中国AI模型GLM 5.2以低成本挑战编程任务

智谱AI于6月16日发布的开源大语言模型GLM 5.2，以7530亿参数但仅激活400亿的优化设计，在编程基准测试中展现出接近美国前沿模型的性能。该模型采用MIT开源许可，允许任何组织免费下载和自托管，API成本仅为每百万输出令牌4.40美元，不到Anthropic Opus 4.8的五分之一，是Fable编程模型的十分之一。这种高性价比选择正吸引越来越多注重成本的开发者。

Together AI的AI工程师Zain Hasan表示，他学会了根据任务复杂度选择模型：复杂问题交给前沿模型如Anthropic的Fable，简单任务则用GLM 5.2。他指出，许多公司尚未建立令牌预算，工程师倾向于使用最强大的模型，这种习惯可能成为美国AI实验室的护城河。GLM 5.2在FrontierSWE和PostTrainBench等智能编程基准中几乎与Opus 4.8持平，并在网络安全基准中表现优异，引发与Anthropic Mythos的比较。

斯坦福AI指数显示，2025年中国公司生产的“知名”AI模型数量是美国的一半以上，高于2023年的三分之一和2020年的五分之一。GLM 5.2的出色基准分数创下了开源模型和中国开发模型的新纪录。然而，其中国背景让一些美国公司担忧数据安全，但开源权重允许自托管，这不同于大多数仅通过API访问的前沿模型。智谱AI同日发布的研究报告聚焦于Opus 4.8和GPT-5.5，在编程基准中GLM 5.2通常略逊于Opus 4.8。

软件工程师对GLM 5.2的实际体验不一。Hasan发现它能处理更长时间的对话，保持连贯思路。MetaRouter的David Nix认为它在前端开发方面“非常接近”前沿模型，承担了他10%到20%的LLM工作。Screen Studio的Kacper Michalik在创建网站表单时获得良好结果。但Indhic AI的Sai Kiran Myadaram遇到速率限制、幻觉和过度规划问题，导致代码库混乱，最终回归OpenAI的Codex。

GLM 5.2的发布加剧了美国AI公司可能失去竞争优势的担忧。尽管在SWE-Marathon等困难基准中，Opus 4.8的完成率是GLM 5.2的两倍，但后者在成本效益上具有显著优势。随着中国AI模型数量和质量提升，全球开发者面临更多选择，而成本意识可能成为决定市场格局的关键因素。

要点

• GLM 5.2 API成本仅为每百万输出令牌4.40美元，远低于美国竞品，适合预算敏感项目。
• 模型在智能编程基准中接近Opus 4.8，尤其擅长前端开发和长期任务。
• 开源权重允许自托管，解决了数据安全顾虑，但存在速率限制和幻觉问题。
• 中国AI模型数量从2020年占美国五分之一增长到2025年过半，竞争力显著提升。