Нейросеть GLM-5.2: Действительно ли новый ИИ из Китая превосходит Claude? Разбор и тесты
В мире искусственного интеллекта назревает интрига. На рынок вышла новая китайская модель GLM-5.2 от компании Z.ai, которую уже окрестили потенциальным «убийцей» флагманов Anthropic — семейства Claude. Как независимый аналитик, я решил проверить, насколько эти заявления соответствуют действительности, и сопоставить цифры с реальными отзывами разработчиков.
Что скрывается под капотом GLM-5.2
Главный козырь новинки — это гигантское контекстное окно в 1 миллион токенов. Для сравнения, у предшественника GLM-5.1 этот показатель составлял всего 200 тысяч. Это означает, что модель способна «удерживать в голове» огромные массивы кода или текстовой информации, не теряя нити рассуждений.
Ключевые характеристики модели:
- Контекст 1 млн токенов: Кодовая база целого проекта помещается в один цикл размышлений без деградации качества.
- Два уровня усиления: High — для баланса производительности и расхода токенов, Max — для максимальной глубины анализа, но с повышенным расходом.
- Открытая лицензия MIT: Полная свобода для self-hosting и коммерческого использования без региональных ограничений.
- Цена: Стоимость обращения через API осталась на уровне предыдущей версии, что является приятным сюрпризом.
Модель уже доступна на HuggingFace и ModelScope, а также интегрирована с популярными фреймворками вроде vLLM и SGLang.
Бенчмарки: Погоня за лидерами
Согласно собственным тестам Z.ai, GLM-5.2 — сильнейшая открытая модель на рынке. Однако до проприетарного гиганта Anthropic Claude Opus 4.8 ей пока далеко. Разрыв заметен, но в некоторых сценариях он сокращается до минимума.
Ключевые результаты в режиме Max:
| Бенчмарк | GLM-5.2 | GLM-5.1 | Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|---|
| SWE-bench Pro | 62.1 | 58.4 | 69.2 | 58.6 | 54.2 |
| Terminal-Bench 2.1 | 81.0 | 63.5 | 85.0 | 84.0 | 74.0 |
| NL2Repo | 48.9 | 42.7 | 69.7 | 50.7 | 33.4 |
| DeepSWE | 46.2 | 18.0 | 58.0 | 70.0 | 10.0 |
| ProgramBench | 63.7 | 50.9 | 71.9 | 70.8 | 39.5 |
| MCP-Atlas | 76.8 | 71.8 | 77.8 | 75.3 | 69.2 |
| Tool-Decathlon | 48.2 | 40.7 | 59.9 | 55.6 | 48.8 |
На тесте Terminal-Bench 2.1, который имитирует работу в командной строке, GLM-5.2 (81.0) вплотную приблизилась к Opus 4.8 (85.0), обогнав Gemini 3.1 Pro (74.0). Однако на более сложных задачах, таких как NL2Repo (генерация проекта по описанию), отставание от лидера составляет уже 20 пунктов.
На продолжительных задачах (long-horizon) картина схожая. На тесте FrontierSWE, где модель работает над проектом десятки часов, GLM-5.2 отстает от Opus 4.8 всего на 1%, что является выдающимся результатом для открытой модели.
Цена и реальный опыт: Золотая середина?
Подписка GLM Coding Plan предлагает три тарифа с годовым дисконтом 30%: Lite ($12.6/мес), Pro ($50.4/мес) и Max ($112/мес). Стоимость выглядит привлекательно, но есть нюансы.
Пользователи в восторге от математической модели и логики, которая стала заметно лучше, чем у версии 5.1. Многие отмечают, что в программировании GLM-5.2 сопоставима с GPT-5.5 на высоком уровне усиления. Однако критики указывают на слабую облачную инфраструктуру, высокий расход токенов в режиме Max и склонность модели «зацикливаться», игнорируя команды пользователя. Складывается впечатление, что модель заточена под бенчмарки, а не под реальный user experience.
Вердикт аналитика
GLM-5.2 — это мощный шаг вперед для открытых ИИ-моделей. Она демонстрирует впечатляющие результаты на синтетических тестах и вплотную приближается к лидерам рынка. Однако называть её «убийцей» Claude преждевременно. Проблемы с инфраструктурой, высокое потребление токенов и нестабильность в реальных сценариях пока оставляют титул «короля» за проприетарными решениями. Для разработчиков, ценящих открытость и self-hosting, GLM-5.2 — отличный выбор. Для тех, кому нужна стабильность и предсказуемость, Claude пока остается предпочтительным вариантом.