GLM-5.2 在漏洞挖掘评测上与 Claude Mythos 持平，Coinbase CEO 宣布将中国开源模型设为工程师默认
GLM-5.2 在漏洞挖掘评测上与 Claude Mythos 持平，Coinbase CEO 宣布将中国开源模型设为工程师默认
2026/06/29
Semgrep 是一家专注代码安全扫描的公司，6 月 28 日发布了一篇题为《We Have Mythos at Home》的博客，声称其内部网络安全基准测试中，智谱 AI（Z.ai）新发布的开权重模型 GLM-5.2 超越了 Claude Mythos。同一天，Coinbase CEO Brian Armstrong 在 X 上公开宣布，公司已将 GLM 5.2 和 Kimi 2.7 通过内部 LLM 网关设为工程师的默认模型——原因是成本，不是能力上的领先。《华尔街日报》随后报道，部分研究者批评美国对中国开源模型出口管制过于宽松。三件事发生在同一天，各自来自不同机构、不同立场，放在一起读才能看出这件事真正的含义。
GLM-5.2 安全基准的测试结论与边界
Semgrep 的测试聚焦于一个具体的垂直场景：网络安全漏洞挖掘（bug finding）。他们在自己的评测基准上，将 GLM-5.2 与 Claude Mythos 进行了对比，结论是"GLM-5.2 在我们的网络安全基准中超越了 Claude"。The Verge 的报道补充了重要限定：GLM-5.2 在通用任务上仍然落后于 Anthropic 和 OpenAI 的模型——它的能力不是全面赶上，而是在特定垂直场景的专项评测上追平了顶级模型。
这一测试有几个值得注意的边界条件：第一，Semgrep 的评测是单一公司的内部基准，不是经过第三方广泛验证的通用结论；第二，"漏洞挖掘"这一场景对代码理解和模式匹配的要求与通用推理不完全重叠，特定领域的训练数据和精调策略能产生明显效果；第三，GLM-5.2 是开权重模型，任何人都可以下载和部署，这与 API 访问受限的闭源模型有本质不同。
WSJ（经 Techmeme 转述）报道的批评角度提供了补充：部分研究者认为美国对中国开源模型的出口管制政策"过于宽松"，因为一旦开权重模型公开发布，就无法通过管制渠道限制其传播和使用——Semgrep 的测试本身就是一个证明，任何拥有计算资源的团队都可以在本地运行 GLM-5.2 并在自己的基准上测试。
Coinbase 的选择：成本驱动，而非性能领先
Coinbase CEO Brian Armstrong 的公开表态用词很直接：公司通过内部 LLM 网关将 GLM 5.2 和 Kimi 2.7 设为工程师的默认选项。华尔街见闻的报道给出了驱动力：随着顶级美国模型 API 成本持续攀升，中国开源模型在不压制使用量的前提下大幅降低了 AI 支出。这不是 GLM-5.2 在所有任务上超越了 Claude，而是在日常编程辅助这类高频低复杂度任务上，GLM-5.2 已经"足够好"，而且便宜得多。
这两个事实叠加起来呈现的逻辑是：Coinbase 的切换不是一次能力评测的结论，而是一次成本结构的优化。但它的信号意义在于——中国开源模型已经越过了"企业生产环境可用"的门槛，在真实的 B 端采购决策中出现了。
三个视角叠加的信息增量
单看任何一个视角，信息是片面的。Semgrep 的测试说的是一个特定场景的能力比较；Coinbase 的切换说的是成本逻辑驱动的采购行为；WSJ 批评说的是出口管制政策的结构性漏洞。合起来看，指向同一个结构问题：
美国对中国 AI 的出口管制，在开源模型面前出现了政策工具的失效点——芯片出口管制的设计假设是"没有 Nvidia GPU 就无法训练顶级模型"，开源模型访问限制的设计假设是"限制 API 调用就能限制能力传播"，但 GLM-5.2 的情况表明，通过替代硬件方案和开源发布的组合，至少在部分专项能力上已经绕过了这两道闸门。
需要说明的是：这里能确认的事实是 Semgrep 自己的基准测试结论，以及 Coinbase CEO 的公开表态；GLM-5.2 是否在更广泛的安全任务上普遍达到 Mythos 水平，仍需要更多独立评测来验证。Coinbase 切换的规模和具体场景细节也未公开披露。在上述信息范围内，这三件事放在同一天出现，是一个值得关注的信号——但不应该被读成"中国 AI 全面超越美国"的结论。