YT 学习笔记

GLM 5.2 开源模型逼近旗舰模型的成本实测与接入指南

21分钟阅读下载 MD

封面

Greg Isenberg · 22:45 · 发布 2026-06-23 · 5.6万次观看(截至抓取) · 观看原视频

🔥 观众最高回放 06:49 — 手把手在 Cursor/Codex 接入 GLM 5.2 模型

主旨

Greg Isenberg 与嘉宾 Amir 拆解 Z.ai 新发布的开源权重模型 GLM 5.2:它在编程类基准上逼近 Opus 4.8,如何用 Cursor/Codex + OpenRouter 几分钟接入,以及为什么它的 token 成本只有 Opus 的约五分之一。

核心论点

  1. GLM 5.2 是 Z.ai 发布的开源权重模型,在编程基准上逼近甚至部分反超顶级闭源模型,是”开源追上闭源”的一个标志性节点。(→ 详解1)
  2. 接入门槛很低:拿 Z.ai 的 API key 改 Cursor 里的 OpenAI 端点,或用 OpenRouter 在 Codex 里加自定义 profile,都能在几分钟内跑起来,不需要先囤硬件。(→ 详解2)
  3. 同等产出质量下,GLM 5.2 的 token 成本约是 Opus 4.8 的五分之一(44 美分 vs 2.38 美元)。(→ 详解3)
  4. GLM 5.2 缺视觉能力,可以靠”模型链”绕开:先用多模态模型看图讲清楚要改什么,再把文字描述交给 GLM 5.2 去执行。(→ 详解4)
  5. 当前 AI token 定价类似 Uber 早期的烧钱补贴期,补贴迟早会退场,现在为本地算力做一次性投入是对冲未来涨价的一种判断。(→ 详解5)
  6. 真正该管理的不是”要不要上开源模型”,而是把哪类任务路由给哪个模型——用旗舰模型处理琐碎任务才是更大的浪费,这也是企业内部正在冒头的治理问题。(→ 详解6)

知识点详解

1. GLM 5.2 是什么、基准表现如何 04:05

GLM 5.2 由 Z.ai(智谱)发布,开源权重(MIT 协议),1M 上下文窗口,在 Terminal-Bench 2.1 上拿到 81 分,只比 Opus 4.8 低约 4 分;在另一项面向长链路任务的评测里是 62.1% 对 Opus 的 69.2%。视频里两人都坦承看不懂 benchmark 的绝对含义,更看重”拿来实测顺不顺手”。

需要提醒:原始字幕里多次出现”Gemini 5.2”「Gelion 5.2」,经核实这是对”GLM 5.2”的语音转写误听,并非指 Google 的 Gemini——本笔记统一订正为 GLM 5.2。

Amir 拿一个用 Opus 4.8 搭的小站做实测:让 GLM 5.2 重新设计 hero 区块、把图片区改成轮播、再按同一个 prompt 生成 Bento grid 风格的功能展示区。他的观察是,GLM 5.2 对指令的理解和还原精度,比他此前测过的本地/开源模型都要高出一截,虽然产出还带着”一眼看出是 AI 拼的”痕迹。

2. 怎么接入:Cursor 改端点 / Codex 挂 OpenRouter profile 06:53

最直接的路径是去 Z.ai 拿 GLM 5.2 的 API key,进 Cursor 设置,把这把 key 填进原本给 OpenAI 用的字段,再把 OpenAI 的 API 端点覆盖成 Z.ai 给的这个端点,回到模型列表添加自定义模型 GLM 5.2,就能直接调用。

如果习惯用 Codex,可以走 OpenRouter:拿 OpenRouter 的 key,在其后台找到 GLM 5.2 对应的 provider 端点,回到 Codex 里新建一个 profile、填上模型名和上下文窗口这些细节,跑 CLI 时切到这个 profile 即可。Amir 认为对大多数人来说,OpenRouter + Cursor 是最省事的起步组合。

3. Token 成本对比:44 美分 vs 2.38 美元 12:00

Amir 用大约 5 万输入 token、8.5 万输出 token 的真实用量估算:要拿到接近 Opus 4.8 水准的产出,GLM 5.2 花费约 44 美分,Opus 4.8 则要 2.38 美元,差距接近 5 倍。单看这两个数字似乎不大,但放到”每天都在跑、任务体量不小、还不想被 token 预算卡住”的真实场景里,5 倍差距就是能不能持续跑下去的分水岭。

