据 Woofun AI 消息，开源模型 GLM-5.2 在自我调优基准测试 PostTrainBench 中位居榜首，但其排名跃升引发关于缺乏实际应用价值的争议。批评者指出该测试缺乏隐藏数据集，易导致针对性优化投机行为；支持者则强调在单卡 H100 及 10 小时限制下，自主规划全流程微调符合机器学习常规逻辑。

基准测试创建者 Maksym Andriushchenko 查阅运行日志后澄清，GLM-5.2 在数据收集、策略组合及决策路径上与 Claude 存在显著差异，未发现模仿或蒸馏迹象。这一结果直接驳斥了国内大模型为"重度蒸馏版 Claude"的行业传闻，验证了开源模型的自主研发能力。