--- title: 'GLM 5.2 约等于 Opus 4.8：1v1 实测与 Claude Code 接入全解' video_id: KAnDbJhNJ4E url: https://youtu.be/KAnDbJhNJ4E title_en: "GLM-5.2 is Basically Opus (For 1/5 the Price)" channel: Nick Saraev published: 2026-06-19 duration: "00:00" topics: [模型与能力, Claude Code 工作流] noted: 2026-07-08 value: A views: '3122' --- [![封面](https://i.ytimg.com/vi/KAnDbJhNJ4E/maxresdefault.jpg)](https://youtu.be/KAnDbJhNJ4E) > Nick Saraev · 时长 00:00 · 发布 2026-06-19 · 3122次观看(截至抓取) · [观看原视频](https://youtu.be/KAnDbJhNJ4E) > 🔥 观众最高回放 [08:00](https://youtu.be/KAnDbJhNJ4E?t=480) — 演示 GLM 5.2 在 Claude Code 内如何用 Exa AI 补齐内置 Web 搜索的缺失 ## 主旨 Nick 把 GLM 5.2 与 Opus 4.8 在 7 个真实场景里 1v1 比拼,得出"风格品味 GLM 5.2 略胜"与"成本约 1/5"的双重判断;随后演示如何用 OpenRouter + ANTHROPIC_BASE_URL 把 GLM 5.2 装进 Claude Code harness,以及四种部署路径(Z.AI 套餐 / OpenRouter / 直连服务商 / 2-bit 量化本地跑)的取舍。 ## 核心论点 1. **GLM 5.2 在风格品味上约等于甚至略胜 Opus 4.8,而价格只是后者的一小部分**——这来自 7 个真实场景的 1v1 对比,而非 benchmark 数字。([[#1-7-个真实场景的-1v1-对比-0007|→ 详解1]]) 2. **当 benchmark 已饱和,"taste"是判别模型的真正标尺**——为品味付溢价才是值得的。([[#2-风格品味作为模型评判标尺-0101|→ 详解2]]) 3. **把 GLM 5.2 装进 Claude Code 的方法是改 `ANTHROPIC_BASE_URL` 环境变量指向 OpenRouter**,Claude Code 的 harness 与 Anthropic API 规范同源,只要端点兼容就无缝替换。([[#3-anthropic_base_url-装-glm-52-进-claude-code-0712|→ 详解3]]) 4. **GLM 5.2 没有内置 Web 搜索,需把 Claude Code 的搜索能力单独接出去**——演示中用的是 Exa AI。([[#4-用-exa-ai-补-web-搜索-0752|→ 详解4]]) 5. **GLM 5.2 的部署有 4 条主路径,按场景分流**:Z.AI 官方套餐(类 Claude Max)、OpenRouter(按量付、自动仲裁多家)、Fireworks/Deep Infra/GMI 直连(单一服务商)、2-bit 量化自托管(256GB Mac 可跑,82% 准确率)。([[#5-4-条部署路径的取舍-1218|→ 详解5]]) ## 知识点详解 ### 1. 7 个真实场景的 1v1 对比 [00:07](https://youtu.be/KAnDbJhNJ4E?t=7) Nick 拿同一个 naive prompt 在 Opus 4.8 与 GLM 5.2 上各跑一遍,场景覆盖 3D WebGL 星云螺旋、互动解释器、low-poly 地形飞越、仪表盘、落地页、全栈 app 与小游戏,共约 40 个画面。结论是 GLM 5.2 输出了"明显更干净、更高 style"的版本——比如星云螺旋里 Opus 的 galaxy 因高光过曝"literally can't even see the galaxy to begin with"([01:41](https://youtu.be/KAnDbJhNJ4E?t=101)),而 GLM 5.2 的版本可以自由重定位、调节粒子尺寸。 最弱项是游戏:GLM 5.2 的"叠塔"小游戏虽然能跑,但 Nick 评价它"doesn't fully understand how difficult this is"([03:43](https://youtu.be/KAnDbJhNJ4E?t=223))——可玩但难度曲线没调对。整体结论是"GLM 5.2 更好,我用得也最多"。 ### 2. 风格品味作为模型评判标尺 [01:01](https://youtu.be/KAnDbJhNJ4E?t=61) Nick 明确说"we're at the point where the benchmarks are effectively saturated"([01:01](https://youtu.be/KAnDbJhNJ4E?t=61)):GLM 5.2 与 Opus 4.8 在常见 benchmark 上分数接近,纸面数字已无法区分能力。