这组数字来自编程类 benchmark 的平均值和 Cursor API 计费口径,并非严格意义上的科学对照实验,但足以说明量级差异。

4. 视觉短板与模型链(model chaining) 15:13

GLM 5.2 目前不支持视觉/多模态输入,没法直接”看懂”截图。Amir 的解法是把任务拆成两步:先用 Opus 4.8 这类支持视觉的模型导入截图、让它用文字说清”前端 hero 区块具体长什么样、哪里需要改”,再把这段文字描述交给 GLM 5.2,由它去study这份说明并落地做出改动。

这就是 OpenRouter 所说的”model chaining”或”fusion models”——把擅长不同环节的模型串成一条流水线,用贵模型补齐便宜模型的能力短板,同时把大部分执行量留给便宜模型去扛,力求在成本和质量之间拿到两头的好处。

5. Token 补贴期与提前投入硬件的判断 14:23

两人把当前 AI token 的定价类比 Uber 早期:先靠补贴把用户和使用习惯焊死在自己的产品和工作流上,等黏性建立起来,再逐步涨价。Amir 观察到自己和团队”打到用量上限”的速度越来越快(尤其是 Fable 上线后第一天就顶到限额),据此推断这轮补贴同样不会永远持续。

由此得出的判断是:内存和 token 的价格都不会变得更便宜,现在提前为本地算力砸一笔一次性投入,相当于在补贴退场前把成本锁定下来,未来遇到更贵的下一代模型时能省下更多。但这更多是一种”押注判断”,不是硬性建议——两人随后也补充说,普通用户完全不需要先买 Mac Studio 之类设备,用 OpenRouter 充值 20 美元就能开始体验。

6. Token maxing vs 任务路由:企业里正在冒头的治理问题 19:03

Amir 提到 Microsoft 的 Satya Nadella 曾把”人力成本 + token 使用量”并列看待,不少公司正因为 token 账单变贵而取消对 Claude Code API 的直接订阅——第一年为了”AI 原生”不计成本地推广,第二年就要开始追问 ROI。

真正的问题不是工程团队(他们的高产出能直接换算成 ROI),而是非工程团队用旗舰模型处理琐碎任务的错配,比如市场部同事拿旗舰思考模型去润色一封邮件。Amir 把这称为治理问题:该给谁配哪个模型、什么任务值得用贵模型,正在成为企业内部需要专门设计的一层。落到个人身上的结论是同一句话——不该一味 token maxing,而该 token minimizing、output maxing:该花的地方舍得花,琐碎任务交给便宜模型。

可执行步骤

  • 去 Z.ai 申请 GLM 5.2 的 API key,或直接充值 OpenRouter,在 Cursor 或 Codex 里接一次试跑,对比一次真实任务的产出和成本
  • 挑一个带视觉环节的任务(如”根据截图改前端布局”),试着把”看图讲清楚”这步交给多模态模型、把”照做”这步交给 GLM 5.2,验证 model chaining 是否真的划算
  • 盘一遍自己或团队正在用哪个模型跑哪类任务,看看有没有”旗舰模型处理琐碎任务”的错配

关联

  • 印证:OpenRouter”统一入口切换模型、代价是按量付费”的取舍,在本片里被落地成具体路径——Amir 把 OpenRouter 的 credit 制度当作试水开源模型的低门槛入口(自托管Hermes Agent笔记)。
  • 呼应但更新:自托管AI实战-OpenWebUI+Ollama笔记讲的是纯本地自托管、动机是省钱与数据可控;本片给出的是不同场景——多数时候直接云端调用开源权重模型即可,买硬件与否是”补贴期即将结束”这一时机判断,而非本地部署天然更省。
  • 补充:GLM 5.2新手使用教程 从产品操作层演示同一款 GLM 5.2(chat.z.ai 界面/agent/建站模板);本片是性能与成本视角,两篇互为“选型依据↔上手路径”。
  • 复现(反向):本片给的 GLM 5.2 “5 倍单价便宜”与 token minimizing 省 token 主张,在 GLM 5.2 三方对比 的真实交付里被”10 倍 token 消耗”反吃;本片给价差方向,那篇给产出差距,两轴合看才完整。
  • 复现(反向):GLM 5.2配Claude Code Router实测 用 Claude Code Router 把 GLM 5.2 接进 Claude Code 实测建站基准,设计追平 Opus 4.8 但单次成本 $12,是本片”5 倍单价便宜”结论在真实建站任务上的一次反例复核。

