GLM-5.2能打了，但還不能替代GPT

大家好，我是孟健。GLM-5.2 係我最近用落最驚喜嘅國產模型：佢已經好接近 GPT、Claude 嘅第一梯隊，但我唔會建議你今日就將所有 Agent 轉曬過去。

01 先講結論：國內第一，但唔係默認主力

我接觸國產模型嘅時間唔短，大多數時候嘅結論都係「仲得，但係差一截」。GLM-5.2 係第一次令我覺得，呢句嘢要改一改。

整體表現上，佢已經係我用過嘅國內模型入面最強嘅。同 GPT、Claude 嘅頂級梯隊比，差距已經唔算特別大。但「唔算特別大」同「可以替代」係兩回事，後面我會詳細講。

喺 AI 編程同 Agent 長任務呢兩個方向，國內模型之前好少可以進入選型討論——通常係「冇預算先用」或者擺喺最尾嘅備選。GLM-5.2 係第一次令我覺得，佢有資格參與主力候選嘅對比，放入同一張選型表入面認真睇。

但今日你如果問我，要唔要將所有 Agent 都轉過去——唔好。

衡量「用得」同「適合做主力」，標準唔同。用得，睇能力上限。適合做主力，睇穩定性、額度、生態接入成本。GLM-5.2 喺能力上已經過咗門檻，喺後三項上仲未到位。呢三個問題，下面會講。

02 真正變強嘅係長任務同 Agent 感

GLM-5.2 嘅官方定位係面向長任務嘅旗艦文本模型，支援 1M 上下文、最大輸出 128K tokens。

呢兩個數字擺埋一齊，意味着佢可以一次過食曬一個中等規模嘅代碼倉庫，然後俾你輸出一份完整嘅重構方案。成個倉庫掉入去，慳返分段餵或者靠外部向量檢索補漏嘅步驟。對於需要跨文件理解嘅工程任務，呢個上下文窗口係實實在在嘅優勢。

官方強調嘅場景係：項目級工程接管、長程重構、生產規範壓力測試、移動端真機調試，同微信小程序、小遊戲、科研復刻呢類有具體工程語境嘅任務。同以往國產模型主打「通用能力」嘅定位唔同，GLM-5.2 係向住垂直工程方向走。

我自己用落，印象最深嘅係複雜任務入面嘅穩定性。以前用國產模型跑長流程 Agent，成日喺中途出現上下文理解斷層——前面定義過嘅變量命名規範，跑咗幾步之後就唔記得，或者指令跟蹤能力突然變差，前後唔一致。GLM-5.2 喺呢方面好啲。推進一個多步驟嘅工程任務，佢能夠跟落去嘅機會比以前明顯高。跑完一個完整流程先至出錯，總好過中途亂咗容易處理啲。

官方俾出嘅基準數據：FrontierSWE 上僅落後 Opus 4.8 約 1%，超過 GPT-5.5 約 1%，超過 Opus 4.7 約 11%；SWE-Marathon 上同 Opus 4.8 仲有大約 13% 嘅差距。

呢組數字唔係絕對真理，基準測試同實際工程場景永遠有出入。但趨勢方向值得參考——喺 SWE 呢類編程任務基準上，國內模型第一次進咗可以同 Opus、GPT 並列放喺一張表入面討論嘅位置，呢個本身就係信號。

03 問題都好現實：限流、倍數、額度消耗

能力強還能力強，但用起上嚟嘅摩擦感係真實存在嘅。

Coding Plan 有兩層限額：每 5 小時一個額度上限，每週一個總額度。Lite 套餐大約 80 prompts / 5h，Pro 約 400/5h，Max 約 1600/5h——對應周額度分別約 400、2000、8000 prompts。

然後係倍數消耗。GLM-5.2 係高階模型，對標 Claude Opus。高峯期（北京時間 14:00–18:00）按 3 倍額度消耗，非高峯期 2 倍。有個限時福利係非高峯 1 倍抵扣，持續到 9 月底。

換算落嚟，一個跑得鬱嘅 Agent 任務，喺高峯期嘅消耗量非常可觀。你以為用緊 1 個 prompt，實際計費係 3 個。高強度工作流下，一日嘅額度喺兩三個鐘入面就會燒曬。

我之前將三個 Agent 切到 GPT，一週額度就耗曬。拎呢個例子唔係話 GPT 貴——高強度 Agent 使用下，任何模型嘅額度消耗都快。GLM 呢邊情況類似，高峯期 3 倍嘅乘數會將呢個過程壓縮得更短。

