Qwen 3.8 對決 GLM-5.2：原始規模 vs 精簡且經審計的開放模型

2026年最受關注的兩個中國模型都是稀疏混合專家系統，都承諾開放權重，並且在價格上都低於西方前沿——然而它們的理念可能幾乎截然不同。阿里巴巴的Qwen3.8-Max於2026年7月19日在上海舉行的世界人工智慧大會上預覽，押注於龐大規模：約2.4兆參數以及早期測試者喜愛的一種執著徹底性。智譜的GLM-5.2則押注於相反方向——一個精簡的400億活躍參數設計，Artificial Analysis已對其進行評分，具有出色的代理結果，且權重今日即可下載。這是效率與原始規模的較量，這兩個模型使得這場競賽異常清晰。

塑造以下一切的關鍵：GLM-5.2 攤開所有底牌，而 Qwen 3.8 則將大部分牌面朝下保留。給開發者的一點提示——要誠實地判斷哪一個適合你的技術棧，最佳方式是在你自己的提示上運行兩者。OrcaRouter 在一個兼容 OpenAI 的端點背後提供了 200 多個模型，因此你可以讓Qwen 3.8與 GLM-5.2 在同一個任務上對決，而無需連接兩個 SDK。

TL;DR 結論。GLM-5.2 是您現在即可實際使用的務實開放權重代理選擇。根據 Artificial Analysis，它擁有經審計的 Intelligence Index 為 51，一個強大的Terminal-Bench 2.1 得分 82.7，便宜的$0.95 / $3.00價格、1M 上下文，以及——關鍵的是——已發布的開放權重僅使用 40B 活躍參數。Qwen 3.8 Max 是更大的賭注：約 2.4T 總參數和頂級實際質量，但它隱藏了活躍參數數量，有沒有獨立基準測試，曾是最慢的模型測試者運行過，且其權重仍「即將推出」。GLM 證明了效率的可行性；Qwen 要求您信任規模。

關鍵要點

• GLM-5.2 (Zhipu) 是一個 753B總參數/40B活躍參數的MoE 具有一個 經審計的AA Intelligence Index為51 以及一個 Terminal-Bench 2.1 分數為82.7 (來源：Artificial Analysis); Qwen 3.8 Max 是一個約 2.4T MoE預覽版，其活躍參數數量未公開，且具有 沒有經審計的分數.

• GLM-5.2 的權重是今日開放且可下載（2026 年 6 月發布）；Qwen 3.8 的權重承諾「即將推出」但尚未發布（約 1.2TB，需要 8 個以上 H200 GPU 自行託管）。

• 价格偏向GLM：$0.95 / $3.00每1M token（AA混合约$0.90）。Qwen 3.8的预览版有大幅折扣（约90%），但没有公布的每token API价格并且折扣是暂时的。

• 在代理/终端工作方面，GLM-5.2的82.7 Terminal-Bench是一個具體、經過評審的優勢；Qwen 3.8的優勢在於全面性和創造性的一次性操作——在實際測試中令人印象深刻，但未經審計且緩慢。

• 兩者都是中國的開放權重MoE模型，宣稱具有100萬token上下文；真正的分野是精實且經過驗證的（GLM）相對於龐大但未經證實的（Qwen）。

Qwen 3.8 的數據是廠商聲稱或早期未經控管的實機印象 — 未經獨立審計。GLM-5.2 的數據來自 Artificial Analysis，可能與智譜自身的報告有所不同。Qwen 3.8 的預覽價格是臨時折扣；在預算前請確認每 token 的費率。請注意，Qwen 在政治敏感話題上設有與中共一致的內容護欄。

規格與價格，並列呈現

這裡是硬數據，每個GLM-5.2的數據都標明其來源。

• 製造商/狀態 — Qwen 3.8 Max: Alibaba; 預覽 (2026年7月19日); GLM-5.2: Zhipu; 發布於2026年6月

• 架構 — Qwen 3.8 Max：約2.4T總參數，稀疏MoE；GLM-5.2：753B總參數，稀疏MoE (Artificial Analysis)

• 活躍參數 — Qwen 3.8 Max: 阿里巴巴未公開; GLM-5.2: 40B 活躍 (Artificial Analysis)

• 上下文視窗 — Qwen 3.8 Max：報導約1M tokens（未正式確認）；GLM-5.2：1M tokens（Artificial Analysis）

• AA Intelligence Index — Qwen 3.8 Max: 尚无 — 未评分；GLM-5.2: 51（Artificial Analysis）

• Terminal-Bench 2.1 — Qwen 3.8 Max: 尚无公布数据；GLM-5.2: 82.7 (Artificial Analysis)

• 定價（輸入/輸出）— Qwen 3.8 Max：僅預覽（約90%折扣；每Token API未公佈）；GLM-5.2： $0.95 / $3.00 每100萬（AA混合約$0.90）

• 開放權重 — Qwen 3.8 Max：承諾「即將」推出（尚未發布）；GLM-5.2：是的 — 已發布，今日可下載

• 速度 — Qwen 3.8 Max：測試中最慢的模型（實際操作）；GLM-5.2：Lean 40B active — 設計高效

有兩件事構成了這場對決。首先，「活躍參數」這一欄是兩種理念碰撞的地方。GLM-5.2 執行其前沿代理工作——在 Terminal-Bench 2.1 上獲得 82.7 分是相當高的分數——僅使用40B 活躍參數，這是一個公開且可驗證的數字。Qwen 3.8 總參數約為 2.4T，但不會透露有多少是活躍的，因此你根本無法判斷其效率。一個模型證明了它的高效；另一個則要求你假設它高效。