判别一个模型真正能否用的办法是"take it from a taste perspective"——让两个模型各自针对一个方向输出,然后用人眼判断哪份更像样。 由此推出"higher style multiplier"([03:27](https://youtu.be/KAnDbJhNJ4E?t=207))这一概念:GLM 5.2 同样 prompt 下默认产出更"sexy / tasteful",省下的不是 token 而是设计师后续的返工时间。视频的隐含建议是:在两个模型都够用时,挑你更"想看"的那份产出对应的模型。 ### 3. ANTHROPIC_BASE_URL 装 GLM 5.2 进 Claude Code [07:12](https://youtu.be/KAnDbJhNJ4E?t=432) 装 GLM 5.2 进 Claude Code 的核心动作只有一步:在 Claude Code 实例的启动环境里把 `ANTHROPIC_BASE_URL` 改成 OpenRouter 给的端点(任何 API 规范与 Anthropic 兼容的端点都可以),Claude Code 就把所有请求转给 GLM 5.2,整套 harness 原样保留([07:18](https://youtu.be/KAnDbJhNJ4E?t=438))。 落地步骤:注册 OpenRouter 拿到 key → 粘贴到 IDE(演示用 anti-gravity)→ 写一句"在 Claude Code 里配置 GLM 5.2"→ agent 自己跑通路径并验证([05:29](https://youtu.be/KAnDbJhNJ4E?t=329),[07:12](https://youtu.be/KAnDbJhNJ4E?t=432))。Nick 自陈"把 key 直接贴文本里"对个人 demo 来说够用,生产环境应另寻更安全的存法(转录未给具体方案)。 为什么这招能成立:Claude Code 的 Anthropic 客户端是 spec 兼容的,OpenRouter 端点返回的响应格式与 Anthropic 相同,所以换 base URL 等于换模型,不用改 harness 任何一行代码。 ### 4. 用 Exa AI 补 Web 搜索 [07:52](https://youtu.be/KAnDbJhNJ4E?t=472) GLM 5.2 自己不带 Web 搜索,Claude Code harness 内的搜索会默认走 Anthropic 路径,在替换 base URL 后会"doesn't work 100% out of the box"([07:52](https://youtu.be/KAnDbJhNJ4E?t=472))。Nick 的解法是把搜索能力单独接出去:用 Exa AI 之类的 web search service(类比"为 AI agent 提供搜索能力的软件平台")把搜索请求路由过去,Claude Code 仍负责调度与执行,Exa AI 只负责检索。 配置方法是让 Claude Code 在新 GLM 目录里跑"setup exa.ai for web search"([08:35](https://youtu.be/KAnDbJhNJ4E?t=515)),会向用户要 Exa AI 的 API key(新用户有 $10 免费额度),之后搜索 query 自动转给 Exa AI。Open Code 终端同理也能用 Exa AI。 ### 5. 4 条部署路径的取舍 [12:18](https://youtu.be/KAnDbJhNJ4E?t=738) Nick 列了四条主路径,没有唯一答案: - **Z.AI AI coding plan**:Z.AI 官方订阅,分 light / pro / $80/月三档,接近 Claude Max 模式([12:23](https://youtu.be/KAnDbJhNJ4E?t=743)),适合用量稳定、不想自己管 key 的用户。 - **OpenRouter**:Nick 实际在用的选择,理由是"plug-and-play"——按 token 付钱,平台自动仲裁多家 provider 把价格压到最低,他特意说"我不是他们赞助的",但承认"挺直接、挺顺"。 - **直连服务商**:Fireworks、Deep Infra、GMI 等"dedicated providers"([12:57](https://youtu.be/KAnDbJhNJ4E?t=777)),不经过 OpenRouter 的仲裁,适合对延迟与稳定性有强需求的场景。 - **2-bit 量化自托管**:GLM 5.2 原生 700B 参数,自托管一般机器跑不动,但有人把模型"quantized the hell out of it"([13:17](https://youtu.be/KAnDbJhNJ4E?t=797))压到 2-bit,准确率仍保留 82%([13:22](https://youtu.be/KAnDbJhNJ4E?t=802)),256GB 内存的 Mac 或部分 RAM/VRAM 配置就能本地跑。