Grok 4.7 对比 GLM-5.2：许可证比模型存续更久

GLM-5.2 最有价值的地方不在于它的基准测试分数，而在于 MIT 这四个字母。Z.ai 于 2026 年 6 月 16 日以标准 MIT 许可证发布了 GLM-5.2，没有地域限制，没有收入门槛，除了保留版权声明外没有商业使用条件——而当 Z.ai 两个月后推出 GLM-5.3 时，它没有再这样做。继任者带有定制的“GLM-5.3 许可证”，其中增加了一项例外条款：任何连续十二个月内收入超过 100 亿美元的模型即服务运营商必须通过安全审查，而该审查的范围“由 Z.AI 合理确定”。GLM-5.2 是 Z.ai 在没有附加这一条款的情况下发布的最后一款文本旗舰模型。与 Grok 4.7——由该厂商于 2026 年 9 月 21 日发布，闭源权重，发布仅一天——相比，这让这场对比成为榜单上最强模型与最自由模型之间的较量。

其中一个你可以完全拥有

GLM-5.2 是一个拥有 7530 亿参数的混合专家模型，每个 token 大约激活 40B 参数，以 BF16 和 FP8 格式在 Hugging Face 上由 zai-org 组织发布。它具备 1M token 的上下文窗口和 128K 的最大输出。它只接受文本输入、输出文本——没有原生视觉能力——并支持函数调用、MCP 集成、结构化 JSON 输出和上下文缓存，以及默认开启的思考模式，并带有推理强度设置。Z.ai 的第一方 API 定价为每百万输入 token 1.40 美元，缓存输入为 0.26 美元，每百万输出为 4.40 美元。

Grok 4.7 是闭源的。它拥有 50 万 token 的上下文，接受文本和图像输入，定价为：在提示词 token 低于 20 万时，输入每百万 token 2.00 美元、输出每百万 token 6.00 美元；超过这一门槛则升至 4.00 美元和 12.00 美元；缓存读取为 0.50 美元和 1.00 美元。它没有权重下载，没有自托管路径，如果 xAI 改变主意，也没有办法继续调用它——这与每一个闭源旗舰模型的结构性处境相同。两个模型都很强；但其中只有一个是可以放进磁盘里的资产。

索引说了什么，以及这里“deprecated”是什么意思

Artificial Analysis 在 Intelligence Index v4.3.2——即 2026 年 9 月 19 日发布的修订版——上给 GLM-5.2 打出了 34 分，在同一修订版上给 Grok 4.7 打出了 46 分。这十二分的差距是真实存在的，而它的形态比大小更重要。GLM-5.2 在其 Artificial Analysis 页面上还带有一个"deprecated"（已弃用）标签，并附有一条说明：已有更新的模型存在，且只有默认的 10k token 工作负载仍在接受基准测试。这个标签关乎的是迭代接替，而非关停：Z.ai 至今仍在提供 glm-5.2 服务，也仍将其列在定价表中。

• 综合 — Grok 4.7（xhigh）：在 Artificial Analysis Intelligence Index v4.3.2 上获得 46 分。GLM-5.2（max）：在相同版本上获得 34 分。

• 智能体终端 — Grok 4.7：Terminal-Bench 4.0 得 26 分。GLM-5.2：1 分。这是本轮对比中最极端的一个单独数字，而它也需要随之而来的那条说明。Z.ai 自家的模型卡显示，GLM-5.2 在 Terminal-Bench 2.1 上为 81.0，最佳测试框架下为 82.7。这两个数字都是真实的；它们出自不同版本的基准测试，而 v4.3.2 指数已弃用 2.1，改用 4.0。厂商在一个已弃用基准测试上的得分，说明的是模型面对旧测试能做什么，而非它现在的表现。

• 工作流自动化 —— Grok 4.7：AutomationBench-AA 66%。GLM-5.2：28%。两者均在 v4.3.2 上测得，因此这一项无需附加版本说明。

• 知识诚实度——Grok 4.7：AA-Omniscience 32。GLM-5.2：4。双方再次是同一个版本。

• 推理与长上下文 —— Grok 4.7：HLE 43，CritPt 18，AA-LCR v1.1 77%，窗口 500k。GLM-5.2：HLE 41，CritPt 21，AA-LCR v1.1 78%，窗口 1M。在这四项指标中，GLM-5.2 赢下其中两项，而上下文窗口则是对方的两倍。

