文章作者使用相同的一-shot 提示（从零用 raw WebGL 构建一个 3D 平台跳跃游戏，无游戏引擎、无 Three.js 等库），让 GLM-5.2（通过 Pi/OpenRouter）和 Claude Opus 4.8 各自独立完成任务，并对比实际表现、成本和过程。

关键结果对比

• Opus 胜出：完成更快（约 33 分钟 vs GLM 的 1 小时 10 分钟），代码更干净、游戏可玩性更好（有正确死亡判定、胜利条件、纹理、动画等）。Bug 较少且多为边缘问题。
• GLM-5.2 优势：成本极低（实际花费约 $5.39 vs Opus 估算 $21.92，输出 token 价格不到 Opus 的 1/5）。它是开源权重（MIT 许可），可本地运行，1M token 上下文，适合长时程 agent 任务。
• 共同点：两者都成功构建了完整可玩的 3D 平台游戏（加载 GLB 模型、物理碰撞、动画、相机等），这是很高的门槛。
• GLM 明显短板：文本-only 模型，无法查看截图自检，导致最终游戏有明显 bug（如角色无纹理、反向、尖刺不致死、无胜利条件）。Opus 因多模态能“看”游戏画面，及时修复视觉/调试问题。

对比结论

作者不会把主力切换到 GLM，Opus 仍更可靠，尤其视觉/复杂 agent 任务。但 GLM-5.2 性价比高、永远可用（开源不怕被下架），值得作为补充工具。文章还提到基准测试中 GLM-5.2 与顶级闭源模型差距不大，网上有 hype 也有真实信号。

Hacker News 讨论要点

• 开源 vs 闭源：很多人认为 GLM-5.2 这类开源模型的突破意义重大——价格低、可自托管、可 fine-tune，未来“当开源模型真正超越闭源时，游戏就结束了”。强调 orchestration/agent 层和本地部署的重要性。
• 评估方法争议：许多人指出 one-shot 测试有局限（“streetlight effect”），更希望看到 agent loop、长期任务、遵循 spec、bug 修复等真实场景评估。但也承认严格基准很难做（主观性、人类干预等）。
• 实用视角：部分用户觉得当前模型已“够用”，关键在 harness/工具调用；其他人认为 Opus 等闭源在复杂任务上仍有明显优势，但 GLM 的价格/开放性使其成为强力备选。
• 其他：讨论了中国模型在工具使用/agentic 任务上的强项、硬件限制（大模型本地跑需要大量 RAM/GPU）、基准 vs 真实表现的差异等。

总体共识

GLM-5.2 是开源模型的重要进步，在成本和可用性上极具吸引力，但 Claude Opus 在质量、一致性和多模态上目前仍领先。适合根据具体场景（预算、隐私、任务类型）混合使用。

---

参考链接：

• 原文对比
• HN 讨论