੱਕ ਸਕਿੰਟ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਤੱਕ ਵੱਧ ਜਾਂਦਾ ਹੈ।
ਪਰ ਕਿਉਂਕਿ ਕੰਮ ਬਹੁਤ ਗੁੰਝਲਦਾਰ ਹੈ, ਇਸ ਲਈ ਇਸਨੂੰ ਲਗਾਤਾਰ ਸਵੈ-ਪ੍ਰਤੀਬਿੰਬਤ ਕਰਨ, ਟੂਲ ਬੁਲਾਉਣ ਅਤੇ ਟੈਸਟ ਚਲਾਉਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਕੁਝ ਸਮਾਂ ਨਿਰਭਰਤਾ ਡਾਊਨਲੋਡ ਕਰਨ ਜਾਂ ਕਮਾਂਡਾਂ ਚਲਾਉਣ ਵਿੱਚ ਵੀ ਖਰਚ ਹੁੰਦਾ ਹੈ।
ਇਸ ਫਿਕਸਿੰਗ ਟਾਸਕ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਵੀ 40 ਮਿੰਟ ਤੋਂ ਵੱਧ ਸਮਾਂ ਲੱਗਿਆ।
ਕੁਝ ਦੋਸਤ ਕਹਿ ਸਕਦੇ ਹਨ, 40 ਮਿੰਟ? ਮੈਂ ਇਹ ਪਹਿਲਾਂ ਹੀ ਲਿਖ ਲਿਆ ਹੁੰਦਾ।
emmm, ਪਰ ਇਹਨਾਂ 40 ਮਿੰਟਾਂ ਵਿੱਚ, ਮੈਂ ਰਿਕਾਰਡਿੰਗ ਚਾਲੂ ਕੀਤੀ, ਵੀਡੀਓ ਦੇਖੇ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਕੁੱਤੇ ਨੂੰ ਵੀ ਸੈਰ ਕਰਵਾਈ।
ਅਤੇ ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮੇਰੀ ਮਦਦ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਹ ਉਸ ਕਿਸਮ ਦਾ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਸਿਰ ਦਰਦ ਕਰਨ ਵਾਲਾ ਹੈ, ਬੱਗ ਲੱਭਣਾ ਅਤੇ ਦੁਬਾਰਾ ਬਣਾਉਣਾ।
ਭਾਵੇਂ ਇਹ ਹੌਲੀ ਚੱਲਦਾ ਹੈ, ਪਰ ਅੰਤ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤਾ ਪ੍ਰਭਾਵ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਜਦੋਂ ਮੈਂ ਇਸਨੂੰ ਚਲਾਉਂਦਾ ਹਾਂ, ਤਾਂ ਚੰਗਾ ਹੈ, ਸਮੱਸਿਆਵਾਂ ਅਸਲ ਵਿੱਚ ਹੱਲ ਹੋ ਗਈਆਂ ਹਨ।
ਕਿਰਪਾ ਕਰਕੇ VCR ਦੇਖੋ:
ਇੱਥੇ ਕੁਝ ਪ੍ਰਭਾਵ ਹਨ ਜੋ ਮੈਂ ਬਾਅਦ ਵਿੱਚ ਟੈਸਟ ਕਰਦੇ ਸਮੇਂ ਛੋਟੇ ਬੱਗ ਲੱਭੇ, ਅਤੇ ਫਿਰ ਇਸਨੂੰ ਠੀਕ ਕਰਨ ਅਤੇ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਕਿਹਾ।
ਪਰ ਬੱਗ ਠੀਕ ਕਰਨ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਮੈਂ ਇਸਨੂੰ ਸੌਂਪਣ ਲਈ ਸੱਚਮੁੱਚ ਰਾਹਤ ਮਹਿਸੂਸ ਕਰਦਾ ਹਾਂ।
ਪਹਿਲਾਂ, ਮੈਂ ਦੂਜੇ AI ਦੀ ਵਰਤੋਂ ਬੱਗ ਠੀਕ ਕਰਨ ਲਈ ਕਰਦਾ ਸੀ, ਮੈਨੂੰ ਅਕਸਰ ਚਿੰਤਾ ਹੁੰਦੀ ਸੀ ਕਿ ਬੱਗ ਜ਼ਿਆਦਾ ਤੋਂ ਜ਼ਿਆਦਾ ਠੀਕ ਹੋ ਜਾਣਗੇ, ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਜ਼ਿਆਦਾ ਤੋਂ ਜ਼ਿਆਦਾ ਗੜਬੜ ਹੋ ਜਾਵੇਗਾ, ਖਾਸ ਤੌਰ 'ਤੇ ਪੂਰਬੀ ਕੰਧ ਨੂੰ ਢਾਹ ਕੇ ਪੱਛਮੀ ਕੰਧ ਦੀ ਮੁਰੰਮਤ ਕਰਨਾ..