Nick 的隐含态度是:这是"no one can take it away from you"的兜底方案。 四种路径的边界是个人对稳定性/隐私/控制权/价格的权重排序,不是技术优劣。 ## 可执行步骤 - [ ] 注册 OpenRouter 账号,拿 API key,设置 1 小时或更长 expiration。 - [ ] 在 Claude Code 工作目录里跑 `glm` 前,确认 `ANTHROPIC_BASE_URL` 已指向 OpenRouter 的 GLM 5.2 端点、key 已注入环境变量。 - [ ] 在 prompt 里用 `/glm` 切到 GLM 5.2 子会话(若已为 GLM 单独配 slash command),验证一句"你是哪个模型"应回 "GLM 5.2 via Open Router"。 - [ ] 需 Web 搜索时,在新目录里让 Claude Code "setup exa.ai for web search",提供 Exa AI API key。 - [ ] 装到 Open Code: `brew install open-code`;装到 Crush: `brew install crush`,然后用同一份 OpenRouter 截图让 agent 帮你配。 - [ ] 若想本地自托管:查 2-bit 量化版的显存/内存门槛(256GB Mac 起步)再决定是否值得。 ## 关联 - 与 [[2026-06-23-GLM 5.2 开源模型逼近旗舰模型的成本实测与接入指南]] **印证**——两个独立来源(本片 + Greg Isenberg)都得到"GLM 5.2 在编程类任务上接近 Opus 4.8、成本约 1/5"的双重结论,且都把 OpenRouter 当成最省事的接入路径。 - 与 UPtmKh1vMN8-Claude Code 高阶课 **进阶**——本片演示的 `ANTHROPIC_BASE_URL` 替换是 Claude Code harness 工程的一个具体应用面,要理解为什么"换 base URL 就等于换模型"需要先读高阶课里对 harness 协议兼容性的讨论。 - 与 [[2026-06-17-自托管AI agent的真实账单（三档模型与月费现实）]] **互补**——本片给出的"2-bit 量化 256GB Mac"是自托管光谱的最远端(消费级硬件),那边给出的是三档模型月费与硬件选型全景;两者各覆盖自托管光谱的一半。 - 与 [[2026-06-22-OpenCode + GLM 5.2：15分钟开源构建此物（OPUS已死）]] **互补**——本片在 harness 兼容性上解释了"为什么 Open Code 能跑 GLM 5.2",那边侧重"用 OpenCode 直接构建产品的 15 分钟实操"。 ## 一手来源与延伸 - 视频主推 GLM 5.2(由 Z.AI / 智谱发布);meta description 未给出论文/官方仓库链接,description 仅含 Skool 课程、播客频道、Instagram/Twitter/Blog 等博主本人渠道。 - 演示接入链中实际使用的产品: - OpenRouter:[https://openrouter.ai](https://openrouter.ai)(视频中未直接给 URL,但全程在 openrouter.ai 界面演示注册与取 key) - Exa AI:视频中以"XAI / exa.ai"出现,功能是为 AI agent 提供 web 搜索 - Z.AI(智谱):GLM 5.2 的原产厂商,AI coding plan 注册入口 - Claude Code / Open Code / Crush:均为 harness / agent 终端 (视频本身未给学术论文或官方仓库链接,以上均为视频中实际出现的产品名;论文/官方文档需联网另查,本片不收录。) ## 术语 - **ANTHROPIC_BASE_URL**:Claude Code 读取的环境变量,改它即可把 Anthropic API 客户端指向任意兼容端点(本片用来指向 OpenRouter 上的 GLM 5.2) - **taste**(模型语境):Nick 用以替代 benchmark 的判别标尺,指模型对"什么算好看/干净/合理"的隐式判断 - **higher style multiplier**:Nick 的说法,指同等 prompt 下默认产出风格上限更高的能力 - **2-bit 量化**:把模型权重用 2 比特存储的极致压缩,本片里 GLM 5.2 经此压缩后保留 82% 准确率,可在 256GB Mac 跑 - **fast mode**:Claude Code 内的推理速度档位(本片未给官方定义,只在演示时口头说明"我开了 fast mode,所以 Opus 看起来更快") ## 金句 > "I do believe that GLM 5.2 right now has better taste than Opus 4.8." ([13:56](https://youtu.be/KAnDbJhNJ4E?t=836)) — Nick 用"taste"而非"intelligence"做结案陈词,呼应全片"benchmark 已饱和,看真实输出"的判断;这句话也定义了他把 GLM 5.2 当 daily driver 的具体依据,而不是"更便宜所以用它"。 > "In an era where AI models are capable of getting taken down at a whim or you know getting significantly more expensive because of API pricing, we're at the point now where you know GLM 5.2 or other open models legitimately might make sense." ([00:33](https://youtu.be/KAnDbJhNJ4E?t=33)) — 解释为什么 2026 年中再谈"开源 vs 闭源"有现实意义:不只是 benchmark 接近,而是"随时被下架"与"API 涨价"两个新变量把选择面撑开了。 ## 立场与利益 - **与利益同向,采信前需外部印证**:1/5 价格、daily driver、更好 taste 这三个核心主张——Nick 同时卖 Maker School 课程与 LeftClick 顾问服务(见 description),内容上力推 GLM 5.2 会强化他"用 AI 工具/模型搭产物"的人设。已在关联节用 Greg Isenberg 等独立来源印证,采信折扣较小。 - **利益中性,可独立验证**:ANTHROPIC_BASE_URL 替换机制、OpenRouter / Exa AI 接入步骤——这些是技术机制,与博主变现无关,按内容本身采信。 - **与利益反向(可信度最高)**:Nick 自陈"不是 OpenRouter 赞助的"、并提到 Opus 跑得快是因"我开了 fast mode"——前者主动撇清商业关联,后者主动承认自己观察里有 bias(本应更长的输出被 fast mode 加速),这两个坦白让全片其他主张的采信折扣可适度下调。 (利益证据:description 顶部 Skool Maker School 招生链接、底部 podcast / blog / Instagram / Twitter / 三门免费课——典型的内容创作者商业矩阵;Nick 在口播中亦直白说"我 24/7 在用 GLM 5.2"。) ## 价值定位 - **适合谁**:已经在用 Claude Code、想把 Anthropic 之外的开源模型接进同一 harness 的实操者;或正在为"该不该把 GLM 5.2 当 Opus 4.8 的 fallback"做决策的人。 - **解决什么**:省去"GLM 5.2 到底能不能在我日常 Claude Code 工作流里替换 Opus"的尝鲜成本——看完就知道 base URL 怎么改、Exa AI 怎么接、四种部署路径各适合谁。 - **认知 vs 实操**:两者都给——前半段是"模型品味"这一概念框架,后半段是"装进 Claude Code + 接入 web 搜索 + 四种部署"的可照搬步骤。 - **与 [[2026-06-23-GLM 5.2 开源模型逼近旗舰模型的成本实测与接入指南]] 重叠**:都覆盖 "GLM 5.2 ≈ Opus 4.8、成本约 1/5" 核心判断与 OpenRouter 接入路径;本片独有 Claude Code harness 集成(ANTHROPIC_BASE_URL 替换)+ Exa AI web 搜索拼图 + 2-bit 量化自托管这条兜底线。 ## 自检问题 1. 把 GLM 5.2 装进 Claude Code harness,最关键的一步是改哪个环境变量? **答案**:ANTHROPIC_BASE_URL(详见详解3,锚点 [07:12](https://youtu.be/KAnDbJhNJ4E?t=432)) 2. Nick 用什么具体证据判断 GLM 5.2 ≈ Opus 4.8,而非依赖 benchmark 数字? **答案**:同一份 naive prompt 在两个模型上各跑一遍 7 个真实场景(3D、解释器、仪表盘、落地页、全栈 app、小游戏),靠人眼判断"taste"(详见详解1、详解2) 3. GLM 5.2 缺内置 Web 搜索,本片给出的解法是? **答案**:把搜索能力单独接出去到 Exa AI,Claude Code 仍负责调度,Exa AI 只负责检索(详见详解4,锚点 [07:52](https://youtu.be/KAnDbJhNJ4E?t=472)) 4. 本片列出的 GLM 5.2 四条部署路径是哪四条?各自适合什么场景? **答案**:Z.AI 官方订阅(类 Claude Max,稳定用量)/ OpenRouter(按量付、自动仲裁,plug-and-play)/ Fireworks/Deep Infra/GMI 直连(对延迟与稳定性敏感)/ 2-bit 量化自托管(256GB Mac 兜底,无外网依赖)(详见详解5) 5. Nick 提到的"higher style multiplier"具体指什么,为什么重要? **答案**:同等 prompt 下默认产出风格上限更高,省下的不是 token 而是设计师后续返工时间(详见详解2)