一手来源与延伸

术语

  • GLM 5.2(Z.ai 发布的开源权重大模型,MIT 协议,1M 上下文,主打长链路编程/agentic 任务)
  • Z.ai(GLM 系列模型的提供方,可直接办理 API key)
  • OpenRouter(跨厂商统一 LLM API 入口,按用量付费,一个 key 切换多家模型)
  • Model chaining / fusion models(把不同长处的模型串成流水线,如”多模态模型看图讲清楚→便宜模型据此执行”)
  • Terminal-Bench 2.1(面向”在终端里完成真实编程任务”能力的基准测试)
  • Token maxing / token minimizing(把预算尽量花在 token 上换产出上限,反过来是省 token、追求单位产出效率)

金句

“You shouldn’t be token maxing. You should be token minimizing as much as possible and output maxing instead.” → 真正该比的是产出/token 的效率,而不是烧了多少 token,这一句戳破了”花得多=用得对”的路径依赖。21:43

立场与利益

Amir 是嘉宾而非视频推销的产品方,未见自家产品或联盟链接;但两人反复力荐 OpenRouter、Cursor、Z.ai 等第三方工具,视频里未披露与这些工具是否存在商业合作,判断其推荐力度时可留一分保留。

价值定位

  • 适合谁:已经在用 Cursor/Codex/Claude Code 写代码、对 token 账单敏感、想知道开源模型能不能替代部分闭源旗舰模型场景的开发者或独立开发者。
  • 解决什么:给出可验证的成本量级对比(44 美分 vs 2.38 美元)和两条可直接照做的接入路径(改 Cursor 端点 / Codex 挂 OpenRouter profile),不是空泛的”开源模型也不错”。
  • 认知 vs 实操:接入步骤是可以直接照做的实操层;“该不该现在买硬件""补贴期何时退场”属于判断格局的认知层,视频本身也没有给出确定答案。
  • 与 自托管AI实战-OpenWebUI+Ollama不重叠:那篇讲纯本地自托管的具体搭建,本片讲的是云端调用开源权重模型的成本与路由判断,场景不同。

自检问题

  1. GLM 5.2 在 Terminal-Bench 2.1 上拿了多少分,比 Opus 4.8 低几分? 答案:81 分,比 Opus 4.8 低约 4 分。04:05
  2. 用 GLM 5.2 跑出接近 Opus 4.8 质量的产出,两者的 token 成本分别是多少? 答案:GLM 5.2 约 44 美分,Opus 4.8 约 2.38 美元,差距接近 5 倍。12:00
  3. GLM 5.2 缺少什么能力?视频里怎么绕过这个短板? 答案:缺视觉/多模态能力;先用 Opus 4.8 之类模型看图讲清楚要改什么,再把文字描述交给 GLM 5.2 去执行,即 model chaining。15:13
  4. 视频把当前 AI token 定价类比成哪种商业模式?这对是否现在该买硬件有什么启示? 答案:类比 Uber 早期先烧钱补贴抢用户、后续再涨价;提前为本地算力投入,是对冲未来 token 涨价的一种时机判断,但不是买硬件的硬性理由。14:23
  5. “不该 token maxing,而该 token minimizing”具体是什么意思? 答案:不是比谁烧的 token 多,而是比同样 token 下谁的产出效率更高,把琐碎任务路由给便宜模型、把预算留给真正值得的任务。21:43

💬 热门评论 top-11 主 + 9 回(抓取 2026-07-07)