Pro 套餐每週 2000 prompts 聽落夠，但高峯期全 3 倍消耗，實際能夠跑嘅 Agent 輪數打咗折扣。想無限制咁跑，基本要上千元嘅團隊版。對比 200 美元嘅 GPT Pro，各有各嘅數，好難簡單比高低。

額度之外仲有時間窗口嘅問題。高峯期限制明顯，實際上會逼住你養成「大任務留到非高峯跑」嘅習慣。對有時間靈活性嘅工作流嚟講呢個可以接受，但如果你嘅 Agent 需要喺工作時間全天候響應，呢個限制會好快變成瓶頸。

04 接入唔係無痛：工具鏈喺度卡咗好耐

呢一節係我覺得對高級用戶最關鍵、但官方最唔會主動講清楚嘅部分。

官方話法係 Coding Plan 套餐僅限喺官方支援嘅工具/產品環境中使用。OpenClaw 被列為支援工具之一，但實際係採用次級調度同盡力交付策略，高負載下會動態排隊、限流。

我哋實際接入時，遇到嘅問題更直接。Hermes 同 OpenClaw 嘅接入過程入面，有明顯嘅定向攔截——唔改源碼基本繞唔過。具體表現係請求能夠發出去，但返回要唔係超時，要唔係拒絕類響應，同普通限流嘅報錯格式唔一樣，似係識別到客戶端特徵之後嘅處理。

周圍幾個用同類工具嘅人都遇到類似情況，好大機會係系統行為，唔係偶發。

呢個意味着乜嘢？如果你嘅工作流依賴非官方渠道、或者自定義工具鏈，接入 GLM-5.2 嘅成本遠比「換一下 API endpoint」高。要唔改源碼，要唔換工具，要唔接受次級調度帶嚟嘅唔穩定。

模型能力追上嚟之後，真正決定能否落地嘅，往往係額度、生態同限制呢三項現實問題。

OpenRouter 上 GLM-5.2 目前嘅標價係 $1.20 input / $4.10 output per 1M tokens，2026 年 6 月 16 日發佈，HuggingFace 上有開放權重。如果你有自己嘅推理環境，呢條路繞過 Coding Plan 嘅額度限制會更靈活。但自建推理嘅接入成本係另一個故事——GPU 資源、運維、延遲，每一項都要另計。

05 我嘅建議：唔好替代 GPT，將佢放喺模型組合入面

我而家嘅用法係將 GLM-5.2 當補位武器，唔係主力。

GPT 安全限制太強嘅任務。 有啲任務 GPT 嘅安全策略會攔截，或者拒絕行到底。GLM-5.2 喺呢方面限制相對寬鬆，可以接手 GPT 唔願意掂嘅部分。呢個係最直接嘅補位價值，唔使改工作流，直接攞嚟填空。

長上下文倉庫理解。 1M context 喺呢度係實實在在嘅優勢，尤其係需要一次性讀完大量代碼再做判斷嘅場景——讀取、分析、輸出方案一次完成，比多輪分段餵效率高唔少。適合用喺「全量掃一遍先講」嘅分析類任務上。

國產環境同中文工程場景。 微信小程序、小遊戲、國內特有技術棧，呢啲場景入面 GLM 嘅工程上下文更貼近實際，值得單獨測試，對比嚇輸出質量再決定要唔要替換。

非高峯期嘅大任務。 凌晨或者朝早跑，1 倍抵扣（限時福利到 9 月底）、非高峯期 2 倍消耗，係成本最優嘅時間窗口。跑時間長、對延遲唔敏感嘅任務，排到呢段時間最合適。

作為第二意見模型。 一個複雜決策俾兩個模型分別俾出方案，再對比。GLM-5.2 有時能夠從唔同角度俾出 GPT 冇覆蓋到嘅判斷。互補嘅價值大過直接替代，用喺最終決策前嘅校驗環節效果唔錯。

唔適合用喺呢幾個場景：全天候高強度 Agent 羣、需要無限制自動化、對穩定額度有要求嘅生產主鏈路。呢啲場景下，GLM-5.2 目前嘅限流同接入摩擦都會成為瓶頸，容易出現跑到一半卡住又要切返嚟嘅情況。

今日嘅國產模型，第一次令我覺得可以認真討論「擺喺邊個位置用」呢個問題，唔只係追問「能唔用得」。你唔使再問國產模型能唔能夠寫代碼喇，呢條已經過咗線。而家應該問嘅係：佢適唔適合入你嘅 Agent 預算表，放喺邊個位置，同邊個主力模型搭配。

最危險嘅用法，係因為佢能力強咗，就將所有 Agent 一把切過去，然後喺高峯期被限流卡死，再重新換返嚟。呢個切換成本唔低，來回折騰好容易浪費咗原本可以用嚟生產嘅時間。

