@rohanpaul_ai: 令人惊讶的好消息，开源编码模型，而且还有很多隐藏的机会可以降低成本……

X AI KOLs Following 新闻
open-source coding-model cost-reduction llm benchmark enterprise databricks

摘要

Databricks 测试了开源编码模型 GLM-5.2，发现它在真实企业代码任务中可与 Claude Opus 4.8 等顶级闭源模型竞争，同时成本更低（每任务 1.28 美元对 1.94 美元）。评估还强调了 Pi 这个框架，它通过减少每轮发送的上下文来降低成本。

令人惊讶的好消息，开源编码模型，而且还有很多隐藏的机会可以在提升质量的同时降低成本。 Databricks 展示了 GLM-5.2 可以在真实企业代码中与精英闭源编码模型竞争。 GLM 5.2 进入了 Databricks 的最高能力层级，并在质量上与 Claude Opus 4.8 在统计上不相上下。 - 编码任务的帕累托前沿（即在给定成本下的最佳质量）包含了 OpenAI、Anthropic 和开源模型。 - 这意味着，目前只有多种工具的组合才能提供前沿性能。 - 开源模型，尤其是 GLM 5.2，现在能够处理最高难度的任务。 Databricks 构建这个测试是因为公开的编码基准可能对模型来说过于熟悉。 相反，它使用了真实的内部 PR、真实的测试以及一个数百万行代码的代码库。 成本结果使其更加严肃。GLM 5.2 每任务 1.28 美元，而 Opus 4.8 每任务 1.94 美元。 因此，在他们数百万行企业级代码的测试中，GLM-5.2 使得开放权重路由变得可信，而 Pi 则展示了为什么一个可信的模型必须在正确的框架内进行测试。 他们的测试还区分了人们经常混淆的两件事：模型智能和智能体效率。 一个编码智能体需要两部分。模型负责推理和编写代码。框架管理工作流程，包括文件搜索、终端命令、测试输出和上下文。GLM-5.2 通过在 Databricks 自有私有任务上接近顶级闭源模型，证明了第一部分。 框架 Pi 则通过展示相同的任务水平可以用更少的上下文发送到模型来完成，证明了第二部分。 Databricks 发现 Pi 可以用相同的模型和相同的思考努力，以低于 2 倍的成本运行，因为它每轮发送的上下文减少了约 3 倍。
查看原文
查看缓存全文

缓存时间: 2026/07/09 23:42

开源编程模型传来令人惊喜的好消息，同时也揭示了在降低成本的同时提升质量的诸多隐藏机遇。

Databricks 证明，GLM-5.2 能够与顶尖闭源编程模型在企业真实代码场景中一较高下。

GLM-5.2 已进入 Databricks 的最高能力层级，并在质量上与 Claude Opus 4.8 基本持平（统计上无显著差异）。

  • 编程任务的帕累托前沿（即在特定成本下达到最佳质量）涵盖了 OpenAI、Anthropic 以及开源模型。
  • 这意味着，目前只有组合多种工具才能实现前沿性能。
  • 开源模型，尤其是 GLM-5.2，现已能够应对最高难度的任务。

Databricks 之所以构建该测试，是因为公开的编程基准可能被模型过度拟合。

因此，他们使用了真实的内部 PR、真实的测试用例以及一个数百万行代码的代码库。

成本结果进一步凸显其意义：GLM-5.2 每任务成本为 1.28 美元，而 Opus 4.8 为 1.94 美元。

因此，在 Databricks 数百万行企业级代码的测试中，GLM-5.2 使开放权重路由变得可信，而 Pi 框架则展示了为什么一个可信的模型必须在合适的测试框架中接受检验。

这一测试还将人们常混淆的两件事区分开来：模型智能与代理效率。

一个编程代理需要两部分。模型负责推理和代码编写，而框架负责管理工作流程，包括文件搜索、终端命令、测试输出和上下文管理。GLM-5.2 通过 Databricks 自有私有任务接近顶级闭源模型的表现，证明了第一部分。

Pi 框架则通过展示能使用远少上下文完成相同级别的工作，证明了第二部分。

Databricks 发现，Pi 能以超过 2 倍的低成本运行相同模型，且思考努力不变，因为每轮交互发送的上下文减少了约 3 倍。

编程代理的成本可以在不改变模型的情况下发生巨大变化。

Pi 通过向模型提供更少重复上下文来节省成本，同时质量保持大致稳定。

因此，当高效框架能控制任务成本时，GLM-5.2 会变得更加有用。

相似文章