GLM-5.2 实测 – 代码生成能力跻身全球第一梯队

过去，国产模型发布时，大家习惯性贴上的标签无非是“开源第一”或“性价比第一”。但这次，智谱 GLM-5.2 的发布，风向彻底变了。铺天盖地的消息都在说一件事：开源模型已经可以和一流闭源模型正面硬刚了。尤其是在 coding 这个领域，御三家的名单里，现在是 GPT、Claude，再加上智谱。

具体来看，GLM-5.2 在 Design Arena 上直接拿下了第一，Elo 分数高达 1360。

在 BridgeBench BS（抗胡说测试）上也是排名 #1，得分 100.0；推理能力同样排名 #1，得分 42.8。

在 Code Arena: Frontend 中，它排名第二，比 Claude Opus 4.7 (Thinking) 高出 29 分，只落后于 Fable 5。

不过，好奇的是，那位传说中的 Claude Fable 5 现在到底在哪儿发财呢？反正我是用不上。全世界最强的编程模型因为禁令被关停，而 GLM-5.2 却把同一量级的能力开源给了所有人。

当然，榜单归榜单，还是得自己上手测一测。一来是验证模型的实际表现，二来是看看它到底适不适合自己的使用场景。毕竟，每个人的工作流都不一样。这次测试，主要从 coding 和日常任务两个维度展开。废话不多说，直接看结果。

01. GLM-5.2 实测

Case 1: 1M 上下文测试

这次 GLM-5.2 一个重要的升级就是支持了 1M 上下文，这个必须得测。直接让它根据一份超长的产品需求文档，生成一个“K姐食堂”APP 的设计稿。

提示词：根据文档需求，完成K姐食堂APP的设计。

...（此处省略超长 PRD 文档内容）...

结果出乎意料地好。完成度非常高，每个小窗口都是可以直接互动的。覆盖面也很完整，一共生成了 19 个展示界面，从首页、店铺页、规格弹窗，到确认订单、订单详情、售后、评价，这些关键页面一个不落。后台页面也不是摆设，数据看板、订单管理、售后管理都有。后续只需要补上交互、状态流转、真实素材和响应式适配，基本就是一个完整的 APP 了。

Case 2: 3D 太阳系

接下来是经典的 3D 项目测试，每次模型测评的保留项目。

提示词：做一个可交互的 3D 太阳系页面。要求使用 Three.js，行星围绕太阳公转，轨道可见，点击行星后侧边面板显示信息，支持播放/暂停、速度调节、视角拖拽、滚轮缩放，手机端适配。

出来的效果确实惊艳。该有的行星都有，交互也相当齐全。点击、拖拽、缩放、暂停、速度调节、重置视角，一个不少。能明显感觉到模型对 Three.js 的基础、页面整合能力以及交互实现能力都相当扎实。

Case 3: 射击游戏

再来一个射击游戏，看看它在游戏开发方面的能力。

提示词：请输出完整单文件 HTML，用 Canvas 做一个类似《雷电》的竖版射击游戏。包含玩家战机、敌机、子弹、碰撞检测、爆炸效果、分数、生命、关卡、暂停、Boss 战以及手机端操控按钮。

做完之后玩了十几分钟，体验感十足。战机、Boss、子弹、音效都有，还做了屏幕震动效果。玩法结构完整，GLM-5.2 显然理解了竖版射击游戏的基本骨架，能独立搭建出主循环、实体系统、碰撞检测、移动端控制和视觉特效。

Case 4: Bug 修复

测试一下 bug 修复能力。这次修复的是一个甘特图 HTML 文件，这种工作场景比普通表格更能体现前端状态设计能力。

提示词：下面是一段有 bug 的单文件 HTML，目标是做一个销售趋势图，其中包含数据访问错误、Chart 实例重复创建、缺乏响应式、缺少 KPI 数据展示和图表类型切换等问题。请修复代码，并输出修复后的完整 HTML。

修复前的效果图显示了数据无法正确切换的问题。修复后的版本则相当完整，KPI 区域、图表类型切换、响应式设计、空状态保护都补上了。这说明模型不仅能读懂原始 bug，还能主动完善产品体验。

总的来看，GLM 的前端 bug 修复能力不错，能定位核心问题，也能补全缺失的交互逻辑。

Case 5: 网页制作

审美本身也是模型能力的一部分。让 GLM-5.2 为一个叫“LumaNote”的 AI 笔记产品生成一个官网首页。

提示词：生成一个完整的单文件 HTML 官网，包含首屏产品展示、核心工作流、功能亮点、适用人群、价格方案和 FAQ 等区块。设计要求成熟 SaaS 风格，克制清爽，有高级感。

打开 GLM-5.2 生成的官网页面，第一眼还以为点进了哪个 AI 工具的官网。暖纸色背景、深色主按钮、细边框、低饱和棕色强调色，搭配得非常舒适。整个设计已经从只会堆砌渐变卡片的阶段跳出来了，审美在线。

Case 6: 中文写作

大模型的中文写作水平是很多普通用户关心的点，毕竟是很多上班族的文案工具。

提示词：根据材料写一篇公众号文章，主题是“AI 工具进公司一年后，真正有用的地方和没用的地方”。要求开头直接进入场景，有个人判断，写清楚 AI 帮到了哪里、没帮到哪里，以及为什么新人和老手效果不同。

文章生成速度很快，整体读下来很顺畅，开头也能立刻抓住读者。文章中关于“新人和老手对比”的部分是加分项，有真实管理经验的味道，比单纯讲工具优缺点更有记忆点。如果满分 100 分，这次的写作能力可以给到 85 分。

Case 7: 指令遵循

很多模型经常搞错指令，看看 GLM-5.2 的表现。

提示词：根据规则处理文本。规则包括：最终答案只能输出 4 条项目符号，每条少于 18 个中文字，必须保留原文里的数字，不要出现“提升”“优化”“打造”等词。

结果不错，4 条项目符号，每条少于 18 个中文字，保留了数字，也避开了禁词，所有要求都满足了。

Case 8: 经典陷阱题

提示词：我要去洗车，我家离洗车店 50 米，我是开车去好，还是走路去好？

还好，没有掉进陷阱里。它还温馨提示可以先走路过去，等洗好再去取车。

Case 9: PPT 制作

提示词：根据材料制作一份 8 页以内的 PPTX，主题是“AI 工具在内容团队的落地方案”。要求包含封面、现状问题、目标、流程设计、岗位分工、风险控制、试点计划、结尾页，风格稳重商务。

任务完成度达标。能看出模型对项目内容理解得很透彻，审美也合格，做出来的东西已经可以直接使用，人工稍微精细调整一下就能拿去汇报。

02. 一些分享

整个 GLM-5.2 测下来，感觉前面那些榜单或许还真没啥水分。测试结果相当强悍，已经达到国内模型的顶尖水平。不仅能跑，能用，而且用得还很舒服。以前上班时那些资料整理、代码初版、页面搭建、PPT 结构、测试样例，现在都可以交给模型先跑一版，人可以把精力放回判断和取舍上。

对 GLM-5.2 的评价是：上限很高，完成度也稳，已经值得放进日常工作流里认真试用。至于能不能长期留下来，还要看后面几周高频使用时，模型在细节、稳定性和成本上的表现。也许以后接 API 的时候，都分不清接的是 GLM-5.2 还是 Claude Opus 了。