2026-05-22 11:05 UTC+8站內改寫4 分鐘閱讀更新: 2026-06-30 21:03 UTC+8

頂流裏最快！智譜，你是在「噴」代碼吧

智譜AI發佈GLM-5.1-highspeed高速API，速度達400 tokens/s，成為頂流模型中最快。實測顯示其代碼生成如噴射，可實時交互調參、改變遊戲世界、快速處理萬字內容。背後是推理引擎、調度系統和基礎設施的系統工程優化，推動AI Agent進入快時代。

來源量子位作者: 十三

頂流裏最快！智譜，你是在「噴」代碼吧 – 量子位

頂流裏最快！智譜，你是在「噴」代碼吧

十三 2026-05-22 11:05:00

來源：量子位

400 tokens/s

金磊發自凹非寺

量子位 | 公眾號 QbitAI

AI啊，你這速度簡直是在噴射啊！

仔細看，千萬別眨眼：

視頻地址：

https://mp.weixin.qq.com/s/Wn1-SzjpEkQLTyZnJKDRwg

這麼多的代碼，直接就是“啪的一下”噴出來的感覺。

之前AI寫代碼像CPU渲圖一樣，是一點一點打出來；但這個AI寫代碼，更像GPU：

這麼快生成的代碼，能好用嗎？

答案是可以的：

這就是智譜剛剛新出的高速版API——GLM-5.1-highspeed。

按照官方的説法，這個旗艦版模型的API，是目前頂流模型裏最快的，已經達到了400 tokens/s！

而且這個GLM-5.1啊，雖然已經出了一個多月了，但現在還是開源模型裏Coding最強的那一個：

那麼接下來，老規矩，一波實測走起~

一手實測GLM-5.1-highspeed

AI寫代碼像開了倍速

我們先來做一個比開頭更加複雜的例子，Prompt是這樣的：

做一個網頁，畫面中心是一個會呼吸的星雲；用户點擊播放後，粒子會隨着模擬音頻節奏擴散、聚合、變色；旁邊還要有幾個可調參數，比如速度、密度、拖尾、光暈強度。

視頻地址：

https://mp.weixin.qq.com/s/Wn1-SzjpEkQLTyZnJKDRwg

同樣的，如此多行的代碼，AI在思考了十幾秒後，依舊是一口氣給噴出來的。

這類任務的難點在於，它要同時處理前端結構、Canvas 動畫、狀態管理、視覺參數、交互邏輯，還要讓效果看起來不至於太low。

從結果上來看，確實也是達到了Prompt的要求：

像跟設計師坐在同一塊畫布前

第二個測試更有意思。

我們在上一個代碼基礎上，繼續提出更多要求：

“這個波紋再快一點。”

“光暈顏色偏暖一些。”

“粒子散開時別那麼硬，柔一點。”

“背景不要全黑，稍微有一點深藍層次。”

視頻地址：

https://mp.weixin.qq.com/s/Wn1-SzjpEkQLTyZnJKDRwg

首先，我們的這些指令都是比較模糊的，並非像“把第42行的speed從0.6改成1.2”這麼精確，所以模型需要先精準地理解我們的意圖。

其次，由於GLM-5.1-highspeed的速度夠快，我們做項目的體感都不一樣了——

更像是和AI坐一起，一塊盯着畫布調參。

這也是高速API容易被低估的地方，和AI一起共事做項目，現在更接近實時的感覺了。

讓模型當遊戲導演

第三個測試，我們把場景再往前推一步。

如果模型足夠快，它能不能在遊戲裏實時改變世界？

比如做一個小型2D遊戲：

玩家控制一個角色在3D地圖裏移動，場景中有障礙、敵人、道具、天氣、光照和隨機事件。有對話框可以輸入文字，場景會根據輸入的文字實時改變。

然後我們不給模型固定腳本，而是不斷髮出類似導演指令：

“下雪”、“下雨”、“爆炸”……

視頻地址：

https://mp.weixin.qq.com/s/Wn1-SzjpEkQLTyZnJKDRwg

這類測試比寫網頁更刁鑽。

因為模型要理解遊戲狀態、代碼結構、交互邏輯，還要判斷什麼改動會影響體驗。

而高速API讓此前因延遲而難以成立的產品形態變得可行，例如模型在遊戲中實時改變遊戲世界狀態。

當然，這裏還有很多工程問題沒解決，比如穩定性、安全邊界、狀態一致性、成本和併發。但至少從速度維度看，400 tokens/s級別的API已經讓這類想象不再只停留在 PPT 裏。

