免費模型能扛多少粗活? glm-5.2 × GPT-5.5 Codex 三類委派實測
Delegation Benchmark · 2026-07-04 · 繁體中文 免費模型能扛多少粗活? glm-5.2 × GPT-5.5 Codex 三類委派實測 影片版(4 分鐘): https://youtu.be/2uh8l6u54VE 背景:Claude Code 訂閱 token 有限,我們把「打字與讀大檔」外包給 NVIDIA NIM 免費層的模型,Claude 只負責寫規格與驗收。z-ai 出了 glm-5.2 之後,我們用三種真實委派任務重測,並以 OpenAI Codex CLI(gpt-5.5)同題對照。 全部題目與評分標準都附在文末,歡迎自己重跑。 glm-5.2 三類總分 93 / 97 / 82 生成 / 閱讀 / 修改(滿分 100) Codex 三類總分 95 / 95 / 88 生成 / 閱讀 / 修改(滿分 100) 功能正確率 雙方全滿分 36 個驗收檢查點,兩邊 0 失誤 成本 $0 vs 付費 NIM 免費層 vs ChatGPT 訂閱額度 00 一句話結論 免費的 glm-5.2 在功能品質上已與 GPT-5.5 Codex 同檔次(36 個驗收點雙方全過),分差全在「工程品格」細節:glm 會編造時間戳、時間變異極大(33 秒到 23 分鐘);Codex 時間穩定、後設資訊誠實,但這次被抓到寫完不自測。 在「省 token」前提下,glm-5.2 配上機械化驗收(lint 腳本+diff 檢查)已足堪日常委派;Codex 留給急件與需要可稽核根因的場合。 01 方法 項目 glm-5.2 GPT-5.5 Codex 存取途徑 opencode CLI → NVIDIA NIM 免費層( z-ai/glm-5.2 ) OpenAI Codex CLI 0.139.0( gpt-5.5 ,reasoning medium) 執行形式 headless、同一份 prompt、各自獨立的乾淨工作目錄、可用本機 shell 工具 出題與驗收 由 Claude(Fable 5)設計:標準答案先於測試存在;受測模型拿不到測資與評分標準 驗收環境 PHP 任務雙環境驗收:Windows 本機 PHP 7.3.30 + Debian 13...