最近使用glm5.2有感

背景

2025年5月，Linux DO 社区用户分享了一组基于个人项目的模型对比测试，涉及智谱最新发布的 GLM-5.2 与 OpenAI 同期推出的 GPT-5.5。测试者使用一个已有数万 token 级别的代码项目作为基准，通过 D 老师（一个 1M 上下文窗口、世界知识丰富的模型）对模型输出质量进行打分比较。该测试引发了社区对国产闭源模型与海外主流模型在成本与效果上的讨论。

核心内容

测试者用自己的个人项目（之前帖子提到的“几百万 token 这个量级”）分别测试了 GLM-5.2（运行在 CC 平台上，开启 ultracode 模式）和 GPT-5.5（使用 xhigh 模式）。两者均采用 /goal 模式推进，使用相同的开放式 prompt。

评分方面，测试者将输出提交给 D 老师进行评估，得到三个分数：

• A：GLM-5.2
• B：原项目（作为基准）
• C：GPT-5.5

根据作者上传的评分图，GLM-5.2 的评分高于 GPT-5.5，且接近甚至超过原项目的基准线。

花费方面：

• GLM-5.2 使用的是某 coding plan（完全额度内），测试者推测其模型为常见的 8bit 量化版本，代码推进质量表现良好。
• GPT-5.5 通过 cockpit tools 接入了自用的 48 team 号池（6 个常规 + 2 个月额度账号）。测试结果表明，GPT-5.5 用掉了 2 个月额度账号的全部额度，以及剩余 6 个常规 team 账号一半的周额度，还搭进了一张重置卡，总花费约 600 美元。但产出的质量却不如 GLM-5.2，令测试者感到失望。

最终结论：作者表示“再这么下去，gpt 早点倒闭吧”，表达了对 GPT-5.5 性价比的强烈不满。

关键要点

• 测试基准项目相同，prompt 相同，均为 /goal 模式，使用了开放式指令。
• GLM-5.2 在 CC 平台开启 ultracode 模式，运行成本由 coding plan 承担，未超出免费额度。
• GPT-5.5 使用 xhigh 模式，通过 cockpit tools 连接多个 team 账号，累计消耗约 600 美元配额。
• 评分结果（由 D 老师评估）：A（GLM-5.2） > B（原项目基准） > C（GPT-5.5）。
• 作者推测 GLM-5.2 为 8bit 量化版本，但代码推进质量依然令人满意。
• GPT-5.5 在性价比上严重落后：花费高昂却产出质量较低，且烧干了两个月的额度账号和多个常规账号的周额度。
• 作者情绪强烈，认为 OpenAI 的定价和产品质量不匹配。

意义与影响

这一测试结果反映了当前大模型竞争中的一个关键趋势：在国内模型持续迭代的背景下，像 GLM-5.2 这样的开源/闭源混合模型已能在特定任务（如代码编写）上以极低成本达到甚至超越海外旗舰模型的效果。对于个人开发者和中小企业而言，成本是选择模型的重要考量。GPT-5.5 虽然具备多模态等新能力，但在纯代码任务上的表现和价格却并未形成优势。这种“以小博大”的案例可能会促使更多用户转向性价比更高的国产模型，同时也给 OpenAI 等公司施加定价调整的压力。不过，该测试为单一个案，样本量小且依赖第三方评估器，结论的泛化性需要更多对比验证。