GLM-5.2 возглавил рейтинг тонкой настройки, вызвав сомнения. Автор бенчмарка разъяснил: дистилляции Claude не было.

По данным мониторинга Beating, модель с открытым исходным кодом GLM-5.2 заняла первое место в автономном бенчмарке тонкой настройки PostTrainBench, что подверглось критике со стороны скептика scaling01, назвавшего это лишённым практической ценности. Он указал, что скачок модели с 22-го места на вершину за несколько месяцев крайне необычен, а тестирование из-за отсутствия скрытого набора легко подталкивает агентов к целенаправленной оптимизации через накрутку бенчмарка, в результате чего полученная модель трудно применима в реальном мире.

Однако сторонники возражают, что при ограничении в 10 часов на одну видеокарту H100 требовать от агента выполнения универсальной тонкой настройки нереалистично, а целенаправленная оптимизация — это обычная практика в машинном обучении. Публичные логи показывают, что GLM-5.2 обладает чёткой экспериментальной логикой, способна автоматически собирать данные по различным гипотезам выборки, самостоятельно планировать полный конвейер: создание базовой производительности, тонкая настройка и фильтрация данных с помощью отклоняющей выборки, а также пытается избегать переобучения в цепочке рассуждений.

Более значимая ценность этого инцидента в том, что публичные траектории выполнения, изначально предназначенные для оценки способности к тонкой настройке, случайно разоблачили отраслевой слух о «тяжёлой дистилляции Claude» в отечественных больших моделях. Автор бенчмарка Максим Андрющенко, изучив логи GLM-5.2, отметил, что модель принципиально отличается от Claude в сборе данных, стратегических комбинациях и траекториях принятия решений, без признаков имитации или дистилляции. Открытость и прозрачность стороннего бенчмарка, напротив, стали самым прямым окном для моделей с открытым исходным кодом, чтобы доказать оригинальность своих исследований и разработок.