GLM-5.2 是开源智能体的转折点

GLM-5.2，按照业界常见的命名惯例来看，在广受欢迎的 GLM-5.1 模型之后，它看起来可能只是一次增量更新。此时，Kimi 模型的开发者 Moonshot AI 和 GLM 模型的开发者 Z.ai，已经凭借 AI 研究者中最受青睐的开源权重模型，巩固了声誉市场的顶端地位。接下来发生的事情，是追踪 AI 模型时的一个常见教训：往往只是次要版本号的变动，就能让 AI 模型跨过有意义的用户体验门槛。基准测试和训练上的微小变化，就能开启广泛的新用例。

随之而来的是对 GLM-5.2 缓慢积聚的炒作热潮。官方以 MIT 许可证发布的模型权重和发布博客在最初上线三天后、即 6 月 16 日发布。人们可以絮叨许多技术细节，比如强劲的基准测试分数、Z.ai 使用的非常受欢迎的 RL 框架（SLIME）、建议始终在 Max 思考强度下使用该模型等等，但最初的发布博客通常并不是值得关注的重点。你可以等一等，读读生态系统的反应，来判断它是不是真材实料。反正如今基准测试已经半死不活了。

16 日之后，涌现出一大批社区基准测试，显示 GLM-5.2 的成绩好于预期。Arena 的智能体排行榜将其列为唯一一个能与 OpenAI 和 Anthropic 最新模型同场竞争的开源模型（尤其值得注意的是，它在 GLM-5.2 的 max 模式下可与 Opus 4.8 的无思考模式相匹敌）。这是 GLM-5.2 碾压 Gemini 的众多评测之一，但那是另一个话题了。有一个在社区中评价褒贬不一的基准测试（尤其是在真正的设计师群体中）——Design Arena 甚至显示 GLM-5.2 击败了 Claude Fable 本身——那个最近被封禁的炒作机器！

在 AI 评论界和研究界中，我尊重的几乎所有人都在亲自使用后称赞了这款模型。社区中如此集中的讨论焦点，此前只有一次在开源模型发布时如此明显——DeepSeek R1。这不是我轻易做出的比较，而当我将 Kimi K2 的发布比作“DeepSeek 时刻”时，GLM-5.2 已经远远超过了那一次。Kimi K2 令人印象深刻之处在于，开源模型性能的大幅进步似乎可以来自中国的任何地方。而 GLM-5.2 所迈出的这一步，更像是 AI 进步的一扇单向门。

Anthropic 凭借 Claude Code 创下的创纪录营收增速，很大程度上是由其作为最佳模型、以及唯一真正能做到这一点的模型所驱动的。GLM-5.2 是众多（即将到来的）开源权重模型中第一个提供可信替代方案的。这一类比非常清晰，就像当年 DeepSeek R1 表明，资源远为匮乏的开源权重实验室也能复现 OpenAI 以 o1 倡导的思维链推理模型一样。随着 AI 系统变得更加复杂、构建成本大幅提高，涉及工具、集成式 harness 和规模化模型权重，GLM-5.2 这一时刻是否会出现，本来并非理所当然。

关键在于，GLM-5.2 是第一个在编码 harness 中作为通用智能体用起来感觉对路的开源权重模型。它是第一个。我个人早就该试试近期的一些同类模型了，比如 Kimi K2.7 或 GLM-5.1，但炒作太猛，我无法忽视。我让它在 Claude Code 中借助 Fireworks 的 API 帮我为我的后训练课程制作内容（配置起来非常容易）。过程中有一些小磕碰，比如 Claude Code harness／我的仓库文档试图向模型发送图片，这会让 Fireworks API 在该会话中彻底卡死——迫使我手动清空上下文。总体而言，模型能力立刻让人感觉对路，我在使用哪个 harness 和推理提供商方面还有一些需要摸索的地方。

想要更多炒作素材，你可以看看 Z.ai 创始人告诉 Elon“开源权重的 Fable 级能力会比 2027 年第一季度更早到来”，Vercel 的 CEO 说“对 @zai_org 的 GLM-5.2 在编码方面如此出色，真心印象深刻，几乎震惊。这改变了格局”，以及更多来自我深为尊重其意见的人和我新认识的人的各种言论。

