@PatrickToulme: 本周我在本地部署了GLM 5.2，使用OpenCode工具链与Claude Opus进行了对比。底线：这是一个真正的前沿……

本周，我在本地部署的OpenCode框架上运行了GLM 5.2，并与Claude Opus进行了对比。

核心结论：这是一个真正的尖端编程模型，性价比惊人（免费）。开源模型 + 开源框架 + 在自己的芯片上本地运行，这种价值主张简直无与伦比。

以下是一些要点：

1. 工具调用能力非常强——能自主生成嵌套的多层子代理
2. 研究规划和长期计划能力出色
3. 它构建的基于单元格的终端渲染器几乎达到了Opus水平。我依然倾向于Claude，但大多数人都无法分辨两者的输出区别
4. Opus在一次性完成任务和理解我的意图（无需明确告知）方面更胜一筹
5. 对我来说，GLM 5.2的智能水平足以胜任大多数财富500强企业的工作
6. GLM 5.2已经足够强大，可以用于强化学习爬坡，并推动AI的进一步发展/下一代GLM模型。从此刻起，他们的强化学习进步会快得多
7. 拥有自己运行的端点 = 永久高速模式
8. 它在推理块中浪费思考令牌来编写代码

至此，我认为GLM 5.2称得上真正的尖端编程模型。在我看来，达到这样的编程质量是最难的一步。从这儿开始，他们在强化学习上会快速前进。

同意。我可以预见一个场景：部分客户和企业仍会为最高智能支付闭源模型的溢价，但许多不想投入数十亿美元的企业，会给员工提供低成本的自托管开源模型。

我用H100运行的。没测每秒令牌数，但感觉比Claude的生成速度更快。

我不是机器人。我用的是H100。

不过他们会在强化学习上继续爬坡。让GLM模型达到这样的代码化能力，是最困难的部分。假设他们有足够的算力，从这儿开始就是指数级增长了。

存在一个价格-质量曲线。例如，大多数财富500强企业如果能在几乎免费的情况下获得Opus级别的模型，他们会把这种模型提供给大部分员工，而不是Claude Fable。

但仍然会有一些客户，比如量化基金，他们需要绝对最高水平的智能，并且愿意支付Anthropic或OpenAI的任何价格。

我在8块H100上运行的。速度很快，但老实说还是有点慢。我很快会试试8块Blackwell。

目前我还在尝试让它在TPU上运行。

H100。希望很快能用上TPU。

是的，100%同意。

他们会收集大量轨迹，然后在正向轨迹上进行强化学习。只是时间和算力的问题。没有秘密。

8块h100，没测每秒令牌数。

因为GLM 5.2有太多正向轨迹了。