前天的时候，智谱突然给我发了一条短信，在 Coding Plan 里悄悄上线了 GLM-5.1，我的账号首先获得了内测资格。
我很开心，为什么呢？因为我正好有个搁了很久的个人项目：我一直想做一个内容付费的个人博客网站，带完整的前后端和数据库，支持文章发布、内容加密、付费解锁、作者后台管理等。
其实，这个项目说大不大，说小不小，但环节多、链路长，属于那种"每一步都不算难，但串起来很烦"的典型全栈工程活。正常一个人撸，怎么也得两三周的时间。
我看了一下 GLM-5.1 的相关介绍，GLM-5.1 这次主打的就是"长程任务"能力：更强的目标拆解和规划，复杂任务拆成可执行步骤之后能一路推进不跑偏；多工具之间的协同更稳，代码、API、数据库这些环节能连贯地衔接，从"会做一步"变成"能跑完整条链路"；还有就是上下文记忆更扎实了，长时间工作也能记住前面做过什么、当前到哪一步、接下来该干什么。
这不就是为我这个项目量身定做的吗？环节多、链路长、前后依赖重，正好拿来测一测 GLM-5.1 到底能不能扛住真实的长任务。
好，废话不多说了，实测开始。
我没有写很详细的技术文档，就用自然语言描述了一下我想要的东西，如下：
go
帮我开发一个程序员极简风格的博客网站，要求如下：
1、支持多个专栏标签，可以自由增加，比如：副业赚钱、AI 专栏、个人成长、高密度阅读等。
2、必须带有后台发布功能，编辑器支持 MarkDown 格式，模式 MarkDown 模式的编辑器，编辑器功能丰富。
发布功能带有如下要求：
- 标题、内容、选择专栏标签（支持自由创建）、是否解锁全部。
- 是否解锁全部功能，选中锁定功能的话，可以选择只展示前 10%，15%，20%， 30%，50% 的内容。比如，选择了锁定功能，只展示 10% 的内容，就是只显示文章的前 10% 的内容，点击解锁按钮，弹出一张图片。弹出的图片，支持用户自定义上传。
- 支持后边重新编辑文章的功能
3、风格要求灰色、黑色极简搭配即可，要求美观大方。
其实，你看都是大白话，只要描述出自己想要的东西就行。然后我就坐在旁边看它干活。
GLM-5.1 的第一个反应让我有点意外。它没有上来就写代码，而是说这是一个大型全栈项目，然后先花了大概两分钟输出了一份完整的技术方案：前端用 Next.js，后端用 Node.js ，数据库选 SQLite 等。
同时给出了项目结构和实施步骤。
说实话，这个起手式就和之前用的模型不一样。以前用其他模型，需求扔进去基本就开始"啪啪啪"写代码了，写到一半发现架构不对再推翻重来，来回折腾好几轮。GLM-5.1 是先想清楚再动手，像一个有经验的工程师接到需求后的第一反应：先理解，再规划，最后才动键盘。
等我确认之后，它就开始按照自己的规划和实施步骤开始工作了，整个过程非常顺利，我睡完午觉，活就干完了，我看了看，整个过程用时不到半小时，28 分钟左右。
让我本地启动，我们一起看看一次性完成的效果如何，到底怎么样？
后端界面：
前端博客界面：
前端部分是我最担心的，因为涉及的页面多：首页文章列表、文章详情页、作者后台管理页、发布页等等，这些页面之间还有复杂的状态流转和路由跳转，我把整个发布流程测试了一下，还可以，几乎没有什么 bug ，唯一的不满意的地方就是界面太极简了。虽然我要的是程序员极简风，但是，感觉不是很高端，所以，我使用 GLM-5.1 调用了 front-design skill ，重新设计了整个界面风格。
跑完代码之后，真的是让我非常满意，非常有程序员特色，还是黑白灰极简风格。大家可以看看。为了方便，这里给大家放个动图，在博客名字上采用了最近非常火的 CLI 风格，一个光标一闪一闪的，就像是在终端里展示博客一样。
夜间模式界面：
文章详情页（需要解锁）：
后端管理系统：
说实话，我非常满意，太漂亮了， 就是我想要的那种极简风格，同时又很极客，看到这个风格，我就决定要买一个服务器了，把这套系统部署到线上。
