在开发者最关心的编程基准上,GLM-5.2的具体表现是这样的:Terminal-Bench 2.1从上一代的63.5直接拉到81.0,提升幅度将近20分;和Claude Opus 4.8相比,差距明显缩小。SWE-bench Pro从58.4到62.1也有明显进步。Terminal-Bench不是让模型写个函数答个选择题,而是丢进真实Linux终端让它自己规划、敲命令、读报错、修正策略,连续跑几百轮不停歇——这是长时间极限生存,不是三秒作答。51
真正拉开差距的是长周期任务。FrontierSWE测试的是Agent能否独立完成需要数小时乃至几十小时的开放式技术项目,GLM-5.2得分74.4,Claude Opus 4.8是75.1,差距只有0.7个百分点,GLM-5.2还超过了GPT-5.5的72.6。SWE-Marathon更难,涵盖构建编译器、优化内核、开发生产级服务,这里GLM-5.2得分13,对比Opus 4.8的26还有差距,但在开源模型里已经是第一。三组长程基准测试,GLM-5.2都是开源模型里排名最高的。67
前端开发方面,GLM-5.2在Design Arena以1360的ELO分数拿下了第一名,超过了Claude Fable 5的Arena Elo 1509。也有开发者实测后提到,长文本梳理、多轮任务持续推进、方案复盘优化这些场景表现很扎实,但中文日常对话偶尔会出现"不够听话"的情况,和真正的Opus级体验还有细微差距。89
花多少钱、怎么上手
API定价方面,GLM-5.2输入每百万token约1.40美元,输出每百万token约4.40美元,总计约5.80美元每百万token。对比之下,Claude Opus 4.8的输入是5美元、输出25美元,合计约30美元;GPT-5.5更贵,输入5美元、输出30美元,合计35美元。GLM-5.2的综合成本大约只有这些闭源模型的六分之一到十分之一。1011
当前文章无评论,是时候发表评论了