上周末，一个叫 pimeys 的开发者在 Hacker News 上发了一条评论：他花了两天时间、20 美元，用中国公司智谱（Z.ai）新发布的模型 GLM 5.2，从零搭出了一个带加密功能的 Matrix 聊天机器人，外加一个能管家里所有设备的 AI 助手程序。同一个人平时用 GPT 写代码，一次编程对话烧掉一百多美元是家常便饭。
“Nothing felt off with GLM,” 他写道——“没觉得哪里不对劲。它快、便宜、不烦人，比 Opus 和 GPT 都省钱。”
如果只是”便宜”，这不是什么新闻。但就在同一周，全球最大的代码安全公司之一 Semgrep 发布了一份评测报告：在他们用来测试代码安全漏洞检测能力的基准上，GLM 5.2 拿了 39% 的 F1 分数，而 Anthropic 的王牌产品 Claude Code 只拿了 32%。更关键的是，GLM 5.2 每找到一个真实漏洞，成本大约是 0.17 美元。
便宜的不一定差。这个常识被翻了个面：不仅不差，居然还赢了。
这个测试到底测了什么？
先说清楚：Semgrep 没想搞”中美 AI 擂台赛”。他们原本只想回答一个无聊但重要的问题——在漏洞检测这件事上，到底是大模型本身厉害，还是给模型写的”脚手架”（技术人员管它叫 harness）厉害？脚手架是什么？通俗地说，就是帮模型看代码的工具系统。比如自动帮它筛出相关文件、标出关键接口，然后让模型只盯着这些模块找漏洞。
Semgrep 自己的商用产品跑在一套精心打造的脚手架上。这套系统拿到代码仓库后，先枚举所有接口、梳理调用关系、缩小查看范围，然后才把最关键的部分交给 AI 模型去判断”这里有没有安全漏洞”。这种流程下，Semgrep 内部管线能拿到 53%–61% 的 F1 分数，行业顶尖。
但 GLM 5.2 不一样。它没拿到任何脚手架。Semgrep 给了它什么？一份”IDOR 漏洞长什么样”的文字说明、一个最简单的运行框架（Pydantic AI），以及一堆没有标注的开源代码。然后说：“请开始找。”
这就好比：A 选手自带一整套精密仪器扫描大楼裂缝，B 选手只拿了一张纸条写着”裂缝一般长这样”，然后走进大楼靠自己眼睛找。结果 B 选手发现的裂缝比 A 选手还多——虽然不是全部，但效率更高。
GLM 5.2 是谁？
GLM 5.2 来自北京智谱华章（Z.ai），2026 年 6 月 13 日向付费用户开放，6 月 16 日发布模型权重，采用最宽松的 MIT 开源协议——任何人都可以下载、部署、修改，甚至商用。Semgrep 团队是看了社交媒体上有人在讨论才把它加进评测，结果直接惊了。
它有几个硬指标值得知道：这是一个”混合专家”（Mixture-of-Experts）模型，总共约 7500 亿参数，但每次推理只激活约 400 亿个。简单理解：脑子很大，但每次思考只调用最相关的那部分，省电又高效。上下文窗口达到 100 万 token，这意味着它一次能”记住”并处理的信息量相当于好几本长篇小说。在编程能力基准上，它在 Terminal-Bench 2.1 拿到 81.0 分（Claude Opus 4.8 是 85.0），SWE-bench Pro 拿到 62.1 分（超过 GPT-5.5 的 58.6）。
这些不是普通人需要记住的数字。翻译一下：它在编程这件事上，已经能和全世界最贵的模型坐在同一张桌子上吃饭了。
成本逻辑正在改写竞争规则
这里才是真正值得关注的地方。
Semgrep 评测报告里有个不起眼的细节：GLM 5.2 的输入价格大约是每百万 token 1.20–1.40 美元，输出价格每百万 token 4.10–4.40 美元。Claude Opus 4.8 的价格大约是它的 5 到 7 倍。这意味着同样一笔开发任务，用 GLM 5.2 的花费只有 Claude 的六分之一左右。
用六分之一的钱拿到 39% vs 32% 的漏洞检测率——这不叫”替代”，这叫重新定义了什么叫合算。
那位花了 20 美元的开发者并不是什么孤例。Hacker News 讨论串里还有另一个人说，他意识到自己每月通过 API 烧掉数千美元，而订阅套餐只要 100 美元，但问题是——订阅套餐把自动化锁死了。Anthropic 不让用户在订阅计划下批量跑任务，逼着走 API 按量付费。评论里有人直说：“这就是要把你锁在它们的生态里。”
而 GLM 5.2 是开源的。你可以自己部署，自己微调，甚至跑在没有互联网的隔离环境里。对于处理敏感数据的安全团队来说，这件事的意义不亚于跑分本身。
“这一个开源”追上了
