GLM-5.1上线， 媲美最强编程大模型！

智谱直接在用户社群里宣布：Coding Plan全体用户即刻用上最新旗舰GLM-5.1。

有意思的是，这次更新很“DeepSeek”：不放benchmark，不放跑分，直接把模型推给用户，用体验来说服用户，智谱这次在技术上非常有自信啊！

GLM-5.1最大的特点就是Long Horizon的巨大升级，什么是Long Horizon？

Long Horizon= 在长时间、多步骤、不确定环境下，持续推进并最终完成目标的能力。

更通俗地说就是任务的时间被拉长，它不是写一个函数或者回答一个问题，马上就能结束，而是持续几小时 / 几天 / 几周，分阶段不断推进。

更关键的是，任务不是固定流程，可能中途会发生变化，例如出现需求变了，用户反馈不好，需要对原来的设计进行大规模修改，这就要求模型能记住过去干了什么事情，不能从零开始。

咱们程序员一看就明白， Long Horizon Task（长程任务）其实就是咱们日常开发经常面对的情况，如果GLM-5.1把这个搞定了，程序员们坚守的阵地，可以说是又被AI攻陷了一块儿。

01

挑战GLM-5.1

我决定找个项目测试一下，这个项目如果是烂大街的简单项目，简单逻辑，别家的模型也能做，根本就测不出来GLM-5.1的能力。

思来想去，我想让它实现一个简版的SQLite数据库，因为它涉及到手写Tokenizer，Parser，AST表达式，事务实现、B+Tree......是非常复杂的。

由于功能很多，任务分成了9轮：

第1轮：存储底座(KV +持久化）

第2轮：引入表结构(Table)

第3轮：查询能力（Select）

第4轮：DDL

第5轮：实现DML：Insert, Update ,Delete

第6轮：实现事务

第7轮：对外提供简单的API接口

第8轮：把底层存储替换成BTree

第9轮：实现按列select，order by

值得注意的是，在第8轮我给GLM-5.1设置了一个陷阱，让它把第一轮的存储底座给改掉，相当于大厦已经盖好了，然后把地基干掉重来。

这个挑战是相当大的，如果GLM-5.1不记得之前的工作，肯定实现不了，如果第一轮GLM-5.1写代码的时候，耦合度太高，换地基的时候楼恐怕就要塌了。

02

系好安全带，出发！

首先，我在Claude 中配置使用GLM-5.1 :

然后告诉GLM-5.1一些必须遵守的规矩，特别值得一提的是，一定要有测试，并且确保所有测试都通过。

你正在使用Go语言逐步构建一个简化版 SQLite 数据库系统，名称叫做MiniSQL。

我会告诉你每一轮都做什么事情，要求如下：

1. 每一轮只能在上一轮基础上扩展，不得破坏已有功能

2. 每一轮必须提供：

- 完整可运行代码

- 测试代码

3. 所有旧测试必须继续通过（回归测试）

4. 代码必须保持单文件或明确模块结构

5. 不允许使用第三方数据库库（可以用标准库）

03

第1轮：存储底座

先从最底部的存储层开始：

你现在要设计一个极简数据库的第一版存储层。

要求：

- 实现一个最简单的 Key-Value 存储系统

- 支持 set(key, value), get(key), delete(key)

- 数据必须持久化到本地文件（不能只在内存）

- 重启程序后数据必须能恢复

约束：

- 不允许使用现成数据库

- 可以自由选择文件格式（JSON / text / binary）

输出要求：

- 给出整体设计，解释存储结构，写入Design.md

- 给出代码实现（注意要有测试代码）

GLM5.1很快写出了实现代码，测试代码。

文档也写得非常完善：

04

第2轮：引入表结构（Table）

现在要支持关系型表结构：

功能：

- 可以创建一张表（比如 users，包含 id、name，age 两个字段）

- 可以往表里插入一条数据（比如一行用户信息）

- 可以读取一张表里的所有数据

要求：

- 在现有存储系统上实现（不能重新设计存储层）

- 设计 schema 管理方式

- KV 存储必须继续作为底层持久化方式

输出：

- 修改后的系统架构design.md

- 如何映射 table → KV

- 实现代码（包括测试代码）

这一轮写出的代码如下：

05

第3~5轮：支持SQL

这几轮主要用来实现SQL，包括DDL和DML，SQL例子如下：

- CREATE TABLE users ( id INTEGER PRIMARY KEY, name TEXT, age INTEGER);

- DROP TABLE users;

- SELECT * FROM users

- SELECT * FROM users WHERE age = 20

- SELECT * FROM users WHERE age > 18 AND name = "Alice"

- INSERT INTO users VALUES (1, 'Alice', 20);

- UPDATE users SET name = 'Alicia' WHERE id = 1;

- DELETE FROM users;

- DELETE FROM users WHERE id = 2;

