Arena.ai 独立评测：GLM-5.2 (Max) 在 Code Arena / Agent Arena / Text Arena 的排名

核心内容摘要

Arena.ai 在 2026 年 6 月对 GLM-5.2 (Max) 做了三类平台内评测，结论如下：

1. Code Arena: Frontend（前端编码，社区投票）

• GLM-5.2 (Max) 整体排名第 2，比 Claude Opus 4.7 (Thinking) 高 +29 分，仅落后 Claude Fable 5；是排名最高的开源模型。

• 子榜：React 第 2、HTML 第 4；是相对 Kimi-K2.6、MiniMax-M3 领先优势最大的开源模型。

• 轨迹：GLM 系列在 Code Arena: Frontend 从 GLM-4.6 的 1408 分升至 GLM-5.2 (Max) 的 1595 分——超过 Claude Opus 4.8，逼近 Claude Fable 5（1665 分）。

• 8 月 4 日更新帖：GLM-5.2 (Max) 在 Frontend Code Arena 整体仍列第 2（开放组第 1）。

2. Agent Arena（真实世界 Agent 任务，含搜索/文件系统/终端工具）

• 6 月 18 日：GLM-5.2 (Max) 进入前 10，是当时测到的最强开源权重结果：确认任务成功率（confirmed task success）+9.4%、赞扬-抱怨比（praise-complaint ratio）+14.9%（相对基线）。

• 6 月 26 日发布 Agent Arena 令牌效率分析帖（模型可调用搜索、文件系统、终端完成写代码、做幻灯片、研究、建应用、分析文档等复杂工作流）。

3. Text Arena（文本）

• GLM-5.2 (Max) 整体排名 #25，与 GLM-5.1 相近；细分上最大进步在 Expert Arena、Multi-Turn，以及 Life、Physical & Social Science、Creative Writing、Medicine 等职业类别。

4. GLM-5.3 前瞻（背景）

• 8 月 15 日：GLM-5.3 即将上线 Arena；官方预告将对比 GLM-5.1 / 5.2（GLM 上一轮更新在 Agent Arena 带来显著进步）。

证据要点与适用边界

• 证据等级：Arena 是社区驱动评测（真实用户投票/真实任务），非封闭实验室基准；样本与投票分布随时间变化，分数为相对量级参考。

• 结论指向：GLM-5.2 (Max) 的最强场景是前端编码（HTML/React 单文件生成）与 Agent 类真实任务；文本综合能力与 5.1 相当（不是文本全面升级）。

• 配置口径：评测使用 Max 档；不适用于 low/high 档位结论。

• 时间点：2026-06 排名；8 月 4 日 Frontend 排名仍成立（在 GLM-5.3 上线前）。

• 复现方式：同题单次对比示例见提示词目录《04-X-Arena-前端编码同题对比示例》。

原文关键引文

"GLM-5.2 (Max) 在 Code Arena: Frontend 中排名第 2，比 Claude Opus 4.7 (Thinking) 高出 +29 分，仅落后于 Fable 5！"

"Agent Arena ... 我们测得的最强开源权重结果，确认成功率 +9.4%，相对于基准的赞扬-抱怨比率 +14.9%。"

"GLM-5.2 (Max) 是实验室迄今最强的编码模型"