[2] @ryanbenson359:实际上，在 Coding Plan 上使用 GLM 就能获得视觉能力——GLM-4.6V 是包含在内的。把它和 5.2 搭配使用，同一个计划/密钥就能同时拥有世界级的编码和视觉能力。 👍 19   ↪ @HanzHermannHoppe:但那样你就得用 Z.AI 的 API，我可不想推荐任何人用那个。 👍 1   ↪ @Vegetoyesh:Lite 版本不包含这个功能。不过他们有一些免费额度。 [4] @Abrakadabra9to5:是我一个人这么觉得，还是他们混淆了开源和本地模型？把 OpenRouter 模型称为本地模型——你不可能在本地用 753 参数跑 GLM 5.2 而不需要强大的硬件。 👍 46   ↪ @kjellrni:我也在想同样的问题。 👍 6   ↪ @nightcatz0:是啊，我进来就是为了找本地部分的内容。 👍 1   ↪ @ACHEEVY_FDH009:是你理解错了。你说得对，但他说的是通过 Open Router 使用云端。   ↪ @JimLifts:7530 亿。   ↪ @doulos5322:你知道在本地量化运行这个模型有多难吗？2. 它有 256GB 的开放权重。你需要一台机器集群，比如 Mac Mini 统一内存集群才能运行。给你个概念：一张显卡 96GB 显存目前要 12000 美元。这不是本地大模型。这是一个开源的中国大模型，可以在租用的数据中心 GPU 上运行。除此之外，你只能通过 Mac Mini 集群以极慢的速度运行，成本大约 10000 美元。 [5] @blkmrktrunner6524:很少有人能在本地运行这个模型——即使采用最激进的量化，你也需要 250GB 内存。要原生运行，你需要 1.5TB，而这对任何 Mac Studio 集群（例如）来说都不可行。 👍 3 [6] @vidismart:这可能是衡量实际可用性的最重要指标。 👍 1 [8] @MercadoMediterráneo:节省 5 倍听起来不错。但在实际任务中，质量差距能保持吗？当 token 补贴结束时会发生什么？生产环境回答第一个问题，时间回答第二个。 [9] @SeekCommonGroundIO:现在我们只需要 6 到 7 万美元来搭建它，再加上每月 500 到 700 美元的电费。 👍 2 [10] @thesoloentrepreneur07:GLM 5.2 发布后我本来想买 Mac Mini，但它需要的内存太多了。 [11] @vidismart:我们能建立自己的 RGO（相关性忽略）指数吗？ ——其他 2 条:感谢/夸赞([3]@MrPinyworld、[7]@omaralisaifuddin);1 条 spam 已略

英文原文[1] @GregIsenberg(UP):I LOVE YOU GUYS. LIKE/COMMENT/SUBSCRIBE FOR MORE OF THIS IN YOUR FEED. For startup ideas to get your creative juices flowing --> ideabrowser.com 👍 7
  ↪ @dylanzr77:Honestly, I want less click bait titles in my feed. Might have to start cleaning house on who gets a sub soon.
  ↪ @JamesDeLoney:😊
[2] @ryanbenson359:You can actually get vision with GLM on the Coding Plan — GLM-4.6V is included. Pair it with 5.2 and you get both world-class coding AND vision on the same plan/key. 👍 19
  ↪ @HanzHermannHoppe:but then you'd have to use Z.AI's API and i wouldn't wish that on anyone. 👍 1
  ↪ @Vegetoyesh:It's not included in the lite variant. They have some free tier tokens though.
[3] @MrPinyworld:GLM 5.2 has so much better taste than any other LLM model thus far 👍 3
[4] @Abrakadabra9to5:Is just me or they are confusing it between open and local model..calling openrouter model as local You cant run glm 5.2 without serious hardware locally with 753 parameters 👍 46
  ↪ @kjellrni:I wondered the same 👍 6
  ↪ @nightcatz0:yeah i came in looking for the local part @@ 👍 1
  ↪ @ACHEEVY_FDH009:It's you. You're correct, but he said he's using cloud with open router.
  ↪ @JimLifts:753 billion
  ↪ @doulos5322:Do you know how hard it would actually be to run this locally at quant? 2. It's 256 gigs of open weight. You would have to have a machine cluster A Mac minis with unified memory to even run it To give you an idea, 96 gigs vram on one card is currently $12,000 This is not a local llm. This is an open source Chinese llm that can be ran on rented data center. Gpus under the hood. That's the only way you're going to get it done other than running it incredibly slow off of Mac mini cluster at a cost of about $10,000
[5] @blkmrktrunner6524:Very few people will be able to run this locally - even with the most aggressive quantization you need 250gb of ram. To run it natively you need 1.5tb and that’s not available to any set of Mac studios (for example) 👍 3
[6] @vidismart:This could be the most important index for actual real life usability. 👍 1
[7] @omaralisaifuddin:Great video Greg!
[8] @MercadoMediterráneo:5X savings sounds great. Does that quality gap hold on real tasks? What happens when token subsidies end? Production answers the first question. Time answers the second.
[9] @SeekCommonGroundIO:Now we just need 60-70 grand to get it setup and a 500-700 dollars more a month for the energy bill. 👍 2
[10] @thesoloentrepreneur07:I was thinking of buying mac mini after glm 5.2's launch but it needs way more memory
[11] @vidismart:Can we build our own RGO (relevance glaze over) index?

关系图谱

反向链接