# 🦞虾骑马！龙虾圈传了一周的匿名模型，原来是它｜附最新体验细节

- 作者：莫崇宇
- 发布时间：2026-03-16 16:21
- 分类：公司
- 原文：https://www.ifanr.com/1658148

上周，龙虾圈开始流传一个神秘模型的名字：Pony-Alpha-2。

没有发布会，没有官方介绍，它就这么悄悄跑在智谱的 AutoClaw 澳龙里，开放给用户内测。没想到口碑一路发酵，于是大家都在问：这个匿名 AI 到底是什么模型？

![](https://s3.ifanr.com/wp-content/uploads/2026/03/4444444.png)

今天，谜底揭开了。它就是 GLM-5-Turbo，智谱今天正式发布的「全球首个龙虾模型」，也是智谱自 2025 年以来首个闭源模型。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/1111243.png)

### 通用模型跑龙虾，为什么老是掉链子

养过龙虾的用户大概都有这个体感：让模型聊天、写东西，挺顺的。但真让它跑任务，走到第三步往往就开始出问题。工具调用报错、忘记上下文、长任务中途崩掉，各种情况都有。

这个问题的根不在框架，在底层模型本身。通用大模型的训练目标是对话，执行工作流完全是另一回事。一旦进入多步骤、多工具串联、需要持续跑的真实龙虾场景，就力不从心了。

GLM-5-Turbo 的出发点就是解这个问题。从训练数据构造到优化目标，全链路针对龙虾场景做专项优化，重点练了五块能力。

工具调用方面，强化对外部工具和各类 Skill 的稳定调用，不掉链子是基本要求。指令遵循方面，复杂多层的长指令能准确拆解，支持识别目标、规划步骤、多智能体分工协作。

定时和持续性任务是另一个重点，模型能理解时间维度上的指令，处理定时触发场景，长任务持续执行不中断。编程能力延续了 GLM 系列强势，能以极低人工干预完成长程 Agentic 工程任务，从 Vibe Coding 迈向 Agentic Engineering。速度上，高吞吐长链路场景也做了专项提速，响应稳定性领跑同类模型。

评测层面，GLM-5-Turbo 在智谱自研的龙虾场景端到端基准 ZClawBench 中拿下国产模型第一。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/1111244.png)

ZClawBench 的诞生有一定的背景。

随着 OpenClaw 普及，当前任务类型已覆盖安装配置、代码开发、信息搜集、数据分析、内容创作等多元化场景。

用户群体也从早期开发者扩展到效率办公人群、金融从业者、运维工程师、内容创作者与研究分析人员。ZClawBench 正是基于这批真实用例构建的，目前题库和测试轨迹已全面公开。

此外，GLM-5-Turbo 还接入了软通动力旗下机械革命盒子，打造原生 AI Agent 终端体验。不过，这次发布有个插曲值得单说。GLM-5-Turbo 的 API 价格也迎来今年的第二次涨价，较 GLM-5 上调 20%。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/1111245.png)

尽管考虑到龙虾任务动辄涉及数十轮工具调用与上下文衔接，一个典型的跨部门会议纪要整理和任务分发，token 消耗远超普通对话。但对企业来说，算账的维度也正在发生变化——

花多少 token 已经不是关键，AI 员工帮省了多少人力才是重中之重。

随模型一起发布的是面向个人和企业的龙虾套餐，个人版和 Team 版都有。

无论是一人公司、创业团队，还是大中型企业，都能根据自身业务规模灵活订阅，每个账号最多购买 5 个。企业可通过 Team 版按实际员工数灵活订阅，以可控成本保障 tokens 供给和 AI 员工稳定在线。

配套推出的企业级安全管理体系「Claw for Enterprise Security」，支持对不同类型 Claw 进行统一调度与权限编排。通过集中化管控台，可以对每一个 Agent 任务的执行路径、工具调用链路和资源消耗进行实时可视化监控。

### 龙虾模型，瞄准企业入口

光看介绍不够，用真实任务测了一下，说说体感。

第一个场景非常简单，定一个 10 分钟后的闹钟，时间到了飞书提醒「起来动一动」。模型直接回复已设定 14:22 提醒，10 分钟后飞书准时收到消息，没有任何需要人工干预的步骤。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/1111241.png)

第二个场景则是信息搜集，让它汇总当天科技圈热点。模型调工具跑了一遍，整理出英伟达 GTC 大会、马斯克宣布 7 天后启动 Terafab 造芯、国家新增六大未来重点产业等要点。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/22222222.png)

最后一个图一乐的场景稍微有点折腾。龙虾跑在飞书妙搭提供的云电脑上，底层是阿里云 ECS 虚拟机。我让它写一个温度监控 Skill，写完封装好，自动加载生效，超过 40 度飞书预警。问题来了，云虚拟机没有物理温度传感器，直接读温度这条路走不通。

模型没有卡住等我给方向，而是自己依次尝试了五种读取方式，都不行之后改用 CPU 负载作为代理指标来估算温度，并告诉我为什么这么处理。

脚本写完本地跑通，写 SKILL.md，注册进 openclaw.json，触发重启，再跑 doctor 确认加载成功，最后飞书发来确认：当前温度 27°C，一切正常。整个链路没有中断，也没有等我发下一条指令。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/1111242.png)

三个任务跑下来，工具没掉链子，时间指令被准确理解，信息搜集给结论不只是罗列。当然这几个属于相对标准的龙虾任务，更复杂的多智能体协同场景还需要更多实测。

截至发稿前，GLM-5-Turbo 现已上线，开发者和企业用户可通过智谱开放平台 BigModel.cn 或 api.z.ai 调用 API，也可通过龙虾套餐接入。

GLM Coding Plan Max 已纳入 GLM-5-Turbo，Pro 套餐将在本月内支持，Lite 套餐 4 月接入。如需长期稳定运行、后台持续执行或更高负载的 Agent 场景，建议优先选择龙虾套餐。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/4444.png)

AutoClaw 澳龙默认模型已切换为 GLM-5-Turbo，即日起至 3 月 22 日有限时加油包折扣，最高享 3.4 折，加油包自购买起 7 日内有效。

![](https://s3.ifanr.com/wp-content/uploads/2026/03/22222221.png)

值得关注的是，龙虾让普通用户第一次真正感受到了「AI 在帮我干活」和「AI 在帮我回答问题」的差别。前者需要的能力完全不一样，这也是为什么专门为龙虾场景训练的模型，和通用模型之间会拉开那么明显的差距。

Agent 时代的竞争，最终拼的可能不是通用能力的高低，而是谁能在特定场景里真正跑通、真正稳定、真正被企业当成生产力工具来用。能力只是入场券，能不能持续干活才是真正的考题。

附上体验地址：

- AutoClaw澳龙客户端：https://autoglm.zhipuai.cn/autoclaw
- Z.ai：z.ai
- 智谱清言APP/网页版