Databricks 轉用 GLM 5.2 做預設編碼引擎！內部測試揭露 AI 模型性價比真相

Databricks，呢間數據同 AI 公司，喺 2026 年 7 月公布咗一個內部編碼基準測試嘅結果。佢哋用自己幾百萬行嘅代碼庫（包括 Python、Go、TypeScript、Scala 同 SQL）嚟測試 AI 編碼代理嘅實際表現。結果顯示，中國開源模型 GLM 5.2（由 Z.ai，即前身係智譜 AI 嘅公司開發）喺性價比上表現突出，令 Databricks 決定將佢列為預設編碼引擎。以下就係呢個測試嘅重點同 Databricks 點解咁決定嘅原因。

基準測試揭露咗咩？

Databricks 之所以要自己搞測試，係因為佢哋覺得公認嘅基準好似 SWE-bench 咁，好容易被針對性訓練而影響準確性，所以想用真實嘅工程任務嚟睇吓邊個 AI 代理可以真正解決問題 。結果有三大驚喜：

開源模型已經達到前沿水平。 喺編碼任務嘅 Pareto 最優曲線（即係喺特定成本下做到最好表現）上，依家已經包括 OpenAI、Anthropic 同開源供應商嘅模型。Databricks 聯合創辦人 Matei Zaharia 話：「好多模型，包括開源模型，依家真係好有競爭力」。佢哋嘅結論係，開源模型，特別係 GLM 5.2，已經可以處理到最高難度嘅任務 。

Token 價格係一個誤導嘅成本指標。 測試發現，一個模型嘅每 token 價錢唔代表實際嘅總成本。因為大型模型可能更慳 token，即係話一個每 token 平啲嘅模型，如果要用多好多 token 先完成到同一樣任務，最終總成本反而會更高。呢個發現令 Databricks 改用實際完成任務嘅總成本嚟評估模型，而唔係單純睇 API 嘅 raw 收費 。

總持有成本最著數係 GLM 5.2。 透過 Z.ai 嘅 API，GLM 5.2 嘅收費大約係每百萬 input token 美金 $1.40，每百萬 output token 美金 $4.40 。舉個例，一個團隊每個月處理 1,000 萬個 token，input 同 output 各佔一半，總費用大約係美金 $29 。相比之下，Anthropic 嘅 Opus 4.8 收費係每百萬 input token 美金 $5 同每百萬 output token 美金 $25，對於差唔多或者略高嘅分數，成本可以貴 3 到 6 倍 。喺 Databricks 一個測試入面，GLM 5.2 用 Pi 呢個工具達到 87.5% 嘅通過率，每項任務成本美金 $1.25；而 Opus 4.8 用 Claude Code 嘅高強度模式，通過率差唔多，但成本就要美金 $2.00 。