• 速度 — Grok 4.7：Artificial Analysis 尚未进行测量。GLM-5.2：通过 Z.ai 的 API 达到每秒 73 个 token，首 token 用时 5.98 秒，据称比同量级开放权重模型的平均水平更慢。

• 价格 — Grok 4.7：每 100 万 token 2.00 美元 / 6.00 美元，提示词达到 20 万 token 后价格翻倍。GLM-5.2：每 100 万 token 1.40 美元 / 4.40 美元，缓存读取为 0.26 美元，自发布以来保持不变。

自托管的真正理由在于经济账

按每 token 计算，在短提示词场景下，GLM-5.2 的输入价格比 Grok 4.7 便宜约百分之三十，输出价格便宜百分之二十七——这点折扣本身并不足以决定什么。它之所以重要，是因为每 token 的价格是可选的。GLM-5.2 的权重可依据一份允许商业使用、修改、再分发和再许可的许可证下载，这意味着真正相关的比较不是 1.40 美元对 2.00 美元，而是 1.40 美元对你自己 GPU 每百万 token 的成本。一个 753B 参数、40B 激活的模型不是笔记本电脑级别的工作负载；它是一项严肃的推理部署，而 FP8 检查点正是为此而存在。但这是你可以运行、设定上限并审计的部署——对于受监管的工作负载或气隙环境而言，这根本就不是成本问题。

对应的制衡因素是反方向的继任风险。GLM-5.2 落后两个版本：GLM-5.3 于 8 月 18 日发布，GLM-5.3-Flash 于 8 月 26 日发布，而更新的旗舰模型得分更高——GLM-5.3 在 v4.3.2 上为 45 分，比 Grok 4.7 低一分。所以，诚实的说法是：GLM-5.2 是免费的那个，而不是最好的那个，并且 Z.ai 自家更新的模型既更强，许可限制也更多。如果你需要的是宽松许可，GLM-5.2 就是应当冻结的终点；如果你需要的是开放权重集上的原始能力，那么后继模型才是应当评估的对象，同时要以律师的眼光审视其营收除外条款。

同时运行两者，而不运行两个堆栈

OrcaRouter 已上线 GLM-5.2，在其专属模型页面上标价为输入 $1.40、输出 $4.40，支持 1M 上下文窗口和 128K 最大输出，因为我们以 0% 加价率透传提供商的目录定价。对于开放权重模型，这种透传还有第二种用途：托管价格与自托管方案都是随时可用的选项，而路由器让你可以按请求、而非按合同在两者之间调度流量。自 6 月以来，Z.ai 一直将 GLM-5.2 的目录价格保持不变，而第三方托管商的价格则时有变动，因此当日透传意味着你报出的是今天的费率，而不是上个月抄下来的费率。自动故障转移可应对自托管部署达到饱和、必须由托管端点承接溢出流量的情况——路由 DSL 可将两者组合为一次调用。截至本文撰写时，Grok 4.7 尚未进入 OrcaRouter 的模型目录；要调用它，需通过 xAI 自有 API 以及提供该模型的第三方平台。

从这一切中得出的决策规则异常清晰。如果你需要自己拥有模型——本地部署、可审计、无需收入审查即可获得许可——GLM-5.2 是这两者中唯一能提供这一点的，而十二个点的指数差距就是这种自由的代价。如果你需要的是能完成智能体工作的模型，差距则朝另一个方向，而且并不微妙：在工作流自动化上为 66% 对 28%，在终端智能体上为 26 对 1，在知识诚实度上为 32 对 4。许可问题中的任何东西都无法改变这些数字。

呼叫

Grok 4.7 在能力对比中胜出，而且它胜在那些能预测智能体是否会完成任务的评测上。GLM-5.2 则在两项任何基准测试都无法衡量的东西上胜出：它更便宜，而且它属于你自己。让这件事值得记录下来的细节在于，第二个优势正在失效——Z.ai 更新的旗舰模型放弃了不受限制的 MIT 许可证，因此一个在 2026 年 6 月以不对你提出任何要求的条款发布的模型，如今已是历史遗物，而非一项政策。如果宽松的开源权重是你产品的承重结构，那么这就是一个理由，让你趁 GLM-5.2 仍是廉价的托管选项、仍可下载时，将其作为标准。如果不是，那就买下那十二分。