kabikabi(@jakevin7):第一手信息还是很重要的，很多人说GLM打平了Opus。我们来看benchmark，实际上打平的只是coding方面，这和我们的体感也确实是相对来说符合的。所以实际上我们还是得先问是不是，再问为什么。文档里看完整 benchmark 表： HLE（综合推理）：GLM-5.2 40.5 vs Opus 4.8 49.8，差距很大 GPQA-Diamond：91.2 vs 93.6，落后 SWE-Marathon：13 vs 26，差一半 SWE-bench Pro：62.1 vs 69.2，差 11% GLM-5.2 没有"全域能力打平"Opus 4.8。真正"打平"的实际上是 FrontierSWE（74.4 vs 75.1，差 1%），这是一个 long-horizon coding benchmark。

2026.06.19 19:51

第一手信息还是很重要的，很多人说GLM打平了Opus。我们来看benchmark，实际上打平的只是coding方面，这和我们的体感也确实是相对来说符合的。所以实际上我们还是得先问是不是，再问为什么。文档里看完整 benchmark 表： HLE（综合推理）：GLM-5.2 40.5 vs Opus 4.8 49.8，差距很大 GPQA-Diamond：91.2 vs 93.6，落后 SWE-Marathon：13 vs 26，差一半 SWE-bench Pro：62.1 vs 69.2，差 11% GLM-5.2 没有"全域能力打平"Opus 4.8。真正"打平"的实际上是 FrontierSWE（74.4 vs 75.1，差 1%），这是一个 long-horizon coding benchmark。

231

轉發到社區

熱門用戶