Open-source GLM-5.2 có giá trị vượt trội, chi phí chưa bằng một phần tư Opus 4.8, điểm số chỉ kém 90 điểm, đánh giá này khiến tôi phải thốt lên thật tuyệt vời

Artificial Analysis giới thiệu tiêu chuẩn đánh giá kiến thức dài hạn đầu tiên dành cho các trí tuệ nhân tạo mô hình lớn, bao gồm bốn kịch bản: khoa học dữ liệu, quản lý sản phẩm, vận hành ngân hàng và chiến lược công nghiệp nặng, với 91 nhiệm vụ do các chuyên gia của Google, McKinsey, Boston Consulting phát triển. Kết quả cho thấy Claude Fable 5 đứng đầu, Opus 4.8 xếp thứ hai, GLM-5.2 nằm trong top ba; nhưng dưới tiêu chuẩn hoàn toàn đúng, tỷ lệ hoàn hảo của Fable 5 chỉ là 3%. Điểm tổng hợp của open-source GLM-5.2 chỉ thấp hơn Opus 4.8 90 điểm, nhưng chi phí chỉ chưa đến 25% của nó.