Knowledge File / 全球热点解读
Snowflake CEO发现GLM-5.2以极低成本与Opus 4.7竞争
在Snowflake的编程基准测试中，中国AI模型GLM-5.2与Anthropic的Opus 4.7表现接近，但成本仅为后者的几分之一，可能对西方AI公司的高估值构成压力。
SOURCE / 全球热点解读
MIN / 9
ACCESS / 公开
POST / 2026-06-25 01:07:37
原贴
查看原文原文
In a real-world programming benchmark conducted by Snowflake, the Chinese AI model GLM-5.2 and Anthropic's Opus-4.7 performed nearly identically when given three attempts per task, solving 66 and 67 percent of problems, respectively. Opus holds an edge on first-attempt accuracy at 53.7 percent versus GLM's 47.6 percent, and is more efficient overall—GLM requires an average of 99 iterations per task compared to 80 for Opus and consumes nearly twice as many tokens. Despite these efficiency gaps, GLM-5.2 is dramatically cheaper at $4.40 per million output tokens, creating significant price pressure that could challenge the high valuations of Western AI companies like OpenAI. Snowflake compared GLM-5.2 and Opus 4.7 in a hands-on benchmark. The Chinese model held its own. The test covered 103 tasks, each run three times, where models had to write code that works on both DuckDB and Snowflake. When each model got three attempts per task, the two were neck and neck: 66% vs. 67% of tasks solved. First-attempt accuracy diverges: Opus hit 53.7%, GLM only 47.6%, showing GLM's output is less consistent. The Chinese model also averaged 99 runs per task versus Opus's 80 and burned through 860 million tokens, nearly double Opus's 439 million. Ad Opus 4.7 is the better model, but GLM is competitive in Snowflake's code benchmark and costs far less. | Image: via X[ GLM's strength is validating code reliably across both platforms (DuckDB and Snowflake) at the same time. According to Snowflake CEO Sridhar Ramaswamy , that's why only GLM could solve certain tasks. Ad DEC_D_Incontent-1 Its weaknesses are giving up too early and obsessively checking the wrong things. On one task, GLM fired off 411 tool calls in 24 minutes, checking row counts, distributions, null values, and column types, and still failed all three attempts. Opus solved the same task with 49 calls in 9 minutes. The claim that GLM produces cleaner code didn't hold up, Ramaswamy said. More checks don't lead to more correct results. Still, the team is excited about GLM-5.2 and wants to make it available to customers. Ad The results matter most in the context of price. GLM-5.2 costs $1.40 per million input tokens and $4.40 per million output tokens, according to Zhipu's official price sheet . Some third-party providers undercut Zhipu's price even further. Claude Opus 4.7 runs $5 input and $25 output. GPT-5.5 costs $5 input and $30 output. GLM's higher token usage eats into that price gap somewhat . But Anthropic and OpenAI are facing serious pricing pressure, and right in coding, the flagship use case both Western AI labs are betting on. Ad DEC_D_Incontent-2 If that pressure slows revenue growth, or worse, shrinks it, the already inflated AI market faces a real stress test. OpenAI's and Anthropic's valuations rest on the assumption that revenue keeps climbing fast. Those valuations are tied to billions in bets on AI infrastructure buildout, from data centers to chip orders. Ad