GLM-5.2 嘅限制主要體現喺額度能唔能夠撐住你嘅用量，能力呢邊已經過咗線。用啱位置，佢係真實嘅增量。用錯位置，佢嘅限制會比你想象嘅更快顯現出嚟。

🚀 想同更多 AI 愛好者交流，共同成長嗎？

同一班志同道合嘅人，持續精進 AI 嘅每一日

大家好，我是孟健。GLM-5.2 是我最近用下來最意外的國產模型：它已經很接近 GPT、Claude 的第一梯隊，但我不會建議你今天就把 Agent 全切過去。

01 先說結論：國內第一，但不是默認主力

我接觸國產模型的時間不短了，大多數時候的結論都是"還行，但差一截"。GLM-5.2 是第一次讓我覺得，這句話得改一改。

整體表現上，它已經是我用過的國內模型裏最強的。跟 GPT、Claude 的頂級梯隊比，差距已經不算特別大。但"不算特別大"和"可以替代"是兩件事，後面我會細說。

在 AI 編程和 Agent 長任務這兩個方向，國內模型之前很少能進入選型討論——通常是"沒有預算才用"或者排在最末位的備選。GLM-5.2 是第一次讓我覺得，它有資格參與主力候選的對比，放進同一張選型表裏認真看。

但今天你如果問我，要不要把所有 Agent 都切過去——不要。

衡量"能用"和"適合當主力"，標準不同。能用，看能力上限。適合當主力，看穩定性、額度、生態接入成本。GLM-5.2 在能力上已經過了門檻，在後三項上還沒到位。這三個問題，往下說。

02 真正變強的是長任務和 Agent 感

GLM-5.2 的官方定位是面向長任務的旗艦文本模型，支持 1M 上下文、最大輸出 128K tokens。

這兩個數字放在一起，意味着它可以一口氣吃下一個中等規模的代碼倉庫，然後給你輸出一份完整的重構方案。整個倉庫丟進去，省掉分段喂或者靠外部向量檢索補漏的步驟。對於需要跨文件理解的工程任務，這個上下文窗口是實打實的優勢。

官方強調的場景是：項目級工程接管、長程重構、生產規範壓力測試、移動端真機調試，以及微信小程序、小遊戲、科研復刻這類有具體工程語境的任務。跟以往國產模型主打"通用能力"的定位不同，GLM-5.2 在往垂直工程方向走。

我自己用下來，印象最深的是複雜任務裏的穩定性。以前用國產模型跑長流程 Agent，經常在中途出現上下文理解斷層——前面定義過的變量命名規範，跑了幾步之後就忘了，或者指令跟蹤能力突然變差，前後不一致。GLM-5.2 在這方面好一些。推進一個多步驟的工程任務，它能跟下去的概率比之前明顯高。跑完一個完整流程再出錯，總比中途亂掉容易處理。

官方給出的基準數據：FrontierSWE 上僅落後 Opus 4.8 約 1%，超過 GPT-5.5 約 1%，超過 Opus 4.7 約 11%；SWE-Marathon 上與 Opus 4.8 仍有約 13% 的差距。

這組數字不是絕對真理，基準測試跟實際工程場景永遠有出入。但趨勢方向值得參考——在 SWE 這類編程任務基準上，國內模型第一次進入了可以和 Opus、GPT 並列放在一張表裏討論的位置，這本身就是信號。

03 問題也很現實：限流、倍數、額度消耗

能力強歸能力強，用起來的摩擦感是真實存在的。

Coding Plan 有兩層限額：每 5 小時一個額度上限，每週一個總額度。Lite 套餐大約 80 prompts / 5h，Pro 約 400/5h，Max 約 1600/5h——對應周額度分別約 400、2000、8000 prompts。

然後是倍數消耗。GLM-5.2 是高階模型，對標 Claude Opus。高峯期（北京時間 14:00–18:00）按 3 倍額度消耗，非高峯期 2 倍。有個限時福利是非高峯 1 倍抵扣，持續到 9 月底。

換算下來，一個跑得起來的 Agent 任務，在高峯期的消耗量非常可觀。你以為在用 1 個 prompt，實際計費是 3 個。高強度工作流下，一天的額度在兩三個小時裏就能燒完。

我之前把三個 Agent 切到了 GPT，一週額度就耗光了。拿這個例子不是說 GPT 貴——高強度 Agent 使用下，任何模型的額度消耗都快。GLM 這邊情況類似，高峯期 3 倍的乘數會把這個過程壓縮得更短。

