爆料一個新模型，平替 Opus 4.8 的國產之光來了

今天有個重磅消息，智譜正式發布了 GLM-5.2 模型，同時也開源了。

在全球百萬用戶參與盲測的前端開發評估系統 Code Arena 上，GLM-5.2 取得目前可用模型第一的成績。

有一說一，國產模型這次真的站在了世界前列，屬于我們普通人能用得上用得起的國產之光了。

這次 GML-5.2 有兩個關鍵信息，我覺得應該重點聊聊。

第一，Coding 繼續保持國產第一、開源第一。

在 FrontierSWE、SWE-Marathon、PostTrainBench 等多個長程任務基準上，GLM-5.2 的表現介于 Claude Opus 4.8 與 GPT 5.5 之間，是排名最高的開源模型。

我在網上看到一個 AI 博主說，如果你是通過中轉服務使用 Opus，那你可能分不出有可能是 GLM-5.2 冒充的。

第二，1M token 上下文。

注意，不是標稱 1M，是真正能用的 1M。

現在市面上標稱 1M 的模型不少，但大部分到了長上下文后半段效果衰減得厲害。

GLM-5.2 通過注意力結構層面的創新，把 1M 長度下的效果衰減和推理成本同時壓了下來。

說人話，就是它在處理超長任務時不會到后面就開始犯糊涂、忘前面說過什么。

這個能力為什么重要？我換個說法你就明白了。

現在用 AI 寫代碼最大的痛點不是它寫不出來，而是任務一長它就忘了。

你讓它改一個大項目，改到第 30 步的時候它忘了第 2 步定下的規則。你不得不反復提醒它、反復把上下文喂回去，累的不是 AI，是你。

說白了，就是「能干活，但記性差」。

因此，1M 上下文解決的就是這個問題。

一個持續工作數小時的 AI 要經歷幾千次工具調用、讀寫數萬行代碼、積累大量中間狀態。

如果上下文窗口不夠長，模型就被迫不斷壓縮、丟棄、再回憶，每一次壓縮都是信息損耗，每一次遺忘都可能讓任務在第 N 步偏離第 2 步的約束。

長程任務的失敗，很多時候不是模型不夠聰明，而是它忘了。

GLM-5.2 做到的是在一次任務中完整持有整個項目的全部代碼、全部決策歷史、全部約束條件。

這個過程，就像一個不會忘事的工程師，從頭推進到尾。

這里說個案例。

之前我自己用其他模型結合 Claude Code 開發了一個小程序，當時光是 PRD 文檔就有 5000 多字，因為單個文件太大，還是拆分上傳的。

這次我換成 GLM-5.2 試了下，試圖讓它重構這個項目，還是同一份 PRD 文檔。

開啟 CC 的 Plan Mode 模式后，我先讓模型自己加載分析需求文檔并制定開發計劃，然后再進入開發階段。

過程中，我還加了一些需求，并且對一開始的信息做了修改。此時，GLM-5.2 的 1M 上下文優勢就出來了，全程無紕漏。

大概用了 25 分鐘左右，這個基于 PRD 的項目就全部開發完了，而且自己調起了本地的微信開發者工具。

我讓它統計了代碼量，總共 16000 行代碼，而且能成功預覽。

不過有一說一，我覺得 GLM-5.2 在前端頁面的設計美觀度上還有提升空間，現在屬于可用，但還不是絕對好的狀態。

如果是用來做一些大型項目的重構或者開發，這種 1M 上下文空間的體驗就會明顯好很多。

在 Terminal-Bench 2.1 上，這是一個評測 Agent 通過命令行操作一臺計算機的數據集，GLM-5.2僅比Opus 4.8低4%，相比GLM-5.1提升了17.5%。

