GLM 5.2 在企业代码评测中打平Opus
rohanpaul_ai · x · 2026-07-11
Databricks 用真实内部 PR、测试和百万行级代码库做评测，而不是只看公开基准。
结果显示：
- GLM 5.2 进入了 Databricks 的最高能力档，并且在质量上与 Claude Opus 4.8 统计上打平。
- 代码任务的“质量-成本”帕累托前沿里，既有 OpenAI、Anthropic，也有开源模型，说明当前只能靠多模型组合拿到前沿表现。
- 对同一个模型，harness/编排方式本身就能带来约 2x 的成本节省。
- Databricks 认为开源模型已经能覆盖最高难度任务，并在前面用 Omnigent 做多 harness、多模型路由。
所属事件:Databricks发布企业内部代码基准，架构比模型更影响成本(16 条相关)→
「编程与Agent」频道最新
- Agent 成功完成任务的背后:验证器只查了「有没有点击」导致重复投票 — TejasKumar_ · 2026-10-26
- diginomica 周报:agentic 自动化被高估,agent 攻防「The Hackening」已开始 — jonerp · 2026-10-26
- 「氛围验证」研究：近 60% 的形式化证明证明的不是作者本意 — basedjensen · 2026-10-26
- Devin 推出安全工具线，由 Claude Mythos 驱动并送数亿美元额度 — DevinAI · 2026-10-26
- HackBench 发布：向 Agent 轨迹注入作弊，压力测试监控器 — DanielKhashabi · 2026-10-26
- HF Hub CLI 大更新:缓存去重省 19GB,GPU 任务可重试重跑 — yb2698 · 2026-10-26