GLM-5.2 对比 Claude：中国新模型是否真的配得上“杀手”称号？
中国公司Z.ai发布了新一代旗舰神经网络GLM-5.2，开发者社区已开始将其与Anthropic的产品进行比较。用户声称该模型不仅在质量上追赶Claude，还提供了显著更低的价格。我分析了其特性、基准测试和用户反馈，以评估这股热潮是否合理。
什么是GLM-5.2，它有何亮点
GLM-5.2是一款针对长时工作会话优化的模型。主要创新在于将上下文窗口扩展至100万token，是前代GLM-5.1（20万token）的五倍。这使得模型能够在不损失质量的情况下，处理海量代码或文本。
关键特性：
- 稳定的100万token上下文窗口，在超长会话中不会退化。
- 两级推理增强：High（平衡性能与token消耗）和Max（最大化能力，但消耗更大）。
- 采用MIT开源许可证，无地域限制——可在自有设备上运行。
- API价格与5.1版本持平。
该模型已在HuggingFace和ModelScope上线，并支持主流框架：transformers、vLLM、SGLang等。订阅GLM Coding Plan可解锁桌面代理ZCode以及与Claude Code和OpenCode的集成。
基准测试表现如何
根据Z.ai的自家测试，GLM-5.2被认为是市场上最强的开源模型。然而，在大多数情况下，它仍不及Anthropic的旗舰产品Claude Opus 4.8。
在标准编程测试中，相比GLM-5.1的提升显著：Terminal-Bench 2.1得分81.0对63.5，SWE-bench Pro得分62.1对58.4。在Terminal-Bench 2.1上，81.0的得分接近Opus 4.8（85.0），并超越了Gemini 3.1 Pro（74.0）。
与竞品在最大推理模式下的对比：
| 基准测试 | GLM-5.2 | GLM-5.1 | Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|---|
| SWE-bench Pro | 62.1 | 58.4 | 69.2 | 58.6 | 54.2 |
| Terminal-Bench 2.1 | 81.0 | 63.5 | 85.0 | 84.0 | 74.0 |
| NL2Repo | 48.9 | 42.7 | 69.7 | 50.7 | 33.4 |
| DeepSWE | 46.2 | 18.0 | 58.0 | 70.0 | 10.0 |
| ProgramBench | 63.7 | 50.9 | 71.9 | 70.8 | 39.5 |
| MCP-Atlas | 76.8 | 71.8 | 77.8 | 75.3 | 69.2 |
| Tool-Decathlon | 48.2 | 40.7 | 59.9 | 55.6 | 48.8 |
在长时任务（long-horizon）上，情况类似。在FrontierSWE测试中，模型需连续数十小时管理开源技术项目，GLM-5.2仅落后Opus 4.8约1%，但超越了GPT-5.5和前代Opus 4.7。在评估通过微调改进其他模型的PostTrainBench上，GLM-5.2领先Opus 4.7和GPT-5.5，仅次于Opus 4.8。
在超长SWE-Marathon测试中，面对创建编译器等任务，GLM-5.2落后Opus 4.8约13%。尽管如此，在所有三项测试中，GLM-5.2均取得了开源模型中的最佳成绩。
价格如何，有何陷阱
GLM Coding Plan订阅分为三档（价格为年付30%折扣价）：Lite每月12.6美元，Pro每月50.4美元，Max每月112美元。Pro计划的限额是Lite的五倍，Max则是二十倍。高级计划可优先访问旗舰模型、获得额外工具集以及高峰时段的专属资源。
订阅内的配额消耗取决于负载：高峰时段（北京时间14:00至18:00）系数为3倍，非高峰时段为2倍。截至9月底有促销活动，因此非高峰时段使用按1倍计费。
用户如何评价
意见不一。根据反馈，优势包括：
- 该模型被认为是目前测试过的最强开源神经网络。
- 基础逻辑明显优于5.1版本，在编程方面，高推理水平下可与GPT-5.5媲美。
- AI能通过辅助代理自主完成复杂任务，并主动建议修复发现的缺陷。
- 用户形容它缓慢且昂贵，但在达成目标上极其执着。
批评主要集中在服务和稳定性上：
- 尽管数学模型优秀，但云基础设施被形容为极其薄弱。
- 开发者抱怨定价昂贵且支持薄弱，认为付费使用Claude或GPT更省心。
- 该模型被批评容易陷入无限循环并忽略指令。
- 用户认为模型完全针对基准测试优化。
用户还特别提到了工作模式。据称，模型仅在Max模式下才能充分发挥，该模式消耗的token数倍于High模式。
那么，它是否是Claude的“杀手”？
这个问题没有明确答案。GLM-5.2被认为是目前编程和自主任务方面最好的开源模型。在特定长时场景中，它已接近Anthropic的旗舰产品。MIT开源许可证、可在自有设备上运行以及低门槛使其成为重要参与者。
然而，称其为Claude“杀手”的主要是博主，而非基准测试。在大多数测试中，Z.ai自身也将模型排在Opus 4.8之下。此外，用户抱怨云基础设施不稳定、Max模式下token消耗高以及支持薄弱。这款新AI缩小了与领先者的差距，但尚未超越它们。
我的分析：GLM-5.2是开源模型向前迈进的一步，但称其为Claude“杀手”为时过早。它在价格和基准测试性能上确实具有竞争力，但在实际场景中，稳定性和便利性仍有不足。对于愿意为节省成本而容忍缺点的爱好者和开发者来说，这是一个不错的选择。但对于生产环境——目前还不行。