所以，这是一款好模型，这让我们处于什么位置？

有许多趋势在起作用。首先，让我们把讨论建立在开源与闭源的能力差距上。我曾写过，如果开源模型在 2026 年初前后跨过 Claude Code 中 Opus 4.5 的门槛，我预计会出现“使用量的爆发”。现在我们到了这一步。随着 Claude Opus 4.5 于 2025 年 11 月 24 日发布，到 GLM-5.2 于 2026 年 6 月 16 日发布，时间差距为 204 天——约 6.8 个月。这正好落在许多人所说的美国闭源实验室与中国开源同行之间性能滞后的 6 至 9 个月时间区间内。

写下这些时，我感到惊讶。过去约一年里，美国实验室如此迅速地扩充算力，我本以为性能差距会随时间扩大。这条轨迹上一个非常有意义的节点将是 Claude Fable 5 的发布——它更依赖规模，因此也更依赖最先进的 GPU，相对于 Claude Opus 系列而言。不过，这仍不是一个令人满意的答案。在这里继续拆解这条轨迹所涉及的细微之处，超出了我在这篇指引性文章里所能容纳的范围。

这件事最直接的含义是，在那些疯狂消耗 token 的组织内部，定价压力会严重得多，从而把 Anthropic 的收入送上月球。有人会预测 Anthropic 无法实现其预测的 ARR 数字，但我认为这并未计入这些模型的真实需求和不可避免的增长。这款模型的存在对开源模型经济是巨大的利好。Fireworks、Together、Thinky（通过 Tinker）、Prime Intellect，以及其他所有销售开源模型推理或微调服务的公司，都刚刚撞上了又一个拐点。

这里的影响要扩散到更广泛的经济（和用例）中还需要很长时间。工作流正变得更复杂，人们用不同的模型来做规划、主要编码和子智能体调度。我预计炒作会继续升温，而且，嘿，我在周日晚上写下这些时，就能想象周一的媒体和市场反应会像 DeepSeek R1 发布时那样成为一件大事。这种扩散发生在 Anthropic——进而也是美国的——旗舰模型仍被禁用之际，是一记严重的经济匕首。GLM-5.2 正获得时间，去切走前沿实验室的经济腹地，而后者本希望推进到只有绝对前沿模型才能开启的更高利润率、更高收入的领域。

这种经济担忧映照出 AI 领域已被讲述过许多次的故事，所以它何时会真正扎根尚不清楚。

感觉更关乎 AI 轨迹核心的讨论，是关于开源模型的监管与控制。我认为廉价智能广泛扩散是一种经济善，我们的默认立场应该是为开源模型喝彩，但这款模型的发布日期将使它在 AI 权力结构的心智地图上永久地与 Claude Fable——进而与 Claude Mythos——联系在一起。我们正处于这样一个节点：Mythos 级模型能力被美国政府认定为不宜发布，而中国的模型制造商却在所有人可用的能力上大步前进。

这些趋势线未必有因果关联，因为我们不知道 GLM-5.2 相对于前代产品的网络性能，但能力肯定是相关的。若一切不变，这指向一种可能性：美国政府认定某个特定的中国开源权重模型对公众不安全。这里还有许多其他潜在情景，但清楚的是，我们在梳理这些情景、准备我们的基础设施以及向社会传递信息方面还有大量工作要做。

要为一个能力日益强大的开源模型世界构想并向决策者传达管理之道，需要远不止我一个人。2 我们未来还有多年的 AI 进步，Nvidia 的下一代芯片已投产，算法进步源源不断。对开源模型倡导者来说，这感觉是一条狭窄的道路，但我们需要弄清楚如何让它们可行，这样性能的巨大飞跃才不会只流向闭源模型。

我完全理解，想象一个可公开获取的 Mythos 级模型为何令人恐惧，但如果开源模型现在被禁，而只有闭源模型在两年内于一两家公司手中变好 10 倍或 100 倍，我认为我们手上的问题会更大。

一直让我印象深刻的是中国实验室发布模型的速度。我从多个实验室听说，模型训练完成后公开上传权重到 HuggingFace 的时间可以用小时而非天来衡量。这一点至少有所放缓，因为他们现在需要准备将模型服务于更广泛的推理市场。

需要更多讨论的一点是，即便是闭源模型，例如 Mythos 预览版，也经常落入未授权用户手中或被越狱。因此，在访问权限上，开源与闭源的二分法并非完全黑白分明。