科研平台 alphaXiv 团队使用自动化代理测试大模型复现前沿论文的能力。
在复现自蒸馏强化学习论文 SDPO 时，GLM 5.2 产生的运行成本仅为闭源旗舰模型 Claude Opus 4.8 Max 的约八分之一。
实验要求模型自主阅读论文、排查开源库 VeRL 复杂的环境报错并跑完消融实验。
GLM 5.2 经历 14 次运行失败后成功复现，消耗 265 万 tokens，总花费 6.21 美元。
Claude Opus 4.8 经历 9 次失败后成功，消耗 453 万 tokens，花费达 46.35 美元。
不得不说，最近这国产模型一个赛一个强啊~
