中国AI公司智谱AI（Z.ai）于6月16日发布的开源模型GLM 5.2，正在以极低的成本挑战美国AI编码工具的市场格局。该模型API定价为每百万输出token仅4.40美元，不到Anthropic Opus 4.8价格的五分之一，仅为Anthropic编码专用模型Fable的十分之一。这一价格差异正在改变软件工程师使用AI编码助手的方式。

Together AI的AI工程师Zain Hasan已经学会根据任务复杂度选择不同模型：复杂问题交给前沿模型如Anthropic的Fable，简单任务则使用更便宜的GLM 5.2。Hasan表示，许多公司目前仍在探索这项技术，缺乏明确的token预算，导致工程师倾向于选择最强大的模型而不计成本。这种“不计代价”的习惯，如今可能成为美国前沿AI实验室最宽的护城河。

GLM 5.2是一个拥有7530亿参数的大型语言模型，但通过优化仅激活400亿参数，从而提升响应速度。该模型采用MIT开源许可证发布，允许任何组织免费下载和自托管。在部分代理编码基准测试中，GLM 5.2几乎与Opus 4.8持平，例如在FrontierSWE和PostTrainBench上表现接近。网络安全研究人员还发现，GLM 5.2在网络安全基准测试中得分出色，引发与Anthropic Mythos的比较。

然而，智谱AI自己发布的研究报告显示，GLM 5.2在更复杂的编码任务上仍落后于美国对手。例如，在SWE-Marathon基准测试中，GLM 5.2仅完成13%的任务，而Claude Opus 4.8的得分是其两倍。在NL2Repo、DeepSWE和Tool-Decathlon等编码基准测试中，Opus 4.8也领先10个百分点以上。

实际使用中，软件工程师对GLM 5.2的评价褒贬不一。MetaRouter的首席软件工程师David Nix认为，GLM 5.2“非常接近”Opus和GPT-5.5等前沿模型，足以在他的工具轮换中占据一席之地。他估计GLM 5.2处理了他每天发送给LLM任务的10%到20%，尤其适合前端开发。Hasan也称赞GLM 5.2在网页设计方面有“很好的品味”。

但并非所有体验都是正面的。印度Indhic AI的软件工程师Sai Kiran Myadaram发现，GLM 5.2的token配额消耗极快，他订阅的周配额在两到三天内就用完了。波兰Screen Studio的Kacper Michalik也遇到了类似问题。

GLM 5.2的发布正值中国AI模型加速追赶的背景下。斯坦福AI指数显示，2025年中国公司生产的“值得注意”AI模型数量约为美国的一半，高于2023年的约三分之一和2020年的五分之一。GLM 5.2的出色基准测试成绩引发了美国观察人士的担忧，认为美国AI公司可能失去竞争优势。

对于担心数据安全的企业，GLM 5.2的开源特性提供了解决方案：它们可以在自己的硬件上托管模型，避免将敏感数据发送到中国基础设施。这与大多数只能通过API访问的前沿模型形成鲜明对比。

总体而言，GLM 5.2的低成本和高性能组合正在重塑AI编码工具的使用习惯。虽然它在复杂任务上仍落后于美国顶级模型，但对于简单任务和成本敏感型用户，它提供了一个极具吸引力的选择。这一趋势可能迫使美国AI公司重新考虑定价策略，并加速全球AI编码市场的竞争。