GLM-5.2海外爆火，我们翻了1500条评论，看看用户在讨论什么

作者 | ZDTL

来源 | 至顶AI实验室

这两周，智谱的GLM-5.2 模型在海外火了。知名开源社区门户Hacker News 上，讨论GLM-5.2 成为领先open weight 模型的帖子，拿到了915 points、444 条评论。另一个讨论GLM-5.2 和Claude Opus 4.8 对比的帖子，也有519 points、343 条评论。Reddit上，LocalLLaMA、ClaudeCode、LLMDevs、ZaiGLM 等版块也陆续出现相关讨论；YouTube 上，围绕GLM-5.2 的长视频评测和接入教程，也已经有几十万播放和上千条评论。但这次我不太想写一篇“模型发布了、跑分不错、国货之光”之类的文章。我更关心的是：既然这么多评论，海外用户到底在讨论什么。于是我把YouTube 和Hacker News以及Reddit上关于GLM-5.2 的高热评论拉出来看了一遍，去重后大约1500 多条。1500多条评论，基本都指向一个问题：GLM-5.2 到底能不能平替Claude？这个问题说实话，有点老生常谈的感觉，过去两年，每一次开源模型的发布，大家貌似都会不自觉的通过“性能分数”去对标Claude，GPT等模型，尤其是开发领域。这也不难理解，目前，AI 编程绕不开Claude 和GPT，它们除了贵，没啥毛病，所以，每次来了一个开源模型，跑分接近、价格更低、还能接进Cursor、Codex，开发者自然会问：它能不能打破目前AI编程的模型垄断？在这个大的基础上，继续深挖，我发现1500条评论出现了三种不同的情绪。兴奋

第一种情绪，是兴奋。YouTube评论区有人说，开源AI 新闻比闭源模型更让人兴奋，也有人说，为了整个行业，开源模型必须一直能和闭源模型竞争，还有人直接感叹，开源模型的进步速度太疯狂了。这类评论表面上是在夸GLM-5.2，其实本质是，开发者对少数闭源模型长期占据默认位置，已经有点疲劳了。过去一年，只要说到AI 编程、agent、长上下文、复杂项目修改，很多人用来用去都会绕回Claude、GPT。不是大家不想换，也不是大家喜欢贵，而是代码任务太挑模型。一个便宜模型，如果只是聊天便宜，没有用。真正拿来改项目，漏条件、写错接口、绕远路，收拾残局的最终还得是人。GLM-5.2的出现，貌似是开源模型好像又往前挤了一步。它给海外开发者一个新的想象：也许不是所有复杂任务，都必须默认交给Claude 或GPT。这是GLM-5.2 火起来的第一层原因，不是单纯的民族情绪，也不是参数崇拜，而是强模型选择开始变多了。只要选择变多，价格、部署、工具链就都有重新谈判的空间。理性

第二种情绪，是理性。而且几乎都绕不开Claude。Hacker News上有专门讨论GLM-5.2 和Claude Opus 4.8 对比的帖子，也有Semgrep 发起的“GLM 5.2 beats Claude in our benchmarks”讨论。YouTube 评论里，也有人说自己会继续保留Claude 订阅，但已经愿意拿GLM-5.2 做实验。Youtube上有一期视频讲的是怎么把GLM-5.2 通过OpenRouter 接进Cursor 或Codex，同样一个任务，GLM-5.2 花了44 美分，而Claude 是2.38 美元，差了5 倍多。评论里有人提到，希望看到token 价格对比；也有人说，团队把昂贵模型用在格式化、低价值执行任务上，才是真正的浪费；还有人关心Cursor、Codex、Claude Code 这些工具到底能不能接入GLM-5.2。

真实工作里，我们很少能做到必须二选一，这些评论区的开发者更是如此，它们真正关心的是：哪些任务可以替，哪些任务不能替。比如读长代码、批量改文件、写脚本、生成测试、整理文档、修一些边界清楚的bug，这些任务可以先让GLM-5.2 上；而复杂架构设计、关键审阅、产品判断、跨系统决策，还是更适合交给Claude、GPT 这类强模型。这也是评论区里比较成熟的声音，不再是问它能不能替换掉Claude，而是问它能替掉哪些Claude 正在做的任务。GLM-5.2的出现，让开发者第一次有机会认真拆分自己的AI 工作流：什么任务必须用最贵的模型，什么任务可以交给便宜但足够强的模型，什么任务可以用本地小模型，什么任务值得私有化部署。哪怕只是替掉30% 的执行任务，对一个重度使用AI 编程的小团队来说，账单和工作流都会变。吐槽

当然，除了兴奋与理性分析，评论区还有吐槽。有一句热点评论很有意思：现在我只差一个数据中心。

开始我以为是对GLM-5.2模型完全开源的一个赞扬，直到看到下面众多的跟帖，才明白这是一句吐槽。因为这句话几乎把GLM-5.2 的矛盾说完了。一边是开源模型的性能逼近Claude，大家觉得兴奋；另一边则是753B 参数量摆在那里，真要本地跑，别说普通电脑，高性能工作站也撑不住。所以，下面的跟帖有人调侃，可以在本地跑这个模型，也可以选择买套房。这种吐槽很重要，大部分人一听到开源模型，就容易脑补成我可以在自己电脑上免费跑一个。但开源不等于低成本本地运行。粗略算一下，753B 参数只看权重，BF16 接近1.5TB；FP8 也大约是750GB；4bit 量化仍然是400 GB 级别。我们抛弃昂贵的H100，H800这样的服务器显卡，拿性价比比较高的RTX pro 6000（96G）举例，即使是Q4量化的模型，仅仅是能部署加载，也得需要5-6块，这还没算KVcache、运行开销和长上下文带来的额外压力。真正的本地部署可用，至少需要百万人民币以上。所以开源看似带来更多选择，但真正本地部署基本不是开发者个人可以玩的。当然这些吐槽不影响它的价值，一个模型既可以在API 侧改变成本结构，也可以在企业私有化里提供新选项，GLM-5.2的开源本身针对的就不是个人。看完这1500 多条评论，我认为，恰恰是这三种情绪放在一起，才是GLM-5.2 海外爆火的完整样子。所以我现在更愿意这样理解GLM-5.2：它一定平替不了Claude，但它已经让开发者开始思考一个更现实的问题：哪些任务还值得交给最贵的模型，哪些任务可以交给新的开源强模型。这个问题，比谁跑分第一更重要。最后，如果你是一名开发者，你是选择在本地部署GLM-5.2，还是选择买套房。END本文来自至顶AI实验室，一个专注于对AI计算机、工作站及各类AI相关硬件设备，开展基于真实使用场景评测的研究机构。