一手实测首个龙虾模型：长路径任务不失误，一人包揽全栈开发

克雷西 2026-03-16 15:39:40 来源：量子位

克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

终于，“养虾人”们也有自己的专属模型了。

就在今天，智谱稍早前开始内测的神秘模型Pony-Alpha-2终于揭开了真实身份——全球首个“龙虾特供”模型GLM-5-Turbo。

而且为了让你更方便地吃虾，这次智谱还专门准备了龙虾套餐，包含个人版和Team版，39元即可获得4000万Token。

如果拿它来做“虾脑”，从零开始定制一套喂饭级的小众旅游攻略，不过是件分分钟的事情。

这个过程当中，像什么深度研究、检索总结还有生成网页那些很长的流程，都能被GLM-5-Turbo安排得有条不紊。

这是因为GLM-5-Turbo深度优化了复杂工作流中的工具调用与多智能体协同能力，在极其吃吞吐量的极限场景中表现出了极强的稳定性。

很容易看出，这些重点优化的能力，全都是面向龙虾场景做的。

在智谱自己组织的“龙虾测试”ZClawBench（题库与测试轨迹已全面公开）当中，它斩获了国产模型综合成绩第一。

而且，这个专为干重活定制的满血大模型，现在直接通过AutoClaw（澳龙）应用就能零门槛直接调用。

“首个龙虾模型”一手体验

那么，这个“龙虾特供”模型到底好不好用呢，咱们接下来就开始吃虾。

智谱前两天刚发过澳龙框架，能把龙虾的安装流程一键搞定，而且GLM-5-Turbo可以在里面直接选择，搞API的过程也被省掉了。

为了方便起见，这次咱们就不搞聊天/办公软件接入，直接在澳龙里和模型对话了。

任务一：小红书文案连载策划

第一个任务，我想体验当一个小红书沙雕博主，同时又想蹭一蹭AI话题，于是我把我的想法告诉了搭载GLM-5-Turbo（由于是抢先体验，我玩的时候模型还叫Pony-Alpha-2）的澳龙。

而且要做就做连载，我告诉它直接给我准备一周的策划，把标题、文案、话题标签、评论区引导话术，还有配图建议，全都给我搞定。

以“AI每天帮我过沙雕生活”为主题，生成一套完整的小红书连载笔记（共7篇），每篇包含吸睛标题、正文故事、配图、评论区引导话术和hashtags。

不一会儿，澳龙就把这七天的文案全都准备好了，同时给出了我发布节奏建议，整套方案全都是文案本体，没有半点废话。

而且每篇结尾都埋下了“未完待续”的钩子，引导粉丝关注追更，甚至最后一篇结尾还“自作主张”，建议我用投票预热第二季，形成系列IP。

至于具体内容，我看完这套连载笔记，最直观的感受就是，它把AI那种带着逻辑色彩的“冷幽默”给玩明白了。

平时咱总觉得AI是个严肃的工具，但在这份回答里，它反倒像个嘴毒又细心的管家。

比如第3篇里那个“乌龟暴走GIF”的社死现场，这种细节抓得特别准，一下子就把AI建议的“保持幽默”和人类实际操作时的“手忙脚乱”这种反差感拉满了。

还有第6篇里算奶茶账的那段，AI说把快乐换成“免费的白开水”，这种一本正经胡说八道的情节，确实很符合小红书那种自嘲式沙雕生活的调性。

接下来呢，我让它帮我把这一大长串拆开，每天的文案都放在一个独立的文档中。

当然了，用澳龙玩GLM-5-Turbo还有一个好处就是，它内置了很多的Skills，可以直接调用智谱家的图像、视频生成等模型，使用时消耗的是澳龙积分，不用再配置任何东西了。

所以接下来，我就让它把所有的配图也都一并代劳了，它先给我绘制了7篇文章的封面。

看到生成结果，我发现第三天的封面真的包含了之前被重点cue到的“乌龟表情包”。

接下来我让它把剩下的图也给我画好，这次它没在聊天框里一张张发给我，而是把所有图片的链接全都塞进了README.md里。

最后呢，我让它仿照小红书的UI帮我做一个HTML效果页，不过这里我只让它做了第一天的。

可以说它不仅完整展示了内容，还高度还原了小红书的界面设计。

任务二：全栈应用开发

虽然我刚刚给自己塑造了一个沙雕的人设，但我的内心，其实是个技术宅，平时就喜欢搞一些小应用来把玩一番。

所以接下来，我也给GLM-5-Turbo安排了一个全栈开发的任务。

设计一个本地运行的实用个人记账全栈应用，支持记录一笔支出（金额、分类、备注、日期）、查看支出列表、删除记录、显示本月总支出和分类统计。应用前后端分离，后端负责数据存储和汇总计算，前端提供录入和查看界面。

