GLM 5.2 玩文本冒险游戏

我听说关于新的GLM 5.2开放权重模型的口碑不错。据说它能力非常强大！ 我不会进行完整的基准测试，不过我在OpenRouter上有一些积分在流转， 所以我想把GLM 5.2与同价位的Gemini 3 Flash进行对比，看看它们的表现如何。

本次测试采用与之前基准测试相同的设置：每款LLM都会尝试玩几局游戏，每局游戏的预算固定为大约0.15美元。 LLM并不知情，但该追踪系统会记录每局游戏的成就，并统计LLM在每局游戏中获得的分数。

以下是本次运行中每局游戏的尝试次数。

(继续阅读文章的完整内容， 请访问网站。)