中文翻译
在 Snowflake 进行的一项真实世界编程基准测试中，中国 AI 模型 GLM-5.2 和 Anthropic 的 Opus-4.7 在每个任务三次尝试的情况下表现几乎相同，分别解决了 66% 和 67% 的问题。Opus 在首次尝试准确率上占优，达到 53.7%，而 GLM 为 47.6%，并且总体效率更高——GLM 每个任务平均需要 99 次迭代，而 Opus 为 80 次，消耗的 token 数量几乎是 Opus 的两倍。尽管存在这些效率差距，但 GLM-5.2 的价格极低，每百万输出 token 仅 4.40 美元，这造成了巨大的价格压力，可能挑战 OpenAI 等西方 AI 公司的高估值。Snowflake 对 GLM-5.2 和 Opus 4.7 进行了动手基准测试。中国模型表现不俗。测试覆盖了 103 个任务，每个运行三次，模型需要编写能在 DuckDB 和 Snowflake 上都能运行的代码。当每个模型每个任务获得三次尝试时，两者不相上下：解决了 66% 对 67% 的任务。首次尝试准确率出现分歧：Opus 达到 53.7%，GLM 仅为 47.6%，表明 GLM 的输出一致性较差。中国模型平均每个任务运行 99 次，而 Opus 为 80 次，消耗了 8.6 亿个 token，几乎是 Opus 4.39 亿的两倍。Opus 4.7 是更好的模型，但 GLM 在 Snowflake 的代码基准测试中具有竞争力，且成本低得多。GLM 的优势在于同时跨两个平台（DuckDB 和 Snowflake）可靠地验证代码。据 Snowflake CEO Sridhar Ramaswamy 称，这就是为什么只有 GLM 能解决某些任务。它的弱点是过早放弃和执迷于检查错误的东西。在一个任务中，GLM 在 24 分钟内发出了 411 次工具调用，检查行数、分布、空值和列类型，但仍然三次尝试都失败。Opus 用 49 次调用在 9 分钟内解决了相同的任务。Ramaswamy 说，GLM 生成更干净代码的说法不成立。更多的检查并不会带来更正确的结果。尽管如此，团队对 GLM-5.2 感到兴奋，并希望将其提供给客户。这些结果在价格背景下最为重要。根据智谱官方价格表，GLM-5.2 每百万输入 token 成本 1.40 美元，每百万输出 token 成本 4.40 美元。一些第三方供应商的价格甚至低于智谱。Claude Opus 4.7 输入 5 美元，输出 25 美元。GPT-5.5 输入 5 美元，输出 30 美元。GLM 较高的 token 使用量在一定程度上削弱了价格差距。但 Anthropic 和 OpenAI 正面临严重的定价压力，而且正是在编程领域——这是两大西方 AI 实验室押注的旗舰用例。如果这种压力减缓收入增长，甚至更糟的是使其萎缩，那么本已膨胀的 AI 市场将面临真正的压力测试。OpenAI 和 Anthropic 的估值建立在收入持续快速增长的假设之上。这些估值与数十亿美元的基础设施建设赌注息息相关，从数据中心到芯片订单。
核心信息
在Snowflake的编程基准测试中，中国AI模型GLM-5.2与Anthropic的Opus 4.7表现接近，但成本仅为后者的几分之一，可能对西方AI公司的高估值构成压力。
- 在Snowflake的编程基准测试中，中国AI模型GLM-5.2与Anthropic的Opus 4.7表现接近，但成本仅为后者的几分之一，可能对西方AI公司的高估值构成压力。
- 原贴提到：In a real-world programming benchmark conducted by Snowflake, the Chines
- 来源：the-decoder.com
详细解读
这是什么信号：中国AI模型GLM-5.2在编程基准测试中与西方顶级模型Opus 4.7竞争力相当，尤其是在多轮尝试下任务解决率仅差1%。尽管首次准确率和效率仍有差距，但成本差距悬殊（输出token价格约为Opus的1/6），这预示着中国AI模型正在快速缩小能力差距，并通过价格优势进入全球市场。
为什么重要：编程是AI厂商（如OpenAI、Anthropic）的核心商业场景，也是其高估值的关键支撑。GLM-5.2的低价策略直接挑战了西方厂商的定价权——若客户转向性价比更高的模型，可能削弱这些厂商的收入增长，进而影响其估值和背后巨额的基础设施投资（如数据中心、芯片订单）。这对整个AI行业的泡沫风险是一次实质性的压力测试。
对谁有价值：企业开发者、技术决策者可以直接受益：在成本敏感的场景中，GLM-5.2可能是一个极具吸引力的替代方案。投资者应关注西方AI公司的定价策略和收入韧性。中国AI厂商（如智谱）通过这一案例证明其模型在特定任务上的竞争力，有助于其拓展客户和提升品牌。
可以怎么行动：1）在编程辅助、代码生成等场景中评估GLM-5.2，特别是多平台兼容任务（如DuckDB和Snowflake）。2）关注其商用API的可用性和稳定性，对比成本与效率（注意GLM较高的token消耗可能部分抵消价格优势）。3）对于成本控制严格的企业，可考虑将GLM-5.2作为备选模型，但需接受其一致性较低的局限。
风险或限制：GLM-5.2存在显著短板：首次尝试准确率低（47.6% vs 53.7%），平均迭代次数和token消耗高，部分任务因过度检查而失败。这些因素降低了其实际性价比。另外，基准测试由Snowflake进行，可能偏向其生态；第三方独立评估尚未广泛发布。核心风险在于西方厂商可能通过降价或推出更强模型来应对，压缩GLM的市场空间。
信息差价值
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《Snowflake CEO发现GLM-5.2以极低成本与Opus 4.7竞争》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。