NV-Reason-CT 對比 GLM-5.2：其中一個已被棄用，而且不是你想的那一個

在這項比較中，較舊的模型正是即將被淘汰的那一個。GLM-5.2 於 2026 年 6 月 16 日發布；NV-Reason-CT 的儲存庫活動日期介於 2026 年 9 月 2 日至 25 日之間。你可能會預期九月的那個才是未定之數，而六月的那個是已底定的選擇。但在對文字處理流程至關重要的那條軸線上，實情恰恰相反：GLM-5.2 已被於 2026 年 8 月 18 日推出的 GLM-5.3 取代，而它如今在公布其數據的獨立排行榜上帶有棄用標記。NV-Reason-CT 無論還有什麼未解決之處，都是它所做的那唯一一件事的當前版本。

所以，這篇文章第一句有用的話，是最不可能已經在讀者腦中的那句：如果你今天要開始做一個文字建置，而且出於習慣就伸手去拿 GLM-5.2，先停下來看看 GLM-5.3。它的價格是每百萬輸入 token $1.26、每百萬輸出 token $3.96，對比 GLM-5.2 的 $1.40 和 $4.40——它既更新又更便宜——而它的獨立智慧指數是 44.8，對比 33.7，這是在同一把尺規上往上走一步，而不是橫向平移。那是與任何跟 CT 有關的事情都分開的決定，而且值得分開來做。

這兩個模型，以及兩種不同的過時類型

老舊的模型和被取代的模型之間有真正的區別，而這種配對讓這一點變得具體。

• 功能 — NV-Reason-CT 可讀取胸部或腹部 CT 影像，並依解剖區域輸出結構化發現；GLM-5.2 是一款純文字語言模型，適用於推理、程式碼撰寫與長文件處理

• 已發布 — NV-Reason-CT 的產物日期為 2026 年 9 月 2 日至 25 日；GLM-5.2 於 2026 年 6 月 16 日，GLM-5.3 則隨後於 2026 年 8 月 18 日推出

• 世代狀態 — NV-Reason-CT 為 0.1 版，屬初始發布，尚未對外公布；GLM-5.2 是已上市產品線的上一代

• 獨立地位 — 目前並無針對 NV-Reason-CT 的獨立測量數據；GLM-5.2 在 Artificial Analysis Intelligence Index 上的測量值為 33.7，並帶有棄用標記，相較之下 GLM-5.3 為 44.8

• 授權與存取 — 你可下載的 OpenMDW-1.1 權重；相較於以每百萬個詞元 $1.40 與 $4.40 提供服務、快取讀取為 $0.26 的開放權重模型

• 上下文 — 每卷 13,824 個視覺 token，無聊天視窗；相較之下，輸入為 1,000,000 個 token，輸出為 128,000 個

• 標示用途 — 僅供研究與教育使用，並非醫療器材；反對通用型部署

「deprecated」這個詞在這裡有精確的作用，值得我們不要過度解讀。排行榜上的淘汰標記意味著評測者已不再把該模型視為現行版本，通常是因為已有後繼版本取而代之。這並不表示權重已被撤回、API 已被關閉，或模型已停止運作。管線針對 GLM-5.2 調校過的團隊並沒有麻煩。它真正意味的是，那些數字是 GLM-5.3 存在之前的快照，而把它們與其他模型的當前數字混在一起，就像拿六月的量測去比九月的賽場。

雙方各自擁有的數字，以及它們的價值

GLM-5.2 的紀錄異常豐富，而它來自兩個以深具啟發性的方式彼此矛盾的來源。

根據 Z.ai 自家的報告，該模型在 τ²-Bench 上取得 99.12，在 SWE-bench Pro 上取得 62.1，在搭配工具的 Humanity's Last Exam 上取得 54.7，而在 Terminal-Bench 2.1 上報告的最佳成績為 82.7。在獨立評測方面，Artificial Analysis 對同一模型的測量結果為：Terminal-Bench 2.1 上 77.9、其 Intelligence Index 上 33.7、GPQA Diamond 上 89.5，以及 Humanity's Last Exam 上 41.1。還有其他廠商數據——AIME 2026 上 99.2、2026 年 2 月 HMMT 上 92.5、IMOAnswerBench 上 91、FrontierSWE 上 74.4、ProgramBench 上 63.7、MCP-Atlas 上 76.8——而這些全都是 Z.ai 的數據。