虽然这些实现很重要，由于细节很多，我这里不再详细描述，大家可以看看GLM-5.1写的技术文档，相当不错：

另外，这三轮的工作量很大，一共耗时15m38s + 20m59s + 11m38s = 48分15秒， 我拿着手机都看了一集甄嬛传了。

06

第6轮：支持事务

这绝对是重头戏了，一个关系数据库如果不支持事务就是一个玩具了，所以我让它用用WAL来实现数据库的可靠性和事务。

使用WAL（Write-Ahead Log） 实现事务支持，让数据库具备两件能力： 不会因为崩溃丢数据（可靠性） ， 一组操作要么全成功，要么全失败（事务）

1.WAL（写日志）

所有“写操作”都必须先写日志，再真正修改数据。

写操作包括： 插入 更新 删除

2.崩溃恢复

程序重启时：

- 读取日志

- 把“已提交”的操作重新执行

- 忽略“未完成”的操作

3.事务

支持三个操作：

- BEGIN（开始一组操作）

- COMMIT（提交这一组操作）

- ROLLBACK（撤销这一组操作）

规则：

- BEGIN 后的操作暂时不生效

- COMMIT 后才真正生效

- ROLLBACK 直接取消

输出：

- 事务处理方案，写入到transction.md中

- 代码实现（包括测试代码）

这次改动相当大，又耗费了近40分钟。

07

第7轮 对外提供简单接口

这一轮相当于做一个包装，方便对外使用，这里模拟了SQLite的API

对外提供一个简单数据库接口，让用户像用 SQLite 一样使用：

示例：

(1)打开数据库：db, err := Open("test.db")

如果test.db文件不存在，则创建出来。

(2)执行SQL:

db.Execute("INSERT INTO users VALUES (1, 'Alice', 20)")

db.Execute("UPDATE users SET age = 21 WHERE id = 1")

db.Execute("DELETE FROM users WHERE id = 1")

(3)查询数据：

rows := db.Query("SELECT * FROM users")

for rs.Next() {

row := rs.Row()

fmt.Println(row)

(4) 事务支持：

db.Begin()

db.Execute("INSERT INTO users VALUES (2, 'Bob', 25)")

db.Commit()

db.Begin()

db.Execute("INSERT INTO users VALUES (3, 'Tom', 30)")

db.Rollback()

看到这些API，你可能会感受到做系统开发的特点：没有漂亮的界面，看到的全是API接口。

虽然代码看起来很复杂，但是执行起来却是最简单的，毕竟只是一层封装而已，10分钟不到就搞定。

08

第8轮 替换底层存储引擎

终于到了我最喜欢的挖坑环节，把它的地基替换了，看看GLM-5.1会不会崩掉。

将底层的KV存储替换成为 B+Tree 索引结构，要求：

支持有序存储 key

支持范围查询（Range Scan）

允许节点分裂与合并

保持基本 KV 接口不变（向上兼容）

这次GLM-5.1耗时很久，用了长达47分钟，表现很稳，不但没有崩溃，反而又是一次通过。

我并没有在提示词中让它修改设计文档，它也聪明地修改了：

09

第9轮 ：再加一点儿需求

把第三轮没有实现的部分功能让GLM-5.1实现了，考察它是不是还记得之前的任务。

（1）现在只支持select * from users这样的语法，需要改成可以按列来选择，例如:select id ,name ,age from users

（2）需要支持order by 语句 例如：select id ,name ,age from users order by age desc

经历了第8轮的考验，第9轮对GLM-5.1来说没有任何挑战，我就不展开了。

10

感想

其实这还是一个简单的数据库，还有好多特性可以加上去，但是对测试而言，这条路已经走了足够远了。

从下午1点到5点半，我经常是一边看手机，一边等他做完。

这四个多小时，Token的使用量也非常巨大，达到了一千七百多万：17,062,578，幸亏有智谱的Coding Plan套餐，要不然我就“破产”了。

在整个长程任务执行的过程中，GLM-5.1给我印象最深刻的就是一个字：稳。

每次我提出需求，GLM-5.1写出的代码经常是一次就通过测试，很少失败，让我很惊讶。

还有就是无论我如何拷打它，挑战它，给他挖坑，它始终能瞄准最终目标来修改代码，表现非常稳健。

要知道像数据库这样的系统级软件，比一般的项目逻辑要复杂得多，GLM-5.1能够轻松应对数据库，写其他软件（Web应用、桌面应用、工具等）自然是不在话下。

GLM-5.1 在项目级Long Horizon任务的表现，简直就是一个有经验的中高级程序员，非常让人放心，以后应该是我的主力编程大模型了。

不过，看到GLM-5.1这么强，我也有点儿担忧：程序员们能干的事情真是越来越少了！

但这也没办法，这是大势所趋，我们还是多往软件生命周期的两端（产品定义和产品营销）多走一走吧，选什么东西做，判断什么是对的，如何推向市场，这将会变成新的护城河。