当下的GLM 5.2，俨然有2025年Deepseek R1的待遇，许多应用，都要把提供GLM 5.2折扣乃至免费作为卖点。
不过，同一个模型，不同渠道的使用效果一样吗？
著名的OpenRouter上，有几个数据，很有意思。
众所周知，OpenRouter是模型聚合商，所以单单GLM 5.2一个模型，就有将近30家供应商。除了Z.ai属于智谱海外官方平台提供的原厂服务外，还有一堆著名的国际第三方大厂，比如Fireworks、Together，也有国内大厂比如阿里云、百度还有硅基流动。
单看下表数据，你会发现不少第三方大厂的延迟(Latency)和速度(Throughput)都比原厂要好许多，比如Fireworks延迟1.29秒，每秒52个token(他家还有Fast快速版，每秒73个token)；比如百度千帆，延迟0.88秒，每秒51个token。
当然，光看速度不够。
OpenRouter很早就普及一个概念：大模型的数据，经常有错误，尤其是json结构，所以OpenRouter还提供json修复功能。
而同一个模型，不同供应商提供的质量也不尽相同。
OpenRouter的模型列表中，有一项各个供应商的工具调用错误率，下图是GLM 5.2的供应商中错误率偏低的，可以看到Z.ai智谱官方的，还是有可取之处。硅基流动也不错，百度就稍逊一筹。
当然，OpenRouter还有另一项更有参考价值的表格，是直接用不同供应商跑两个测试：①GPQA Diamond；②TAU-Bench Airline。
这两个测试，前者是研究生级别测试；后者则是智能体在企业级实战场景中端到端解决问题的能力。可以看到不同供应商的得分也不同。如果你在意的是Agent的能力，或许后者更有参考价值。可以看到智谱官方的Z.ai得分74.9%，在一众供应商中还算偏高的，这或许与工具调用的低错误率休戚相关。当然最令人惊奇的是百度千帆，竟然比官方版还高，而且这是在工具调用不占优的前提下；相比之下，Fireworks和Together反而有点拉胯。
OpenRouter的上述统计，算是推开了一扇窗：同样写着GLM 5.2，实际体验并不必然相同。
这也让我更期待，国内能出现针对各类软件中GLM 5.2表现的横向评测。不要只看聊天时回答得像不像，更要测响应速度、长文本处理、工具调用、代码能力，以及高峰时段的稳定性。毕竟对真正拿它干活的人来说，这些差异远比宣传页上的模型名称重要。
是的，模型决定了能力的上限，但软件如何部署、调度和提供工具，往往决定了我们最终摸到的是哪一段。
窗户已经打开了。接下来该有人把光照进国内这些软件里，看看那些都叫GLM 5.2的产品，究竟是不是同一个GLM 5.2。