關於那份清單，有兩件事值得點名。首先，Terminal-Bench 2.1 上，廠商最佳回報的 82.7 與獨立測得的 77.9 之間那 4.8 分的差距並非矛盾。廠商最佳回報數字通常是多個測試框架中最好的一個，而 Z.ai 自己在同一項基準上的 Terminus-2 數字是 81——獨立測量結果落在廠商自家的範圍內。其次，Humanity's Last Exam 的落差更大：獨立測得 41.1，而廠商數字在不使用工具時為 40.5、使用工具時為 54.7，這意味著掛頭牌的 54.7 是工具輔助下的數字，41.1 才是純粹無工具的數字。把 54.7 與另一個模型的裸分並列引用，會是實實在在的錯誤。

NV-Reason-CT 的表現紀錄並沒有這種雙來源結構，而這正是它較弱的地方。它在 CT-RATE 的結果——在十八個標籤上達到 0.614 F1 與 0.871 AUROC，使用固定均一閾值與直接的「是/否」提示，且沒有分類頭或任務特定調適——是 NVIDIA 自家的。該論文中與它比較的模型（VoxelFM 0.581、Pillar-0 0.544、ClinFusion-8B 0.442、CT-CLIP 0.398、Merlin 0.358、MedGemma 1.5 0.303）全都是影像模型。沒有任何結果被獨立重現，而該模型已可供下載數週。它另外報告了由報告衍生的 0.592 macro-F1，以及一項初步的專家放射科醫師研究，將輔助審閱與平均回報判讀時間減少 50% 連結起來，而作者自己標明這有嚴重的小樣本問題。

所以，來源比較並不偏袒較新的模型，而這一點值得好好深思。GLM-5.2 是較舊、已被取代的模型，而它的數字比 NV-Reason-CT 的更可信，因為有公司外部的人跑過那套測試框架。跟上最新並不等于通過驗證。

為什麼棄用比聽起來更重要

這個比較旨在防止某種特定的失敗，而這與 CT 完全無關。

一個正在建構臨床文本管線的團隊，因為資料敏感，開始尋找能在自家硬體上執行的開放權重模型。他們找到了 GLM-5.2，它採用 MIT 授權，擁有 7,430 億個參數、其中約 400 億個為活躍參數，符合需求，且有著記錄詳盡的基準測試成績。他們以它為對象進行調校。六個月後，他們發現當前世代是 GLM-5.3，具備 100 萬上下文與 128K 輸出上限，價格更便宜，為 $1.26 與 $3.96，而且他們以為自己正在做的決定——要標準化採用哪個開放權重模型——實際上是一個關於哪個世代的決定，而他們是在無意間做出了這個決定。

那是一旦太晚發現就會付出高昂代價的意外，而只要查一次就能避免。具體指引：

• 檢查你即將作為標準採用的模型是否屬於當前世代——排行榜的淘汰標記是最快的訊號，而供應商自家的模型清單才是最權威的依據

• 別把六月的快照與九月的數據混為一談——GLM-5.2 的 33.7 指數是在 GLM-5.3 問世之前測得的，將它與現行模型的指數並列，等於在一個持續變動的領域中比較兩個不同的時間點

• 請留意名稱——「GLM-5.3 Prime」是一種服務層級，搭載相同的權重，價格卻約為定價的兩倍，並非獨立的模型。在為任何 SKU 支付溢價之前，請先確認其背後的權重

• 把較低的公告價格當成一個問題，而不是答案——GLM-5.3 比其前代更便宜並不尋常，值得用自身的工作負載來驗證，而不是憑假設

這些都不會讓 GLM-5.2 成為糟糕的選擇。一個以 MIT 授權、擁有 743B 參數、定價為 $1.40 與 $4.40，而且團隊已經針對它調校過的模型，繼續運行它完全合情合理；而一個已有穩定實績的中世代模型，有時正是受監管工作流程所需要的。重點在於，它應該是一個刻意做出的選擇，而不是從一份七月時還算最新的清單中沿襲下來的預設值。

