‏GLM-5.2 در برابر Claude Opus 4.8: تست عملی با یه بازی سه‌بعدی

یه تیم به اسم techstackups، برای اینکه از وسط هایپ اینترنتی دربارهٔ مدل جدید GLM-5.2 یه نتیجهٔ واقعی بیرون بکشن، اونو رودررو با Claude Opus 4.8 تست کردن. هر دو مدل یه پرامپت یکسان گرفتن: ساخت یه بازی پلتفرمر سه‌بعدی از صفر، با WebGL خام و بدون استفاده از هیچ گیم‌انجین یا کتابخونهٔ سه‌بعدی مثل Three.js. به گفتهٔ نویسنده‌ها، این تسک برخلاف یه لندینگ‌پیج ساده، واقعاً ساختار پیچیده داره: پارس مدل‌های GLB، محاسبات ماتریس و بردار، شیدرهای GLSL، انیمیشن اسکلتی و برخورد فیزیکی.

GLM-5.2 مدل پرچم‌دار جدید Z.ai هست که به‌صورت اپن‌ولت و با لایسنس MIT منتشر شده، پنجرهٔ کانتکست یک میلیون توکنی داره و برای تسک‌های طولانی و چندمرحله‌ای طراحی شده. نکتهٔ مهم اینه که این مدل کاملاً متنیه و نمی‌تونه تصویر رو ببینه یا تحلیل کنه.

از نظر نتیجه، Opus 4.8 در حدود ۳۳ دقیقه بازی رو تموم کرد و GLM-5.2 حدود ۷۰ دقیقه طول کشید؛ یعنی تقریباً دو برابر. اما هزینهٔ GLM-5.2 حدود ۵.۴ دلار بود در مقابل حدود ۲۲ دلار برای Opus؛ یعنی حدود یک‌پنجم قیمت. بازی Opus تمیزتر بود: کاراکتر انیمیشن و تکسچر درست داشت، هازارد اسپایک واقعاً کاراکتر رو می‌کشت و شرط برد به‌درستی کار می‌کرد. بازی GLM-5.2 خام‌تر بود: کاراکتر خاکستری و بدون تکسچر بود، اسپایک کاراکتر رو نمی‌کشت و رسیدن به پرچم هیچ اتفاقی نمی‌انداخت.

یه نکتهٔ جالب دربارهٔ نحوهٔ چک کردن خروجی توسط خود مدل‌هاست. Opus چون چندوجهی (multimodal) هست، از اسکرین‌شات نهایی بازی استفاده کرد تا مطمئن بشه همه‌چیز درسته و همون‌جا یه اورلی دیباگ رو که یادش رفته بود حذف کنه. اما GLM-5.2 چون نمی‌تونه تصویر رو ببینه، مجبور شد با یه اسکریپت رنگ پیکسل‌های عکس رو بخونه تا حدس بزنه همه‌چیز درسته؛ همین باعث شد باگ‌های بصری رو اصلاً متوجه نشه.

تو بخش بنچمارک‌ها، GLM-5.2 تو معیارهایی مثل AIME 2026 و IMOAnswerBench از Opus جلوتره، ولی Opus تو اکثر بنچمارک‌های کدنویسی و agentic مثل SWE-bench Pro و Terminal Bench جلوتر مونده. گزارش مستقل Artificial Analysis هم همین رو تأیید می‌کنه: GLM-5.2 بهترین مدل اپن‌ولت فعلیه ولی توکن زیادی مصرف می‌کنه. افرادی مثل Simon Willison و Nathan Lambert هم ازش به‌عنوان یه پیشرفت جدی برای مدل‌های اپن یاد کردن، هرچند هنوز به سطح مدل‌های بسته نرسیده.

جمع‌بندی نویسنده‌ها اینه که GLM-5.2 یه مدل واقعاً قوی و ارزونه که به‌خاطر اپن‌ولت بودنش هیچ‌وقت از دسترس خارج نمی‌شه، ولی برای کارهایی که دقت، دیدن تصویر و نتیجهٔ تمیز مهمه، هنوز باید سراغ Opus رفت.

نکات کلیدی:

• GLM-5.2 مدل اپن‌ولت جدید Z.ai با لایسنس MIT و پنجرهٔ کانتکست یک میلیون توکنیه.
• تو تست ساخت بازی سه‌بعدی با WebGL خام، Opus 4.8 دو برابر سریع‌تر و با کیفیت بالاتر کارو تموم کرد.
• هزینهٔ GLM-5.2 حدود یک‌پنجم Opus بود، اما به‌خاطر متنی بودنش نتونست باگ‌های بصری خودشو تشخیص بده.
• بنچمارک‌های مستقل هم GLM-5.2 رو بهترین مدل اپن‌ولت فعلی می‌دونن، در حالی که Opus هنوز تو کدنویسی و agentic جلوتره.