国外一个研究团队做了严肃实验，让 GLM-5.2 和 Opus 4.8 跑同一个极难的科学任务。您猜怎么着？

他俩都成功了，但花费的钱可不一样多。

简单来说，这个任务就是要复现一个论文上的科学结论。模型必须自己找到解决问题的方法，然后自己运行实验论证论文的结论。

以下是团队的三个结论：

1）GLM 5.2 花费 6.21 美元，而 Opus 4.8 花费我们 46.35 美元

2）两个模型都花费了大部分 token 来解决初始 verl 问题。GLM 5.2 在首次成功前尝试了 14 次失败运行，而 Opus 4.8 尝试了 9 次运行。

3）GLM 5.2 令人惊讶地使用了 265 万个 token，而 Opus 4.8 使用了 453 万个 token。