@cline：Cline 團隊透過實際除錯測試，比較 GLM-5.2 與 Opus 4.8 在程式開發任務中的表現差異。 測試背景與結果 Cline 團隊針對自家程式…

Cline 團隊透過實際除錯測試，比較 GLM-5.2 與 Opus 4.8 在程式開發任務中的表現差異。 測試背景與結果 Cline 團隊針對自家程式庫中的真實 Bug 進行測試，以驗證社群關於 GLM-5.2 優於 Opus 4.8 的說法。儘管兩者皆成功修復問題，但在成本與程式碼品質上存在顯著差異： 成本與 token 使用量：GLM-5.2 使用了 110 萬個 token，成本為 0.41 美元；Opus 4.8 使用了 66 萬個 token，成本為 0.81 美元。GLM-5.2 的 token 用量雖為 Opus 的兩倍，但總成本僅為其一半。 執行效率：Opus 4.8 執行速度較快，耗時 1.6 分鐘並呼叫 12 次工具；GLM-5.2 耗時 4.7 分鐘並呼叫 28 次工具。 程式碼品質：GLM-5.2 在完成任務前會主動清理無用程式碼並驗證建置是否通過；Opus 4.8 則遺留了雖能通過測試但會導致正式環境建置失敗的型別錯誤。 在修復同一個 Bug 的測試中，GLM-5.2 成功完成乾淨建置且花費僅需 $0.41，而 Opus 4.8 則導致建置失敗且花費高達 $0.81。 技術觀察 Cline 團隊指出，兩者在相同的 harness 與 prompt 設定下，GLM-5.2 展現出透過強化學習（RL）訓練的特性，傾向於在完成任務前消耗更多 token 來驗證工作成果。團隊認為這解釋了為何使用者普遍回饋 GLM-5.2 的產出品質較佳。 社群回饋與後續計畫 針對社群對於單一測試樣本代表性的質疑，Cline 團隊回應如下： 團隊承認單一測試不足以作為全面性基準測試，強調這僅是針對自家 Bug 的實戰範例。 團隊已進行多次重複測試，觀察到 GLM-5.2 在驗證工作與避免破壞正式環境方面表現一致。 團隊計畫將實驗程式碼開源，並與 Morgan（@morganlinton）的 vulcanbench 專案合作，持續擴充測試語料。 針對未來發展，Cline 將持續優化對開源權重模型的支援，並預計推出訂閱方案，透過量大折扣進一步降低使用成本。原文：https://easyvibecoding.app/curated/2150