Pro 套餐每週 2000 prompts 聽起來夠，但高峯期全 3 倍消耗，實際能跑的 Agent 輪數打個折扣。想無限制地跑，基本得上千元的團隊版。對比 200 美元的 GPT Pro，各有各的賬本，很難簡單比高下。

額度之外還有時間窗口的問題。高峯期限制明顯，實際上會逼着你養成"大任務留到非高峯跑"的習慣。對有時間靈活性的工作流來說這可以接受，但如果你的 Agent 需要在工作時間全天候響應，這個限制會很快變成瓶頸。

04 接入不是無痛：工具鏈這裏卡了很久

這一節是我覺得對高級用戶最關鍵、但官方最不會主動說清楚的部分。

官方說法是 Coding Plan 套餐僅限在官方支持的工具/產品環境中使用。OpenClaw 被列為支持工具之一，但實際是採用次級調度與盡力交付策略，高負載下會動態排隊、限流。

我這邊實際接入時，遇到的問題更直接。Hermes 和 OpenClaw 的接入過程裏，有明顯的定向攔截——不改源碼基本繞不過去。具體表現是請求能發出去，但返回要麼超時，要麼是拒絕類響應，跟普通限流的報錯格式不一樣，更像是識別到客戶端特徵之後的處理。

周圍幾個用同類工具的人也碰到了類似情況，大概率是系統行為，不是偶發。

這意味着什麼？如果你的工作流依賴非官方渠道、或者自定義工具鏈，接入 GLM-5.2 的成本遠比"換一下 API endpoint"高。要麼改源碼，要麼換工具，要麼接受次級調度帶來的不穩定。

模型能力追上來之後，真正決定能不能落地的，往往是額度、生態和限制這三項現實問題。

OpenRouter 上 GLM-5.2 目前的標價是 $1.20 input / $4.10 output per 1M tokens，2026 年 6 月 16 日發佈，HuggingFace 上有開放權重。如果你有自己的推理環境，這條路繞過 Coding Plan 的額度限制會更靈活。但自建推理的接入成本是另一個故事——GPU 資源、運維、延遲，每一項都要另算。

05 我的建議：別替代 GPT，把它放進模型組合

我現在的用法是把 GLM-5.2 當補位武器，不是主力。

GPT 安全限制太強的任務。 有些任務 GPT 的安全策略會攔截，或者拒絕走到底。GLM-5.2 在這方面限制相對寬鬆，可以接手 GPT 不願意碰的部分。這是最直接的補位價值，不用改工作流，直接拿來填空。

長上下文倉庫理解。 1M context 在這裏是實打實的優勢，尤其是需要一次性讀完大量代碼再做判斷的場景——讀取、分析、輸出方案一次完成，比多輪分段喂效率高不少。適合用在"全量掃一遍再說"的分析類任務上。

國產環境和中文工程場景。 微信小程序、小遊戲、國內特有技術棧，這些場景裏 GLM 的工程上下文更貼近實際，值得單獨測試，對比一下輸出質量再決定要不要替換。

非高峯期的大任務。 凌晨或者早上跑，1 倍抵扣（限時福利到 9 月底）、非高峯期 2 倍消耗，是成本最優的時間窗口。跑時間長、對延遲不敏感的任務，排到這段時間最合適。

作為第二意見模型。 一個複雜決策讓兩個模型分別給出方案，再對比。GLM-5.2 有時候能從不同角度給出 GPT 沒覆蓋到的判斷。互補的價值大於直接替代，用在最終決策前的校驗環節效果不錯。

不適合用在這幾個場景：全天候高強度 Agent 羣、需要無限制自動化、對穩定額度有要求的生產主鏈路。這些場景下，GLM-5.2 目前的限流和接入摩擦都會成為瓶頸，容易出現跑到一半卡住又得切回來的情況。

今天的國產模型，第一次讓我覺得可以認真討論"放在哪個位置用"這個問題，不只是追問"能不能用"。你不用再問國產模型能不能寫代碼了，這條已經過線了。現在該問的是：它適不適合進你的 Agent 預算表，放哪個位置，跟哪個主力模型搭配。

最危險的用法，是因為它能力強了，就把所有 Agent 一把切過去，然後在高峯期被限流卡死，再重新換回來。這個切換成本不低，來回折騰很容易浪費掉原本可以生產的時間。

GLM-5.2 的限制主要體現在額度能不能撐住你的用量，能力這邊已經過線了。用對了位置，它是真實的增量。用錯了位置，它的限制會比你想象的更快顯現出來。

🚀 想要與更多AI愛好者交流，共同成長嗎？

和一羣志同道合的人，持續精進 AI 的每一天