1、
假期前最後一天（9月30日），熱鬧非凡。
上午，Anthropic 公司發佈了 Claude Sonnet 4.5 模型。
下午，智譜公司發佈了 GLM 4.6 模型。
我覺得，對於程序員，這個動態很重要。
因為這兩個模型都屬於目前最先進的 AI 編程模型。你想讓 AI 生成代碼，首選就是它們。
這就是說，一天之內，AI 編程模型又達到了新高度。
2、
Anthropic 發佈公告的第一句話，就毫不謙虛地用了三個"世界之最"。
"Claude Sonnet 4.5 是世界上最好的編碼模型。它是構建複雜代理的最強大模型。它是使用計算機的最佳模型。它在推理和數學方面表現出顯著的進步。"
智譜的發佈公告也是當仁不讓。
"我們再次突破大模型的能力邊界。
GLM-4.6是我們最強的代碼 Coding 模型（較 GLM-4.5 提升27%）。在真實編程、長上下文處理、推理能力、信息搜索、寫作能力與智能體應用等多個方面實現全面提升。"
為了讓人信服，智譜的發佈公告還給出了詳細的測試結果。
上圖一共是8個測試基準的結果圖。每個圖的藍柱是 GLM-4.6，綠柱是 GLM-4.5。對照組是前兩天剛發佈的 DeepSeek V3.2 Exp、Claude sonnet 4、Claude sonnet 4.5。
可以看到，藍柱基本上都是排名前列，甚至第一。智譜還聲稱，GLM-4.6 非常節省 Token（也就是省錢），"比 GLM-4.5 節省30%以上，為同類模型最低"。
所以，它的結論就是："GLM-4.6 在部分榜單表現對齊 Claude Sonnet 4/Claude Sonnet 4.5，穩居國產模型首位。"
這就有意思了，一個自稱"世界上最好的編碼模型"，另一個自稱"穩居國產模型首位"。
下面，我來測試，GLM-4.6 相比 Claude sonnet 4.5 到底怎麼樣。
3、
需要說明的是，這兩個模型的比較，不完全是為了測試，也有實際的意義。
Anthropic 公司雖然產品很強，但是它限制中國人使用，國內用戶正常途徑無法開通它的服務。另一方面，它是付費模型，價格也不便宜，百萬 token 的輸入輸出價格是3美元/15美元。
形成鮮明對照的是，GLM-4.6 是完完全全的國產模型，來自北京智譜公司。它採取徹底的開源路線（MIT 許可證），模型代碼完全公開，可以任意使用。
你要想自己在家裡安裝，也是可以的。但是，它的硬件要求太高，家用設備達不到，所以，一般都使用它的雲服務。
目前，智譜的官網（BigModel 和 Z.ai），通過 Web 界面使用 GLM-4.6 是免費的。
它的 API 調用需要付費，入門套餐（coding plan）好像是一個月20元人民幣。
另外，它有完備的中文支持（文檔+客服），這也是 Anthropic 沒有的。
總之，我的測試目的，也是想看看，它是不是真如官方宣稱的那樣強大，能不能替代 Claude Sonnet 模型。
4、
我的測試方法很簡單。Anthropic 公司事先邀請了著名程序員西蒙·威利森（Simon Willison），試用 Claude Sonnet 4.5 模型。
西蒙·威利森已經在他的網站上，公佈了試用結果。
我就拿他的幾個測試，用在 GLM-4.6 上面，然後比較一下運行結果就可以了。
大家可以跟著一起做，打開官網，把題目粘貼進去（最好貼英文），這樣會有更深切的感受。
AI 終端工具（比如 Claude Code、Cline、OpenCode、Crush 等）也可以用，參考官方文檔進行設置（需要先開通 API）。
5、
第一個測試。
拉取代碼倉庫 https://github.com/simonw/llm ，然後通過下面的命令運行測試用例。
pip install -e '.[test]'
pytest
這個測試需要聯網獲取代碼，然後在後臺運行。
智譜官網的 Web 界面跟 Claude 一樣，提供 Python 和 Node.js 的服務器沙箱環境，可以生成後直接執行代碼。
我省略它中間的推理步驟了，最後結果如下圖（官網查看完整對話）。
278個測試用例通過，耗時 18.31s
整個運行過程（拉取、安裝依賴、執行命令）跟 Claude Sonnet 是一樣的。奇怪的是，Claude Sonnet 運行了466個測試用例，多出來100多個，不知道為什麼。
6、
第二個測試是較複雜的編程任務，原始提示是英文，我翻譯成中文。
1、 代碼倉庫 https://github.com/simonw/llm 是一個 AI 對話應用，它將用戶的提示和 AI 的響應存儲在 SQLite 數據庫中。
2、它目前使用線性集合，保存單個對話和響應。你嘗試在響應表中添加一個 parentresponseid 列，並通過該列將對話的響應建模為樹狀結構。
3、編寫新的 pytest 測試用例，驗證你的設計。
4、編寫一個 tree_notes.md 文件，首先將你的設計寫入該文件，然後在運行過程中將該文件用作筆記。
大家可以查看完整的對話記錄。
GLM-4.6 運行了幾分鐘，不停地吐出生成的代碼。最終，它修改了腳本，增加了 API 和命令行調用接口，並編寫和運行通過了測試用例。
它還生成了一個 tree_notes.md 文件，裡面是本次修改的詳細說明。
大家可以比較它的運行結果與 Claude Sonnet 的運行結果。
從結果上看，它們的差異不大，都做到了提示的要求，並且代碼都是可運行的。差異主要是實現細節，這個就需要詳細閱讀代碼了。
7、
第三個測試是西蒙·威利森獨家的，就是讓 AI 生成一個鵜鶘騎自行車的 SVG 圖片（Generate an SVG of a pelican riding a bicycle）。
這是現實中不存在、且沒有參考物的景象，考察模型的想象和生成能力。
下面是 GLM-4.6 打開深度思考後生成的圖片。
下面是 Claude sonnet 4.5 打開深度思考後生成的圖片。
兩者的結果相當接近，只是 Claude 生成的鳥喙更明顯，更能看出是一隻鵜鶘。
8、
測試就到這裡，我覺得總結來說，GLM-4.6 是一個非常強的國產模型，編碼能力確實很優秀，可以當作目前公認的最強模型 Claude Sonnet 的替代品。
它的功能全面，除了編碼，其他任務也能完成，而且響應速度快，價格低，性價比非常突出。
（完）