一夜之间，GLM-5 的真实能力数据摆在了所有人面前。
大家好，我是小虎。
昨晚智谱发布 GLM-5 后，CodeBuddy 也马上宣布支持 GLM-5。
有个学习群的同学问我："你用编程开发，通常是用 CodeBuddy 还是 Antigravity？哪个会更好用或更适配？"
我的回答是： "CodeBuddy 会更本土化一点。"
为什么？因为 CodeBuddy 是国内的编程助手，从这么快速就支持 GLM-5 的动作来看，腾讯的开发团队是非常给力和值得信赖的。
而且最近CodeBuddy也升级了订阅模式——推出了个人专业版（58元/月），但免费版的额度也大幅提升到了每月500 Credits。这对于想要体验GLM-5的个人开发者来说，完全可以从免费版开始。
今天我想给你看真实的性能数据——这些数据来自官方的详细测试报告，不是我编的。
CodeBuddy 国内版：完整安装 + 快速上手
首先你需要装 CodeBuddy。这是体感 GLM-5 最快最直接的方式。
第一步：下载官方版本
访问 www.codebuddy.cn 官方网站。根据官方最新发布信息，CodeBuddy 目前支持 Windows 系统的桌面版本。
- Windows 用户：下载
.exe安装文件
如果你使用 Mac 或 Linux 系统，可以考虑其他支持 GLM-5 的平台：
- 在线版：Z.ai、BigModel.cn 等都支持 GLM-5
- Mac 用户：可以使用 MiniMax Agent 桌面版（支持 Mac）或通过在线平台
第二步：傻瓜式安装
下载完就直接双击安装，全是"Next"按钮。安装到默认目录就行。
安装过程会自动配置本地环境，不需要你手动改什么配置文件。
这是 CodeBuddy 做得最好的地方——它处理了所有底层复杂度。
😅 我第一次装的时候还想配置什么环境变量，结果按照"下一步"走完就能用了。
第三步：打开应用看到初始界面
装完打开应用。你会看到一个类似 VSCode 的界面：
- 左边：项目文件树（可以拖进你的项目文件夹）
- 右边上方：编辑窗口
- 右边下方：对话框（和 ChatGPT 类似的聊天界面）
- 最下面：模型选择器和设置按钮
这个时候别急着问问题，先做一个关键操作：切换模型。
切换到 GLM-5 模型（3 步完成）
操作 1：找到模型选择下拉菜单
看最下面的状态栏。你会看到"Model"或"模型"这样的下拉菜单。
操作 2：在列表里找 GLM-5.0
下拉菜单会显示所有可用的模型。你会看到：
- GLM-5.0 ✓ （旁边有对勾，说明已经安装并启用）
- GLM-4.7
- GLM-4.6V
- Kimi-K2.5
- DeepSeek-V3.2
- 等等
操作 3：点击 GLM-5.0
选中 GLM-5.0。看下面状态栏变成"当前模型：GLM-5.0"。
现在你的 CodeBuddy 已经配置好用 GLM-5 了。从这一刻开始，你在这个工具里发出的所有指令都会用 GLM-5 来处理。
真实的性能数据：这就是 GLM-5 能做什么
现在我要告诉你一组来自官方测试的数据。这些不是吹牛，是经过测试验证的：
数据 1：编程能力对齐 Claude Opus 4.5，计算效率革命性提升
GLM-5 在编程能力上实现了对齐 Claude Opus 4.5。在 SWE-bench-Verified 和 Terminal Bench 2.0 中分别获得 77.8 和 56.2 的开源模型 SOTA 分数（最高分）。
而在计算效率上，GLM-5 采用的 DSA 稀疏注意力机制实现了革命性提升：在 128K 上下文场景下，计算量可以减少 98% ，这意味着在处理长文本时不仅不牺牲质量，反而大幅降低了运算成本。
数据 2：Agent 能力突破 100K tokens