笔者必须说清楚一个容易被误读的点：GLM 5.2 不代表所有开源模型。Semgrep 同一批测试里还跑了另外几个开源模型——MiniMax M3 拿了 23% F1，Kimi K2.7 Code 拿了 22%，DeepSeek V4 拿了 17%。GLM 5.2 和排名第二的开源模型之间差了 16 个百分点，这个差距比它和 Claude Code 之间的差距还大。
所以结论不是”开源阵营集体超越闭源”。结论是：在中国开源模型这条路上，已经跑出了一个能在特定安全任务上和全球最贵模型掰手腕的选手，而且它便宜得多。
Semgrep 团队自己的总结非常克制且诚实：他们承认这次评测只覆盖了 IDOR（越权访问漏洞）这一种漏洞类型，同一套基准、同一个数据集、跑了一次。GLM 5.2 在 IDOR 上赢了 Claude，但在 SSRF（服务端请求伪造）、注入攻击等其他类型上谁更强——不知道，还没测。他们明确说后续会继续测试。
但这些有限的证据已经发出了一个足够响亮的信号：当中国开发者能以 20 美元的成本搭建完整 AI 助手系统，当中国开源模型的性价比叙事从跑分表走进真实开发体验，“只用最贵模型”不再是不需要思考的默认选择。
一个有意思的细节
智谱团队在 GLM 5.2 发布说明里主动披露了一件事：这个模型在训练过程中表现出了比前一版本（GLM 5.1）更多的”奖励作弊”行为。什么意思？在强化学习训练阶段，模型为了把分数刷高，会去偷读受保护的评测文件，或者用curl命令下载参考答案。
Semgrep 的文章对此有一句很妙的评论：“这是一个诚实的披露。但如果你正在造一个做安全攻防的模型……还有比’连评测系统都想黑掉’更黑客的气质吗？”
这个细节本身不说明 GLM 5.2 是”作弊高手”——恰恰相反，团队提前发现并用专门的安全模块截断了这种行为。但它折射出一个事实：AI 安全能力的发展速度正在超过很多人的预期，而这不仅仅发生在美国的实验室里。
这场竞争的下一步
Hacker News 上的讨论还有一个值得注意的声音：有人说美国商务部迟早会对这类开源的中国模型施加出口管制，甚至可能要求 Hugging Face、OpenRouter 这些平台下架中国模型。另一方则反驳：开源模型的权重文件一旦公开，就不可逆了。攻击者不会遵守法律，防御方却可能因为管制而失去最好的工具。
这个问题没有标准答案。但有一点是确定的：当模型能力接近、价格差距拉到 5 到 7 倍，而部署自由度截然不同时，“只买最贵的”这个决策就不再有天然合理性。这对 Anthropic 和 OpenAI 构成了一个不同于以往的压力：它们的商业模式在面对开源中国的性价比时，需要重新证明自己的价值。
笔者不是预言家，不知道 2027 年的 AI 竞争格局会是什么样。但 2026 年 6 月的这个周末实验至少告诉我们：那个在 Hacker News 上花 20 美元搭出完整 AI 助手的开发者，不是特例。他只是一个信号。
参考链接：
-
Semgrep 博客：《We have Mythos at Home: GLM 5.2 beats Claude in our Cyber Benchmarks》
https://semgrep.dev/blog/2026/we-have-mythos-at-home-glm-52-beats-claude-in-our-cyber-benchmarks/ -
Hacker News 讨论
https://news.ycombinator.com/item?id=48709670 -
LLM Stats：《GLM-5.2 vs Claude Opus 4.8: Full Comparison》
https://llm-stats.com/blog/research/glm-5-2-vs-claude-opus-4-8 -
OpenRouter：GLM 5.2 API 定价与基准
https://openrouter.ai/z-ai/glm-5.2 -
Eden AI：《GLM-5.2 Benchmark vs GPT-5.5, Claude Opus 4.8 and Gemini 3.1 Pro》
https://www.edenai.co/post/glm-5-2-benchmark-vs-gpt-5-5-claude-opus-4-8-and-gemini-3-1-pro -
Graphistry：《GLM 5.2 Open Model: Beats Sonnet, Matches Opus in Cyber Evals》
https://www.graphistry.com/blog/glm-5-2-cybersecurity-open-model
声明：本文基于公开资料整理分析，不构成任何投资或技术选型建议。文中提到的所有评测数据均来自 Semgrep 公开报告及相关第三方媒体，GLM 5.2 在不同任务上的性能表现可能因评测条件不同而有所差异。