GLM-5.2 против Opus: тест на 3D-игре показал выбор между ценой и качеством
Сравнение двух моделей на одной задаче: попросили каждую модель написать с нуля 3D-платформер на чистом WebGL без игровых движков. Opus справился за 34 минуты, GLM-5.2 за 71 минуту; по деньгам Opus обошёлся в четыре раза дороже. Обе модели построили рабочую игру, но Opus доставил чище: правильная смерть от шипов, работающее условие победы, текстуры на персонаже. GLM-5.2 оставил плоский персонаж без текстур, шипы не срабатывают, нет финиша. Ключевое различие: Opus мультимодален (увидел скриншот, заметил ошибки), GLM-5.2 только текст (проверял через пиксели, не увидел баги). Бенчмарки подтверждают: на кодировании и многошаговых задачах Opus впереди, но GLM-5.2 ведёт открытые веса (MIT лицензия) и доступен везде по цене один к пяти.
Ключевые факты
- GLM-5.2 стоит пятую часть цены Opus за выходные токены, но работает в два раза медленнее
- На тесте с 3D-игрой Opus выдал рабочий результат, GLM-5.2, функциональный, но с заметными графическими и логическими ошибками
- Отсутствие мультимодальности (не видит скриншоты) помешало GLM-5.2 поймать свои ошибки при самопроверке
- GLM-5.2 с открытыми весами (MIT) можно запустить локально или вызывать по API; Opus, облачный сервис
- На бенчмарках GLM-5.2 лучший среди открытых моделей, но Opus впереди на кодировании и агентских задачах
Почему это важно
Сравнение показывает реальное положение вещей: открытые модели хорошеют, но закрытые остаются впереди на качестве. GLM-5.2, первая открытая модель, которую имеет смысл бросить в бой рядом с Opus. Вопрос больше не в том, может ли открытая модель что-то, а в том, какую цену вы готовы платить за скорость и полировку.
Кому это важно
Разработчикам, которые думают о миграции с Opus на более дешёвый вариант и готовы жертвовать скоростью. Компаниям, которым нужна мультимодальность (Opus), для них нет альтернативы. Тем, кого волнует контроль: если модель работает на ваших серверах, никто не может её снять (Fable был изъят внезапно).
Как это применить
Если бюджет критичен и задача только текстовая, с долгим контекстом и не требует мультимедии, GLM-5.2 по API через OpenRouter дешевле. Хотите запустить локально, веса на Hugging Face, берёте vLLM или SGLang. Для работы со скриншотами, диаграммами, любых визуальных потоков, остаётесь на Opus. Для гибридных сценариев: GLM-5.2 для чернового кода и мышления, Opus для полировки и проверки.
Можно ли доверять
Тест честный: одинаковый промпт, одна попытка, одинаковые активы, сам результат можно видеть в браузере (ссылки на обе игры в статье). Бенчмарки от Z.ai (её модель) и независимая проверка от ArtificialAnalysis совпадают. Авторы не скрывают недостатки, GLM-5.2 проиграла в темпе и чистоте. Напоминают о цене Opus: это ведомо и уравнивает поле. Нарратив живой, местами с иронией, но данные прямые.
Риски и подводные камни
GLM-5.2 не видит изображения, для любого потока с визуалами (веб-интерфейсы, скриншоты, диаграммы) нужна замена. На сложных многошаговых агентских задачах Opus стабильнее. Цена GLM-5.2 дешёвая при вызове по API, но если запускаете локально, нужны мощные GPU (модель большая). Open-weights звучит как свобода, но на практике M1/M2 ноутбук не потянет. Бенчмарк, одна задача; продуктивное применение может дать другую картину.
«Because it could see the frame, Opus noticed the debug readouts it had left on screen and cleared them before finishing.»
— авторы статьи о том, как мультимодальность помогла Opus заметить и исправить свои ошибки