ਪਹਿਲਾਂ, ਇਸ ਸਮੱਸਿਆ ਤੋਂ ਬਚਣ ਲਈ, ਮੈਨੂੰ AI ਨੂੰ ਸੀਮਤ ਕਰਨ ਲਈ ਕਈ ਇੰਜੀਨੀਅਰਿੰਗ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਪੈਂਦੀ ਸੀ।
ਉਦਾਹਰਨ ਲਈ, ਹਰ ਵਾਰ ਸੋਧ ਦੀ ਰੇਂਜ 'ਤੇ ਜ਼ੋਰ ਦਿਓ, ਜਾਂ ਇਹਨਾਂ ਨੂੰ ਨਿਯਮਾਂ ਵਿੱਚ ਲਿਖੋ, ਜਾਂ ਹਰ ਵਾਰ ਸਿਰਫ ਇੱਕ ਬੱਗ ਠੀਕ ਕਰੋ, ਅਤੇ ਹਰ ਵਾਰ ਸੋਧ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਮੈਨੂੰ ਦੂਜੇ ਫੰਕਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨੀ ਪੈਂਦੀ ਹੈ... ਵੈਸੇ ਵੀ, ਇਹ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ।
ਪਰ GLM-5 ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬੱਗ ਠੀਕ ਕਰਨ ਦਾ ਅਨੁਭਵ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਗਿਆ ਹੈ।
ਮੈਨੂੰ ਸਿਰਫ਼ ਮੌਜੂਦਾ ਸਥਿਤੀ ਦਾ ਵਰਣਨ ਕਰਨ, ਇਸਨੂੰ ਗਲਤੀ ਲੌਗ ਦੇਣ, ਅਤੇ ਇਸਨੂੰ ਦੱਸਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਮੈਂ ਕੀ ਪ੍ਰਭਾਵ ਚਾਹੁੰਦਾ ਹਾਂ।
ਇਹ ਲਗਭਗ ਹਰ ਵਾਰ ਸਫਲਤਾਪੂਰਵਕ ਠੀਕ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਹ ਦੂਜੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਬਿਲਕੁਲ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰੇਗਾ।
ਇੱਥੋਂ ਤੱਕ ਕਿ, ਇੱਕ ਗੱਲਬਾਤ ਵਿੱਚ, ਮੈਂ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਲੱਭੇ ਗਏ ਚਾਰ ਵੱਖ-ਵੱਖ ਬੱਗਾਂ ਨੂੰ ਇਸਨੂੰ ਦੇ ਦਿੱਤਾ, ਅਤੇ ਇਹ ਉਹਨਾਂ ਨੂੰ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਠੀਕ ਕਰ ਸਕਦਾ ਹੈ।
ਇਹ ਸਥਿਰ ਭਾਵਨਾ ਸੱਚਮੁੱਚ ਬਹੁਤ ਆਰਾਮਦਾਇਕ ਹੈ।
ਹੁਣ ਮੈਂ GLM-5 ਨੂੰ ਕੋਈ ਵੀ ਗੁੰਝਲਦਾਰ ਵਿਕਾਸ ਕਾਰਜ ਪੂਰਾ ਕਰਨ ਲਈ ਸੌਂਪਣ ਲਈ ਰਾਹਤ ਮਹਿਸੂਸ ਕਰ ਸਕਦਾ ਹਾਂ, ਅਤੇ ਇਹ ਅਸਲ ਵਿੱਚ ਗਲਤੀ ਨਹੀਂ ਕਰੇਗਾ।
ਭਾਵੇਂ ਕਦੇ-ਕਦਾਈਂ ਕੋਈ ਸਮੱਸਿਆ ਹੋਵੇ, ਤਾਂ Claude Code ਵਿੱਚ ਇੱਕ ਰੋਲਬੈਕ ਕਮਾਂਡ ਚਲਾਓ, ਅਤੇ ਦੁਬਾਰਾ ਸ਼ੁਰੂ ਕਰੋ।
ਪੂਰੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ GLM-5 ਨਾਲ ਅਨੁਕੂਲ ਬਣਾਉਣ ਤੋਂ ਬਾਅਦ, ਸਾਰੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਸਲ ਵਿੱਚ ਪੂਰੀਆਂ ਹੋ ਗਈਆਂ ਹਨ।ਮੈਂ ਵੀ ਜਲਦੀ ਹੀ ਇਸ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਓਪਨ ਸੋਰਸ ਕਰਨ ਦੀ ਤਿਆਰੀ ਕਰ ਰਿਹਾ ਹਾਂ (ਮੈਨੂੰ ਅਜੇ ਵੀ ਵੱਖ-ਵੱਖ ਮਾਡਲ API ਬਲਾਕ ਨੂੰ ਬਾਹਰ ਕੱਢਣ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਸੰਰਚਨਾ ਵਿੱਚ ਬਦਲਣ ਦੀ ਲੋੜ ਹੈ)।
"ਆਖਰੀ"
GLM-5 ਦਾ ਅਨੁਭਵ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਮੇਰਾ ਸਭ ਤੋਂ ਵੱਡਾ ਅਹਿਸਾਸ ਇਹ ਹੈ: ਘਰੇਲੂ AI ਅਸਲ ਵਿੱਚ ਖੜ੍ਹਾ ਹੋ ਗਿਆ ਹੈ।
ਕੁਝ ਦਿਨ ਪਹਿਲਾਂ, ByteDance ਦੇ Seedance 2.0 ਨੇ ਰਿਲੀਜ਼ ਕੀਤਾ, ਇਹ ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ ਵੀਡੀਓ ਜਨਰੇਸ਼ਨ ਦੇ ਖੇਤਰ ਵਿੱਚ ਚੀਨੀ ਘਰੇਲੂ ਮਾਡਲ ਵਿਸ਼ਵ ਦੇ ਪਹਿਲੇ ਦਰਜੇ 'ਤੇ ਪਹੁੰਚ ਗਏ ਹਨ, ਸਿੱਧੇ ਤੌਰ 'ਤੇ Sora2 ਅਤੇ Veo3.1 ਨੂੰ ਪਛਾੜਦੇ ਹੋਏ।
ਅਤੇ ਇਸ ਵਾਰ Zhipu GLM-5 ਦੀ ਰਿਲੀਜ਼, ਇੱਕ ਹੋਰ ਹਾਰਡਕੋਰ ਟਰੈਕ AI ਕੋਡਿੰਗ 'ਤੇ, ਇੱਕ ਬਹੁਤ ਹੀ ਵਧੀਆ ਜਵਾਬ ਦਿੰਦੀ ਹੈ।
ਅਸੀਂ ਪਹਿਲਾਂ ਹਮੇਸ਼ਾ ਕਹਿੰਦੇ ਸੀ ਕਿ ਘਰੇਲੂ ਮਾਡਲਾਂ ਵਿੱਚ ਤਰਕਸ਼ੀਲ ਤਰਕ, ਕੋਡ ਲਿਖਣ ਵਿੱਚ, GPT, Claude Opus ਅਤੇ Gemini ਨਾਲੋਂ ਅਜੇ ਵੀ ਪਾੜਾ ਹੈ।
ਪਰ ਅੱਜ, GLM-5 ਨੇ ਸਾਨੂੰ ਠੋਸ ਪ੍ਰਦਰਸ਼ਨ ਨਾਲ ਦੱਸਿਆ: ਇਹ ਪਾੜਾ ਪੂਰਾ ਹੋ ਰਿਹਾ ਹੈ।
GLM-5 ਸਿਰਫ਼ ਇੱਕ ਖਿਡੌਣਾ ਨਹੀਂ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ ਡੈਮੋ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਇਹ ਇੱਕ ਉਤਪਾਦਕਤਾ ਟੂਲ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਤੁਹਾਡੇ ਸਿਸਟਮ ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਲੰਬੇ ਕੰਮਾਂ ਅਤੇ ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।
ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਹ ਓਪਨ ਸੋਰਸ ਹੈ।
ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਹਰੇਕ ਡਿਵੈਲਪਰ, ਹਰੇਕ ਕਾਰੋਬਾਰ, ਘੱਟ ਕੀਮਤ 'ਤੇ ਇੱਕ ਚੋਟੀ ਦੇ AI ਆਰਕੀਟੈਕਟ ਦਾ ਮਾਲਕ ਹੋ ਸਕਦਾ ਹੈ।
ਅਤੇ ਵਰਤਮਾਨ ਵਿੱਚ GLM ਦੀ ਕੋਡਿੰਗ ਯੋਜਨਾ ਵਿਕ ਗਈ ਹੈ, ਅਧਿਕਾਰਤ ਘੋਸ਼ਣਾ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਹੈ ਕਿ ਉਹ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਸਮਰੱਥਾ ਦਾ ਵਿਸਤਾਰ ਕਰ ਰਹੇ ਹਨ, ਅਤੇ ਫੋਕਸ ਇਹ ਹੈ ਕਿ ਇਸ ਵਾਰ ਉਹ ਘਰੇਲੂ ਚਿੱਪਾਂ ਦੇ ਦਸ ਹਜ਼ਾਰ ਕਾਰਡ ਕਲੱਸਟਰਾਂ ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ।
ਹਾਲਾਂਕਿ, ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਵਿੱਚ ਵਧੇਰੇ ਨਿਵੇਸ਼ ਦੇ ਕਾਰਨ, ਕੀਮਤਾਂ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਪਰ ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ ਮੈਨੂੰ ਪਹਿਲਾਂ ਹੀ Max ਪੈਕੇਜ ਮਿਲ ਗਿਆ ਹੈ
ਇੱਥੇ ਇਹ ਵੀ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਚਿੱਪਾਂ ਤੋਂ ਲੈ ਕੇ ਮਾਡਲਾਂ ਤੱਕ, ਹੇਠਲੇ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਤੋਂ ਲੈ ਕੇ ਉੱਪਰਲੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੱਕ, ਅਸੀਂ ਆਪਣਾ ਇੱਕ ਪੂਰਾ ਸੈੱਟ ਬਣਾ ਰਹੇ ਹਾਂ, ਵਿਸ਼ਵ-ਪੱਧਰੀ AI ਤਕਨਾਲੋਜੀ ਸਟੈਕ।
2026 ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਵਿਸਫੋਟ ਦਾ ਸਾਲ ਹੈ, ਅਤੇ ਇੱਕ ਹੋਰ ਪਾਗਲ ਸਾਲ ਵੀ ਹੈ।
ਜੇ ਤੁਸੀਂ ਵੀ ਇੱਕ ਚੋਟੀ ਦੇ AI ਆਰਕੀਟੈਕਟ ਹੋਣ ਦੀ ਇਸ ਭਾਵਨਾ ਦਾ ਅਨੁਭਵ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਜਲਦੀ ਕਰੋ ਅਤੇ GLM-5 ਨੂੰ ਅਜ਼ਮਾਓ।ਸ਼ਰਤ ਇਹ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਮੈਕਸ ਪੈਕੇਜ ਮਿਲਣਾ ਚਾਹੀਦਾ ਹੈ, ਹਾਹਾ।
