先说结论，测了2次： 
第一次

能力相当于图中排名10的位置
起手就英文思考，我一看就知道完了。全部思考是英文的，回答中文。
耗时：12分54秒，中间超时了一次，发了重试。

第二次

能力等于GPT-5.5
中文思考。这次本地代码规避了引用库的bug，和GPT-5.5表现一致，比上线当天表现好。
耗时：11分30秒，一口气干完，比上线当天的17分钟快不少。

这是为何呢？ 
 [企业微信截图_1781436663167] 
模型测评：GLM-5.2 大战 Claude Opus 4.8