这是我最惊讶的地方。GLM-5 的 Agent 测试超过了 100K tokens 的上下文。这意味着什么？你可以把一整个项目的代码（10 个、20 个文件）一次性丢给 GLM-5，它能理解全局的代码逻辑，而不是只看单个文件。
你可以这样问它："我有一个电商系统，包括用户模块、商品模块、订单模块。现在我要添加优惠券功能，需要怎么改动这三个模块的交互？"GLM-5 能基于你提供的所有代码，给出贯穿全系统的架构建议。
数据 3：长上下文处理能力突破
GLM-5 的上下文窗口扩展到了 202K tokens，这是什么概念？一部《三体》小说也才大约 50 万汉字，用词数估算就是 150-200K tokens。这意味着 GLM-5 可以一次性理解整个项目的完整代码库。
在这么长的上下文处理中，GLM-5 依然能保证高效率——DSA 机制将推理成本降低了 40%-50%，而性能损失不到 1%。这是兼顾长度和速度的真正突破。
现在就能做的测试：体感 GLM-5 的真实水平
不要听我吹，自己试一把。我给你一个真实可复制的测试场景：
打开你的一个旧项目（有 10 个以上 Python 或 JavaScript 文件最好）。问它：
你现在看到的是一个[简单描述项目类型]项目。请分析：
1. 这个项目的整体架构是什么
2. 主要的数据流是什么
3. 如果我要优化性能，应该从哪里入手
4. 代码里有没有明显的坑或反模式
给 GLM-5 大约 10-20 秒的处理时间。
你会看到什么？它会给你一个贯穿整个项目的分析，而不是对着某个文件的肤浅评论。这就是 Agent 能力超过 100K tokens 意味的真实价值。
多轮迭代：这才是真正的区别
一次对话有用，但真正的威力在多轮对话。GLM-5 在这方面的表现特别好。
继续追问（基于前面的分析）：
你刚才说可以在缓存层优化。具体怎么加Redis？
代码改动哪些地方？需要重启服务吗？
GLM-5 会记住前面的全局理解，在此基础上给出细致的优化方案。它不会跟你说"可以用某个框架"这种笼统答案，而是针对你的项目给出具体的代码改动。
坦白讲：GLM-5 的边界在哪
边界 1：长链条推理
虽然 Agent 能力强，但在需要多步骤纯逻辑推理的任务上（比如数学竞赛题、复杂密码学问题），GLM-5 还是比不过某些其他模型。但老实说，这种场景在实际工作中很少。
边界 2：不要幻觉
这是我必须说清楚的——有些开发者用 GLM-5 时，如果问的问题太 vague，它会编造一些不存在的库或方法。所以永远要在实际运行时验证 GLM-5 的答案。不要只信它，要 test 它。
边界 3：成本还会变
现在 GLM-5 的价格优势是存在的。但竞争会打破这个优势。别指望三个月后价格还这么便宜。
为什么现在就要试
你可能想"等稳定了再用"。但这里有个窗口期问题：
信息差窗口只有一个月。再过一个月，所有人都在用 GLM-5，大家都知道它能干什么。但现在，如果你先用上了，你能比同行提早一个月理解它的真实能力和局限。在 AI 工具领域，一个月的提前量能让你做出更好的技术决策。
成本优势窗口只有三个月。等竞争激化后，所有模型都会降价。现在用 GLM-5 最便宜。
三个立刻就能做的事
第一个：按我上面的步骤装好 CodeBuddy、切换到 GLM-5、找一个你的项目、问它一个完整的系统设计问题。体感 15 分钟，你就能判断这个模型对你工作的帮助有多大。
第二个：收藏这篇文章。下次如果有人问"GLM-5 到底怎么用"，你有答案了。而且这篇文章里的安装步骤和测试方法是永久可复用的。
第三个：如果你在做工具、代理或 SaaS，现在就考虑集成或推荐 GLM-5。不是下个月，就是现在。因为最早集成的工具会获得最多的关注。
国产编程 AI 终于有了真正能打的产品。不仅是参数好看，性能数据也摆在面前。CodeBuddy 已经可以用。从现在开始，不是"等一等看"，而是立刻体感一下。
