原文：https://x.com/Designarena/status/2068030598028087788

Design Arena 排行榜：https://www.designarena.ai/leaderboard/code

先给出核心结论：GLM-5.2 在 Design Arena 的单轮 HTML 网页设计评测中，一举夺得总分第一。这一成绩让它直接超越上一代 GLM-5.1 整整5个名次，更关键的是，它把 Claude Fable 5、Opus 4.6 和 Opus 4.7——这些长期霸占榜单前列、单挑胜率极高的“老牌劲旅”——都甩在了身后。

更有意思的地方在于：这是第一款登顶的开源模型，且采用 MIT 授权。更令人意外的是，这个成果背后的 Z.ai 团队使用的模型与 GLM-5.1 同样大小——744B 参数，还不带视觉能力。而它最强的对手，估算下来，规模是它的 6.7 倍。这堪称“以小博大”的经典案例。

在价格方面，GLM-5.2 同样在“偏好度 vs 价格”的 Pareto 前沿上树立了新标杆。它的定价为每百万 token 仅需 1.40 / 4.40 美元，而 Claude Fable 5 的定价是每百万 token 10 / 50 美元。差距可谓悬殊。

当然，它并非在所有任务上都碾压 Fable 5。在游戏开发、数据可视化和 3D 设计这三个细分榜单上，它排名第二，紧跟 Fable 5 之后。在 UI 组件榜单上，它则位列第四。不过，这并不妨碍它在整体上成为一颗耀眼的新星。

GLM-5.2 的网页输出到底变了什么？

为了搞清楚这个问题，我们专门对 GLM-5.2 的单轮部署进行了逐个案例分析，重点观察它在各项优化下对前端编码任务的实际效果。这样才能判断哪些优化真正发挥了作用，又有哪些错误是模型成功绕开的。总的来说，GLM-5.2 成功避开了许多 AI 模型难以解决的常见错误，生成的网站更加精细，并且特别擅长做出比其他结果更受用户偏爱的页面结构。

模型行为 #1：输出看起来像一套精美的起始模板

我们从 GLM-5.2 和 Fable 5 各自生成的网站中，各抽取了 1000 个进行对比。具体做法是：给每个生成的网站截图，再按相似度归类。这样我们就能直观地看到，面对不同的提示词，模型是否会产出风格相近的设计。下面是 GLM-5.2 的可视化结果。

放大看会发现一个有趣的现象：哪怕提示词千差万别，GLM-5.2 产出的结果也倾向于模板化，彼此之间颇为相似。

对前沿模型来说，这种现象其实很常见，背后原因从模型架构到训练数据都会涉及。平时零散地看不太出，但把样本聚合起来一比较，问题就暴露了。GLM-5.2 的独特之处在于，它使用的模板效果更好——这些模板里没有早期 AI 模型那种众所周知的反模式（比如经典的紫色渐变）。而 Fable 5 那边呢？它的输出可就分散多了，要找到 GLM-5.2 那种高度一致的模板，并不容易。

这说明 Fable 5 是一个更通用的模型，产出的结果也更多样化。

这种定制化的打法，目前在网页生成这个领域，还没有显现出压倒性优势。用户显然更偏爱 GLM-5.2 采用的“专家模板”基础方法，它直接把平均输出质量的天花板抬高了。

模型行为 #2：避开常见的错误情况

GLM-5.2 进步的关键，其实就在于它生成的代码……真的能用。最直观的例子就是对外部依赖的使用，比如 chart.js 和 three.js。其他模型经常把这些库用得磕磕绊绊，但 GLM-5.2 用起来却得心应手。这一点，直接让它在 21% 的会话里，把胜率拉高了 6 个百分点。

它还在 91% 的会话里用上了 TailwindCSS，在 51% 的会话里用上了 font-awesome，靠着精心的设计交互和页面布局，把胜率拉高了 1.2 个百分点。相比之下，Opus 4.8 的 TailwindCSS 使用率只有 57%，胜率反而因此出现了下滑。

GLM-5.2 的布局能力也提升了，尤其是在首屏设计上。它通常直接调用漂亮的外部 CDN 图片，而不是自己“造”素材，整体的版式感比对手强不少。简单来说，善于调用外部依赖，让 GLM-5.2 在 Design Arena 的成绩有了质的飞跃。它精准地避开了那些让其他模型落后的坑。

模型行为 #3：输出更精致、细节更丰富

GLM-5.2 在生成网页时，还特别擅长加入动画、更精致的布局，以及字体、视觉和动效上的变化。这种效果在营销页和落地页上尤其加分，做出来的用户体验明显更用心、更有设计感。

当然，这种策略的代价就是生成时间更长。模型会输出更多的 token，速度也更慢，但产出的网页复杂度也大幅提升。在我们的测试中，GLM-5.2 生成的字符数和代码行数都多了 25%，平均生成时间达到 304.7 秒，差不多是 Claude Fable 5 的两倍。

这导致 GLM-5.2 在“网页偏好度 vs 速度”的 Pareto 前沿上，站在了稍偏的一侧——它用速度换取了偏好度。胜率确实上去了，但收益在递减。最佳的输出长度，其实在 4.6 万到 5.7 万字符之间。

这与 Fable 5 等其他模型形成了鲜明对比。Fable 5 生成的代码量比对手少得多，平均少了 38% 的代码行数。

Fable 5 比对手少生成 38% 的代码行、29% 的字符。

这种“输出量更大”的倾向，也延续到了 agentic 场景。在那种设置下，GLM-5.2 比对手多生成 11% 的文件、多调用 17% 的工具，但实际生成的代码量反而比对手略少一些。

GLM-5.2 对大部分库都能一次就写出可用的代码，这让它在功能扩展上有更多余地。它经常能再加一些额外功能，做出比对手更交互、更可用、对提示词还原度更高的网页。

这对模型选择意味着什么

GLM-5.2 在设计能力上又往前迈了一步，这对整个开源模型圈来说，更是一次巨大的跨越。它把智能体轨迹蒸馏（agent trace distillation）和 token 级别的优化结合起来，专门针对单轮任务做了调优。这次发布也提醒我们，开源前沿的推进速度到底有多快。几个月前还是 SOTA 的东西，现在任何人都能下载、微调、部署的开源模型已经能追平甚至超越。每一次这样的发布，都在给研究者和开发者更扎实的基础去往前冲。

我们还会持续观察 GLM-5.2 的表现，以及它与其他模型的对比。恭喜 ZAI 团队发布新模型，欢迎去 DesignArena.ai 上看看，你更喜欢 GLM-5.2 还是其他模型。