O GLM-5.2 de código aberto está arrasando em custo-benefício, com um custo inferior a um quarto do Opus 4.8, mas com uma diferença de apenas 90 pontos na pontuação, essa avaliação me fez exclamar: "Que maravilha!"

Artificial Analysis lança o primeiro benchmark de avaliação de conhecimento de longo prazo para agentes de grandes modelos inteligentes, abrangendo quatro cenários: ciência de dados, gestão de produtos, operações bancárias e estratégias de indústrias pesadas, com 91 tarefas desenvolvidas por especialistas do Google, McKinsey e Boston Consulting. Os resultados mostram que Claude Fable 5 venceu, Opus 4.8 ficou em segundo lugar, e GLM-5.2 ficou entre os três primeiros; mas, sob o padrão de acerto total em tarefas individuais, a taxa de perfeição do Fable 5 é de apenas 3%. A pontuação combinada do GLM-5.2 de código aberto é apenas 90 pontos abaixo do Opus 4.8, mas seu custo é inferior a 25%.