其次，目前決定實際採用的每個因素都偏向GLM。它有一個經過審計的指數（51），而Qwen則是一片空白；它有一個公佈的、穩定的價格（0.95美元/3.00美元），而Qwen則有臨時折扣且無API費率；它的權重已經擺在桌面上，而Qwen的權重還只是承諾。Qwen 3.8的對應砝碼是原始規模以及規模似乎能帶來的徹底性——這在追求質量優先的工作上確實是優勢，但尚未得到中立記分牌的確認。

效率 vs 原始規模

這場比較的核心，是該領域不斷圍繞的一個問題：頂尖水準的工作是否需要頂尖規模的參數？GLM-5.2 是近期最有力的反證。它每個 token 僅需 40B 活躍運算量，便在 Terminal-Bench 2.1 上拿到 82.7 分——根據 Artificial Analysis 的資料，這是目前代理/終端領域較佳的成績之一——同時獲得經審計的整體指數 51。這是一個精簡而專注的模型，其表現遠超其實際參數量的預期，而且它是開放權重的，因此團隊可以下載、檢視它，並在遠比 2.4T 巨獸所需硬體更少的設備上執行。

Qwen 3.8 走的是另一條路。它依靠龐大的規模，在手動測試中，這種規模展現出來的是全面性而非速度。在一項架構理解任務中，一位評測者（Trilogy AI）將 Qwen 3.8 與 Kimi K3 進行比較：Qwen 得到 80/100 分，Kimi 是 83 分，但 Qwen 明顯更詳盡——354 個儲存庫引用對比 274 個，零次工具呼叫失敗對比 Kimi 的兩次——代價是更高的延遲和更多的總 token 數。另一位評測者（thomas-wiegold.com）稱它「非常好且非常慢」，是他們用過最慢的模型，但仍將其置於頂級能力層級。這就是 Qwen 的賭注縮影：挖得更深、引用更多、遺漏更少——但要在時間、token 數以及（目前）無法驗證的宣稱上付出代價。

對於任何代理型任務——終端迴圈、大量工具管道、自行託管部署——GLM-5.2 結合具體的 82.7 Terminal-Bench 分數、小巧的活躍足跡以及已釋出的權重，在今天難以反駁。Qwen 3.8 的徹底性對於深度、品質優先的研究與編碼確實有價值，前提是你承受得起延遲，但你是在憑信心購買：沒有經審計的分數、隱藏的活躍參數、權重仍待釋出，以及針對敏感話題的與中共一致的護欄。可衡量的效率勝過無法衡量的規模。

常見問題

Qwen 3.8 比 GLM-5.2 更好嗎？

根據現有證據，GLM-5.2是更安全的選擇。它擁有經過審計的人工分析智能指數51，以及強勁的Terminal-Bench 2.1分數82.7，加上開放權重，您可以立即執行。Qwen 3.8在深度、品質優先的任務上可能與之匹敵或超越——早期測試者對其全面性評價很高——但它缺乏獨立評分，隱藏其活躍參數數量，並且在實機測試中是最慢的模型。理論上的潛力對比經過驗證且可用的方案：GLM贏得當下。

我可以下載並自行託管其中任何一個嗎？

GLM-5.2 的權重已開放並於 2026 年 6 月發布，擁有 400 億活躍參數，相比 2.4T 模型，自託管更為實用。Qwen 3.8 的開放權重承諾「即將推出」，但尚未發布；即使發布後，約 2.4T 的模型在 4-bit 下約為 1.2TB，需要 8 顆以上的 H200 GPU，這對大多數團隊來說遙不可及。如果當下自託管很重要，那麼 GLM 是唯一的實際選擇。

哪個比較便宜？

GLM-5.2 有著明確且持久的價格：每百萬 tokens 收費 $0.95 / $3.00，人工分析混合費率約為 $0.90。Qwen 3.8 的預覽版享有大幅折扣（約 90% 折扣，夜間最高達 98%），但沒有公佈每 tokens 的 API 價格，且折扣是暫時的——因此你可以放心地以 GLM 為基礎進行預算規劃，但尚無法以 Qwen 為基礎。

哪一種更適合代理型和終端工作？

GLM-5.2，根據當前證據。其在Terminal-Bench 2.1中獲得82.7分（根據Artificial Analysis），這是一個具體、經過審核的代理結果，而其較小的活躍足跡加上已釋出的權重，使其易於部署在工具密集的循環中。Qwen 3.8在實際測試中展現出強大的工具使用能力（一次評測中零工具調用失敗），但沒有可比的經審計的代理分數。

我今天該用哪一個？

GLM-5.2 適用於代理流程、自託管、成本敏感的生產環境，以及任何你現在就需要一個經過驗證、可下載模型的情況。Qwen 3.8 適用於深度、品質優先的研究或編碼，其全面性能帶來回報，且你能容忍較慢的運行速度——同時保持一個選項，等待其權重和第一個獨立評分的到來。

底線

Qwen 3.8 對比 GLM-5.2是效率與原始規模之爭，而目前效率在比分上領先。GLM-5.2 完整展現實力——40B 活躍參數執行前沿智能代理任務、經審計的指數 51、Terminal-Bench 82.7 分、價格便宜且穩定，還有你今天就能下載的開放權重。Qwen 3.8 仰仗 2.4T 的龐大規模與測試者由衷讚賞的全面性測試，但它隱藏了活躍參數數量、沒有獨立評分、出貨速度比評測者用過的任何產品都慢，而它的權重仍只是承諾。GLM-5.2 是現階段務實可得的開放權重智能代理選擇；Qwen 3.8 則是更大膽的賭注，仍需權重與真實分數來證明自己。兩者都值得關注——在它們正式落地之前，請用你自己的提示詞同時測試兩者，讓結果、而非參數數量，來決定勝負。