在 MCP-Atlas 上（工具使用tool-use評測的數據集），GLM-5.2僅比Opus 4.8 低 0.8%。

此外，能做的事情也變了。

整個代碼庫扔進去做跨文件重構，一句話需求直接出完整全棧項目，大型 SaaS 級工程持續推進不跑偏。

這些場景以前只能拆成無數個小任務反復喂上下文，現在可以一次性給完、一次性干完。

我自己也測了一個場景，就是優化我之前用 Agent 開發的個人網站。

先說下，如果你們想用上 GLM-5.2，就得去搶智譜的 Coding Plan，不過這個現在很緊俏，你們可以每天去盯一盯官方放量的時間。

如果搶到了配額，就可以配置到你的 Agent 里直接開始用，我是用 Claude Code 配合 GLM-5.2 用的。

之前開發這個網站我用了幾個模型混合完成，包括 GLM-5.1、Claude Opus 4.6 和 4.8。

從前端開發質量來看，Claude 的模型確實做得更好，但是在代碼本身的開發質量上，我覺得 GLM 和 Claude 的差距并沒有那么大。

這次優化，我完全用 GLM-5.2 來完成，核心就是優化我之前覺得別扭的幾個模塊。

第一個問題就是我網站上案例墻這部分，現在的問題就是重點不突出、沒有數據、視覺不美觀。

我跟 GLM-5.2 提的需求并沒有那么明確，只是表達了一句話需求。

但是，它的分析和問題拆解卻很精準，而且還發現了代碼中存在的命名問題。

講真，它跟我說話真的是毫不客氣。

不僅找準了問題，而且還給出了方案。

不僅按照這個新方案做了重新開發，還對我原有的代碼結構做了優化，整個網站的代碼都有被它 review。

我有一個很直觀的感覺，就是一次性成功率更高，而且模型在需求理解、代碼執行、完成質量上做得都不錯。

優化后的最終效果，明顯比之前好太多。

說實話，結果超出預期。

從實際體感來看，我覺得寫出來的代碼質量和最終呈現的效果跟之前我用的 Claude 模型差異并不是很大。

還是我之前說的，現在 GLM 系列的模型在國產 coding 領域的確是做得非常好的一家。

說實話，對于我們這些每天重度使用 AI 的人來說，智譜的操作是值得點贊的。

之前大家選模型默認選海外的，Claude、GPT，能力確實強。

但穩定性呢？可用性呢？賬號說封就封，模型說停就停，上周 Anthropic 的事就是最好的例子。

現在，國產開源模型的價值正在被重新評估。

不是說它今天在所有維度上都比 Claude 好，而是它穩定、可控、不會哪天突然告訴你「因為政策原因，你不能用了」。

還有一點，現在國產 AI 都在不同程度上被限卡，如果這個環節能突破，我覺得不會比國外差。

GLM-5.2 這次的做法也值得一說，Coding Plan 全量用戶直接可用，包括免費的 Lite 版。

這種發布方式本身就是一種態度，不搞花活，你自己試，數據說話。

最后，說下我自己的判斷。

過去一年，行業衡量模型的標準正在遷移。以前比的是誰完成任務更好，誰的 benchmark 分高誰就牛。

現在比的是「能獨立干多久」，誰能持續工作、不跑偏、不忘事，誰才是真正能用的生產力工具。

上下文長度的可用性和長程任務能力，正在成為下一階段模型競爭的主線。

技術要真正普及成生產力，就一定是開放的。

所有的不開放和限制，本身其實就是對生產力進步的一種束縛。

智譜在他們官宣內容的最后提到兩句英文：

A step closer to frontier intelligence for everyone.

The future of AI is open, and it is for the people.

翻譯過來就是：

向前沿智能再近一步，為每一個人。

AI的未來是開放的，它屬于所有人。

國產模型走到這一步，值得被看見。

················· 唐韌出品 ·················

用AI思維發現下一個機會

安可時刻

如果國產模型能解決被限卡的瓶頸，那速度和質量又會上去一個臺階。

其實對于大多數任務來說，現在國產模型已經表現不錯了。從我的日常 coding 場景來看，GLM-5.2 基本也能滿足大多數需求。

國外模型是很強，但我們也要給國產模型一些時間讓他們成長。