Пользователь протестировал GLM 5.2 на сложной задаче реализации компьютерного зрения (CV) с несколькими файлами, чтобы оценить его возможности уровня production за пределами результатов бенчмарков. Модель успешно создала браузерную студию CV, включающую обнаружение объектов, персистентное отслеживание и бэкенд на FastAPI, продемонстрировав сильное архитектурное планирование и согласованность.
- Она сгенерировала план, который заранее учитывал баги с загрязнением canvas и спроектировал прокси видео для same-origin еще до написания кода.
- JSON контракты между фронтенд трекером, панелью отчетов и системным промптом бэкенда оставались согласованными на протяжении нескольких раундов правок.
- Модель выполняла самопроверку, запуская production сборки и проверяя маршруты бэкенда после изменений, а не объявляя об успехе немедленно.
- Она принимала разумные технические компромиссы без подсказок, например, выбрав Mobilenet_v2 для точности на CPU и WASM для переносимости.
Тест подчеркивает силу GLM 5.2 в кодировании и использовании инструментов, хотя она остается только текстовой и уступает моделям уровня frontier в чистой математике и задачах не на английском языке.