当然了，当我深度体验之后，也并不是没有任何 Bug ，其中还是有一个 Bug 的，就是发布文章的时候，可以选择锁定和不锁定，我发现当我选择不锁定，发布了一个长文之后，点击文章详情页，文章只显示了一半。所以，我又提出问题了，说：
我又发现了一个 bug，新建文章的时候，一个 1 万字的长文，发布之后，只显示了一点。是不是数据库字段存储有限制？
我以为数据库设计的时候，字段有限制的，所以没显示全。
看看 GLM-5.1 是怎么做的？它先是按照我的猜测去检查问题去了，但是，它发现数据库设计的时候字段并没有限制，它就开始自查了，查了路由跳转的时候是不是截断了，发现也不是，最后它发现是文章付费解锁的逻辑导致的。它会自己把所有的情况都查一遍。
从我发现问题，提出问题之后，到修复完成，大概 5 分钟。全程没问我。
这个过程让我真正理解了什么叫"长程任务能力"。它不只是能写代码，它能在一个复杂系统里定位问题、分析原因、制定修复方案、验证结果，整个排查链路和一个有经验的后端工程师没什么区别。
整个过程 GLM-5.1 自主规划，自我执行，持续工作了大约1 个多小时，烧掉了大概 4500 万 tokens。最终交付了一个前后端完整、数据库设计合理、付费解锁流程跑通的内容付费博客系统。
这个工作量如果让我自己从零开始撸，保守估计两到三周。如果算上中间查文档、调 bug，可能更久。
1 个小时 vs 两三周。这个效率差距已经不是"提效"能概括的了。
说完 GLM-5.1 的表现，聊聊和其他模型的对比。同样的需求，我之前分别用 Opus 4.6 和 K2.5 跑过类似复杂度的项目。
先说 K2.5**。** 单步代码质量没问题，写出来的每一段代码都挺规范的。但到了十几步左右，问题开始出现：数据库表结构在后端实际写的和前面设计阶段定义的对不上，字段名变了，类型也变了，需要我手动纠正。到联调阶段，接口字段名前后不一致的问题出了三次。最后交付的东西能跑，但我手动修了五六个地方才算完整。
K2.5 的问题很典型：它在短链路上表现不错，但一旦任务拉长到几十个步骤，上下文记忆就开始衰减，前面定好的规则后面就忘了。像一个很聪明的应届生，每一步都不差，但你得盯着。
再说 Opus 4.6**。** 全程表现很稳，长链路记忆和自主纠错能力都很强，交付质量高。体感上和 GLM-5.1 非常接近，两个模型在长任务场景下的表现基本在同一个水平线上。
最后说 GLM-5.1**。** 综合能力和 Opus 4.6 持平，长任务稳定性明显优于 K2.5。但关键区别在价格：Opus 4.6 的 API 调用费用，跑完这个项目大概要花几十美元。GLM-5.1 通过 Coding Plan 使用，成本低了一个数量级。当然了，我们也知道像智谱这类的国内大模型公司被国外卡脖子，算力可能不够用，导致高峰期的时候，大家使用会有一些波动。
同样的活，同样的质量，十分之一的价格。这笔账很好算。
说实话，用完 GLM-5.1 之后，我坐在电脑前想了很久。
以前用 AI 写代码，体感像在带一个实习生。你得告诉它做什么，盯着它做，做错了帮它改，做完一步再告诉它下一步。你是项目经理，它是执行者。
GLM-5.1 给我的感觉变了。你给它一个目标，它自己拆解、自己规划、自己执行、中间出了问题自己修、最后给你一个完整的交付物。你是甲方，它是那个能独立交付的资深工程师。
业界称这个为 Long Horizon，长程任务能力。我觉得这个词很准确。以前的模型能力上限是"帮你做好一步"，现在的上限是"替你做完一整件事"。
这个变化意味着什么，每个人可以自己想想。
Coding Plan 用户现在就能用 GLM-5.1，记得在配置里手动切换模型。还没开通的，建议尽快试试。这一波，国内 Coding 模型的天花板确实又被拉到了一个新的高度。
当然了，现在算力紧张，Coding Plan 套餐基本处于"开抢即售罄"的状态。我写这篇文章的时候犹豫了很久，因为每多一个人看到，我下次抢到的概率就又低了一点。哈哈哈哈......