GLM-5.1 实测：面向 Agent 长任务 很能打前两天，Claude Code 的源码泄漏了。我拆解完源码后得出一个结论：Claude Code 的 Harness 工程做得很复杂，必须搭配一个顶级的模型，才能发挥出这套工程框架的最大潜力。于是我开始重新想 Agent产品的竞争格局：过去半年 Agent 产品井喷，各家都在卷框架、卷工具链、卷交互形态。但把 Agent 拆到最底层，其实核心就两个东西，一个是 Harness 工程，一个就是模型。由于 Claude Code 的被迫开源，Agent 框架层面的 Harness 工程再过一段时间，可能就要被彻底解决了。随着框架逐渐趋同，真正拉开 Agent 体验差距的，始终是底层模型，尤其是模型面向长程任务的能力。什么是长程任务？就是那些一句提示词搞不定的事情。模型要自己拆目标、规划路径、协调多个工具、遇到报错能自行排查修复，在跨越几十个步骤之后依然记得最初的约束条件。这是一个确定的趋势：METR 的研究显示，AI 能以 50%成功率完成的任务复杂度，近期加速到每 4 到 6 个月翻一倍。长程任务能力，正在成为检验模型智能的下一个标准。上周智谱发布了 GLM-5.1，我实测了几天之后，有几个想分享的点。