一句话看懂：开发者用 GLM-5.2 和 OpenAI Opus 4.8 做同一道设计成“抗 AI”的编程题，GLM 直接给出了质量更高的完整解决方案，而 Opus 表现也不错。最终作者基于 GLM 结果开源了转录工具 offmute-v2，并明确表示自己日常选用开源模型。
事件核心：发生了什么
开发者通过真实后端编程题测试 GLM-5.2 和 Opus 4.8，题目特意设计为“AI 无法直接照搬”的复杂组合式任务——需要将三个独立项目（offmute、meeting-diary、ipgu）的功能合并成一个多步骤流水线，用于生成带时间戳、标明说话人的转录。结果 GLM 一次通过，直接输出可用代码；Opus 虽然也交出合理答案，但 GLM 在转录质量、说话人识别、指令遵循和代码可维护性上全面胜出。作者因此发布了 offmute-v2 开源仓库，分设 glm 和 opus 两个分支，并把最新版本锁定在 GLM 上。
为什么重要
这次对比直接揭示了两个趋势。第一，传统基准测试已严重可信度不足——污染、古德哈特定律和刷分现象让测试结果无法反映真实能力，而这类“抗 AI”的复杂任务才是更好的标尺。第二，开源模型在真实工程任务（非刷分题）中首次与闭源顶级模型真正正面竞争，甚至局部反超。这不仅是模型能力门槛被摸到的问题，更是开源闭源生态竞争的拐点信号——当开源模型能做好闭环且可维护的产品级代码时，企业采购闭源 API 的“安全溢价”就会开始被重新理性评估。
对用户/开发者/创作者的影响
对开发者，如果你在做语音转录、会议记录类产品，offmute-v2 是可直接运行的基准方案，且作者明确其结合了 ASR 模型和多模态大模型，比纯方案更准、更便宜，还能在浏览器中跑。对企业采购决策者，当前闭源模型在闭环工程任务中已无绝对优势，评估时应更注重“同类开源方案是否能降低长期 API 成本”和“方案能否本地部署”。对于内容创作者，这类开源转录工具意味着将来可以用更低甚至免费的成本，获得高精度、带说话人识别的字幕和会议记录。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，offmute-v2 能否稳定迭代，以及 GLM 官方是否会公开其模型权重或 API 定价，直接影响开发者的实际迁移成本。第二，OpenAI 是否会针对 Opus 模型在真实 coding 任务中失利作出回应，例如推送新版本或降低 Opus 定价。第三，这类“抗 AI 设计”的测试是否会成为社区评估大模型能力的新标准，改变目前以刷题为目标的评测格局。