10秒處理萬字內容

第四個實測，我們回到內容行業。

我們用AI讀取一份萬字長文的內容素材，讓它一口氣執行下面的內容：

提煉3句最吸睛的海報主標題；

生成6條15字內短視頻口播文案；

輸出三套產品宣傳語（適合官網首頁）；

生成可直接發公眾號的文案（800字）；

最後生成JSON格式彙總所有內容。

視頻地址：

https://mp.weixin.qq.com/s/Wn1-SzjpEkQLTyZnJKDRwg

只花了10秒鐘！

而且效果也是依舊穩穩地拿捏到位了：

在AI的速度上來之後，讓人類更快地進入到了判斷的環節；由此，人和AI的協作更接近來回打磨了。而非一次性下單。

Agent進入快時代

如果只看400 tokens/s這個數字，我們可能很容易把它理解成模型變小了，所以跑得快。

但實際上，GLM-5.1-highspeed更值得關注的點在於，它主打旗艦模型高速版，而不是一個單純追求低延遲的小模型。

這背後靠的是系統工程。

智譜GLM團隊與TileRT團隊聯合打造GLM-5.1-highspeed，在推理引擎、調度系統和底層基礎設施三個層面做了優化：

推理引擎針對GLM-5.1架構特點重寫核心推理路徑，調度系統通過動態批處理、請求合併、KV緩存調度等方式降低高併發場景尾延遲，基礎設施層面則圍繞推理集羣部署、網絡鏈路和負載均衡做協同優化。

簡單理解，大模型推理不是GPU算一下就完事。

真實線上系統裏，請求怎麼排隊，怎麼合併，KV 緩存怎麼調度，多卡之間怎麼通信，網絡鏈路怎麼負載均衡，都會影響最終延遲。

TileRT的思路更進一步。

它把推理調度單元從傳統operator/kernel進一步下沉到tile級別，通過編譯期靜態編排、常駐GPU的persistent Engine Kernel、減少host調度和跨算子同步等方式，壓縮推理過程裏的調度、搬運與同步開銷。

用一句更通俗的話，可以這樣理解：

過去像一羣工人每搬一塊磚都要等工頭髮一次指令；現在提前把路線、分工、節奏排好，讓工人持續在工地裏流水線協作。

大模型推理速度的提升，很多時候不只來自更強的芯片，也來自對系統裏每一個空轉環節的壓榨。

高速API的競爭，本質上是模型能力、推理引擎、調度系統和基礎設施的綜合戰。

當然，速度不能被神化。

一個API真要進入生產環境，還要看模型質量、穩定性、成本、上下文能力、工具調用可靠性、併發能力，以及複雜任務裏的錯誤率。

尤其是400 tokens/s這樣的速度數字，也需要在更多任務、更多時段、更多併發條件下持續驗證。

但至少從這次測試可以看到一個明確趨勢：

國產大模型API的競爭，正在從能不能答得好，進一步走向能不能又快又穩地幹活。

GLM-5.1-highspeed的意義，也正在這裏。

它讓我們看到，當旗艦模型能力和高速推理系統疊在一起，AI Agent的體驗會出現一個很直觀的變化：等待變少，反饋變密，任務推進更連續。

Coding時代，速度是爽點。

Coding GLM-5.1 智譜

十三

國產GPU組了個開源局，把SGLang等核心開發者都搖來了！2026-05-14

國產GPU開始造世界！國內首個全棧具身智能仿真平台來了2026-05-19

國內首家百億估值純推理GPU獨角獸誕生！專訪曦望聯席CEO王湛：誰的推理成本更低誰就是贏家2026-04-23

剛剛，“雲計算一哥”版龍蝦發佈，奧特曼打着官司也要雲站台2026-04-29

相關閲讀

厲害了，智譜造了全球首個手機通用Agent！人人免費，APP甚至直接操控雲電腦

跨APP，邊聊邊幹活

一水2025-08-20

手機Agent 智譜

國產AI可以拍微電影了！4K、60幀高清畫質，自帶音效

現在就差時長了

十三2024-11-08

人工智能智譜視頻生成

曝智譜AI以200億人民幣估值尋求新一輪融資

剛推出第三代基座大模型ChatGLM3

衡宇2023-11-10

AI大模型大模型智譜

一手實測首個龍蝦模型：長路徑任務不失誤，一人包攬全棧開發

還有龍蝦專屬套餐

克雷西2026-03-16

OpenClaw 智譜

楊植麟當主持人的大模型圓桌：張鵬羅福莉夏立雪都放開説了

中國大模型頂流都來了！

聽雨2026-03-27

Agent AI Kimi 人工智能小米開源智譜龍蝦

GLM-5真夠頂的：超24小時自己跑代碼，700次工具調用、800次切上下文！

前兩天的熱度還是保守了

十三2026-02-14

GLM-5 開源AI 智譜