將文本與 CT 進行比較的陷阱

這個配對之所以還顯得有幾分合理，原因是兩者都是 2026 年發布的開放權重模型，而翻閱型錄的讀者會看到兩個看似可相比的品項。它們其實無從相比，而且這種不相配有其特定的形態。

GLM-5.2 可容納 1,000,000 個 token。NV-Reason-CT 的單一 CT 體積需要 13,824 個視覺 token。依此推算，GLM-5.2 能裝下七十份 CT 檢查，還綽綽有餘，這便容易讓人得出結論：上下文夠長的文字模型會使影像模型顯得多餘。這個結論並不成立，而原因在於介面，而非預算。

那些 13,824 個詞元不是摘要。它們是一個 384 毫米的立方體，重新取樣為 2 毫米等向性，在 24 x 24 x 24 網格上切成 8 x 8 x 8 個圖塊，交給一個沒有空間降取樣、也沒有合併層的語言骨幹——這就是為什麼作用中的路徑是總計 4.69B 之中的 4.35B 參數，也是為什麼運算資源花在維持解析度，而不是把它壓縮掉。GLM-5.2 是文字模型。它完全沒有視覺路徑，因此它會如何處理掃描這個問題根本不會出現；答案是，它無法以任何形式被給予掃描。這兩份模型卡描述了詞元預算上六百倍的差異，而這與這項比較毫無關係，因為其中一個模型根本無法接收輸入。

反向的錯誤也同樣可能發生。NV-Reason-CT 支援胸腔與腹部，接受的是 NIfTI 檔案而非提示詞，不具備工具使用能力，其模型卡將其限制於研究與教育用途，並聲明它不是醫療器材，且輸出可能有誤。它無法將報告語料庫正規化、撰寫評估框架，或對指引文件進行推理。4.7B 的影像模型無法取代 743B 的文字模型，反過來也一樣。

將文字的一半放在一個按鍵上

如果問題是要用哪個文字模型來執行這條管線的工作，今天的答案很可能是 GLM-5.3，而不是 GLM-5.2——而且兩者都收錄在我們的目錄中，共用同一把金鑰。z-ai/glm-5.2以 Z.ai 供應商列表價提供，零加成，GLM-5.3 也同樣如此，全都涵蓋在一個支援超過 200 個模型的單一 API 裡。在世代交替期間，同時保留兩者比平常更為重要：你可以在正式投入之前，先用自己的語料庫衡量後繼模型，並在過程中把現行模型留作備援，之後不必再簽一份合約或改動程式碼就能切換。

直通費率值得用一句話說明，理由就和任何會因供應商調價而重新定價的模型一樣。由於中間沒有加價層，供應商的費率變動當天就會反映在我們這邊。自動容錯移轉能因應供應商在批次處理中途效能退化的情況，對長時間的擷取工作而言，這正是真正會耗掉一整晚的那種故障；而路由 DSL 讓你將個別請求送往應該處理它們的模型，而不是把所有請求都指向單一端點。

NV-Reason-CT 不在我們的平台上，NVIDIA 的模型也一樣不在。這一點值得明白說清楚，而不是任人自行推斷：這套架構的 CT 部分，是在你自己的硬體上下載的權重，其依據是允許這麼做的授權條款，以及一份禁止臨床使用的模型卡。我們並不託管它，也不會寫出任何暗示並非如此的句子。

做出這些決定的順序

臨床建置的正確順序，並不是比較所暗示的那個。

先從文字生成這個問題著手，而且一開始就檢查目前是哪一個世代——是 GLM-5.3 而不是 GLM-5.2，無論在價格或實測能力上皆然，除非你有理由維持原狀。接著在你自己的硬體上測量 CT 模型每項研究的延遲，因為那個數字並未公開，而且會決定其餘預算。然後設計管線，讓這兩個部分可以獨立替換，因為其中一個處於接近預覽版的生命週期，另一個則還在 0.1 版。

唯一不該做的事，就是把這兩者當成二選一。一個已被取代的 743B 文字模型，和一個現行的 4.69B CT 模型，兩者沒有任何共同的任務。這項比較值得做，只因為它揭露了：較新的產物背後的證據反而較薄弱，較舊的那個已悄悄不屬於當前世代，而對任何讀到一條把它們並排列出、彷彿它們是可替代選項的目錄列的人來說，這兩個事實都隱而不見。