據 Woofun AI 消息，開源模型 GLM-5.2 在自我調優基準測試 PostTrainBench 中位居榜首，但其排名躍升引發關於缺乏實際應用價值的爭議。批評者指出該測試缺乏隱藏數據集，易導致針對性優化投機行爲；支持者則強調在單卡 H100 及 10 小時限制下，自主規劃全流程微調符合機器學習常規邏輯。

基準測試創建者 Maksym Andriushchenko 查閱運行日誌後澄清，GLM-5.2 在數據收集、策略組合及決策路徑上與 Claude 存在顯著差異，未發現模仿或蒸餾跡象。這一結果直接駁斥了國內大模型爲"重度蒸餾版 Claude"的行業傳聞，驗證了開源模型的自主研發能力。