它先用Node.js + Express + SQLite做后端，HTML/CSS/JS做前端，迅速帮我把程序搭建了起来。

尴尬的是，写完之后它发现我这台电脑里压根儿没装node.js，不过并没有因此就乱了阵脚，而是开始检查我的电脑里有什么能用的，然后改用Python重新写了个后端。

写完之后，它就开始对代码进行测试，通过API对后端服务进行了验收。

而且还没忘把之前node.js的版本删掉，然后又帮我写了一个启动脚本。

启动之后，就可以在浏览器里打开这个记账本了。

我向其中输入了一些数据，刷新之后数据依然可见。

以及在电脑端打开时添加的记录，手机端刷新之后也能显现。

并且在后台日志当中，也能看到我的添加动作，说明这一波的程序是真的跑通了整个前后端和数据库，而不是只有一个静态页面在模拟。

任务三：本地环境操纵

既然是龙虾模型，那自然还得放到本地环境里看一看它的表现。

这次我扮演的是一名电商运营，从SkyTrade、GlobalHub和OceanMall三个平台（都是我虚构的名字）拉取了销售数据，结果这三个平台给出的数据格式完全不一样，既有JSON，又有表格，甚至还有纯文本。

我希望它能帮我把这些混乱的数据清洗一遍，然后给我一份汇总表。

你现在直接接管我桌面上raw_orders文件夹里的所有原始底稿。这里面塞满了SkyTrade、GlobalHub和OceanMall三个平台的订单，格式极其混乱，还埋了不少跨平台重复的客户、残缺的支付金额和五花八门的日期。

你的任务是把这堆烂账盘清楚：自主完成所有平台的数据对齐与清洗，结合成本配置文件，盘出本月的真实净利润。你需要帮我揪出那3个由于高频率退货或运费倒挂导致的“退货黑洞”商品，并画像出贡献最大的5个顶级金主客户（注意聚合跨平台的同名ID）。

最后，直接在当前目录下给我交付一份Markdown月度经营分析报告，并配套生成一份精细化的财务汇总表。

结果，澳龙写了个Python程序，就把我这些混乱的数据，一次性都给盘清了。

跑完程序之后，它不仅生成了我要的表格，还直接在对话框里向我汇报了整理的结果。

另外我关心的“退货黑洞”和“五大金主”这两个问题，澳龙也都在对话中给我解答了。

“龙虾专供”模型，还有“龙虾专供”套餐

之所以能成为一个“龙虾特供”模型，是因为GLM-5-Turbo这一波优化的重点，就是工具调用和多智能体协同。

实测当中我也感受到，GLM-5-Turbo不仅让龙虾更加听话，在跑多环节、长路径的复杂任务时，也能明显感觉到有条不紊。

而且它能精准调用各种外部工具和Skills，把需求拆解成详细步骤，再指挥好几个龙虾助手分工合作。

最关键的是，每个环节的衔接都很顺滑，你基本不用担心它会中途掉链子 。

另外，它对时间维度的理解也很到位，不管是你定点定时要跑的任务，还是那种一干就是好几个小时的大工程，它都能稳稳当当地替你执行下去，中间不中断。

还有就是在编程这件事上，靠直觉碰运气的Vibe Coding，也跨越到了真正的智能体工程（Agentic Engineering）水平。

在极少需要你人工干预的情况下，模型就能自主搞定长程规划和最后的系统交付，哪怕你是一个人，也能锁定大团队才能折腾出来的那些成果。

而为了让这些能力真正落地到你的桌面上，智谱又在之前的Coding plan之后，推出了面向企业的龙虾套餐（Claw-plan） 。

这种模式之下，企业为它付费的逻辑从“买token”，变成了“雇佣一个数字员工”。

目前，智谱已经正式开售这个企业龙虾套餐了，开发者和企业用户可以通过智谱开放平台BigModel.cn直接调用API，或者通过龙虾套餐接入。

另外在GLM Coding Plan当中，Max版也已经纳入了GLM-5-Turbo，Pro套餐也将在本月尽快支持，Lite套餐将在4月支持接入。

如果你正愁怎么处理手头那些复杂的Agent场景，这绝对是性价比极高的选择。

“澳龙”下载地址：
https://autoglm.zhipuai.cn/autoclaw/
API接入（智谱开放平台）：
https://www.bigmodel.cn：
了解龙虾套餐：
https://www.bigmodel.cn/claw-plan-team