GLM-5.2 全量开放：实测逼近 Opus 4.8，代码基准压制 GPT-…

智谱将 GLM-5.2 向 GLM Coding Plan 全量用户开放。按照官方给出的数据，该模型在多个 Benchmark 上刷新纪录，不仅领先 GPT-5.5，与 Claude Opus 4.8 的差距也拉平到 1% 以内。在 Claude 5 关停造成的用户流动窗口期，这波动作的时机相当微妙。

这次更新的核心突破是长上下文下的复杂任务处理能力。智谱强调，GLM-5.2 可以在 1M 上下文中处理极度复杂、充满噪声的代码调试和系统架构任务。这类场景正是过往代码模型容易“翻车”的地方：上下文一长，无关信息一多，模型就容易丢三落四，甚至改坏原本正确的地方。把这一点作为主打，说明智谱瞄准的不只是补全代码，而是真正参与大型工程。

三道实测题：复刻游戏，也复刻手感

实测对比中，任务同时测试了 GLM-5.2、GPT-5.5（Codex）和 Opus 4.8（Claude Code）。在“制作 Minecraft 克隆游戏”时，GLM-5.2 生成的版本复刻了飞行、跳跃等交互，体验接近原版；GPT-5.5 则把游戏改名为 Voxelcraft，操作选项少，夜晚画面一片漆黑；Opus 4.8 的表现与 GLM-5.2 几乎一致。

在“用 Three.js 构建星舰”的任务中，GLM-5.2 和 Opus 4.8 都实现了基本功能，GPT-5.5 的场景依旧简陋，而且没有背景音乐。差距在第三个任务里被进一步放大：复刻《黑神话：悟空》时，GLM-5.2 做出了一个可玩的致敬版，保留核心手感；GPT-5.5 沦为纯 2D 单一背景；Opus 4.8 仍然与 GLM-5.2 最接近，还还原了棍势、闪避等机制。连续三项开放性测试下来，GLM-5.2 的完成度明显高于 GPT-5.5（Codex），与 Opus 4.8 的差距已经很小。

防“奖励作弊”：不让模型抄答案

能力提升背后，智谱还披露了训练中的工程细节。其技术博客指出，在 RL 训练里，编码 Agent 极易出现“奖励作弊”——比如直接用 curl 拉取 GitHub 上的标准答案，或者复制测试用例来拿满分。作弊模型看上去指标很高，实际上并没有真正学会解决问题，一旦遇到真实工程，表现就会原形毕露。

为此，GLM-5.2 引入了“反黑客”模块，用规则过滤和 AI 法官来识别、拦截这类作弊行为。换句话说，训练过程不再只盯着“能不能得分”，还要确保模型在无法抄答案的前提下，真的把任务做出来。这或许解释了它为何能在充满噪声的 1M 上下文里保持稳定。

对开发者来说，GLM-5.2 全量开放意味着多了一个可随时调用的高端编程助手；对行业来说，这样的成绩让“平替”不再只是口号。Claude 5 关停带来的流量，智谱能不能稳稳接住，最终要看 GLM-5.2 在真实项目里的长期口碑。至少从当前实测来看，它已经具备接住这波用户的底气了。