Qwen 3.8 Max 與 GLM 5.2：2026 年哪個更適合程式設計？

用三天時間就對新模型做出有信心的正式環境決策，是不明智的。在 2026 年 7 月 22 日，Qwen 3.8 Max 與 GLM 5.2 的比較正處於這種情況：一方是快速變動的預覽版本，另一方則擁有版本化 API、已發布的權重、100 萬 token 上下文視窗，以及獨立評測資料。

簡短答案是：目前若要建立正式環境的程式設計代理，請選擇 GLM-5.2。它具備更明確的部署契約、可預測的逐 token 計費、可下載且採 MIT 授權的權重，以及穩定的模型 ID。如果你重視 Qwen 早期的前端成果，且願意在 Alibaba 更新預覽版本時重新執行評測，便可測試 Qwen3.8-Max-Preview。

我目前不會將正式環境工作負載遷移至 Qwen3.8 Max。這並不是判斷 GLM-5.2 將永遠是更好的模型，而是根據目前可取得的證據所做出的判斷。

首先，「Max」在兩者中的含義不同

Alibaba 官方模型名稱為 Qwen3.8-Max-Preview。此處的 Max 表示模型級別。Preview 後綴同樣重要：Alibaba 於 7 月 19 日宣布了此模型，表示開放權重將「很快」推出，並透過 Token Plan、Qoder 與 QoderWork 提供預覽版本。

GLM-5.2 對 Max 的使用方式不同。GLM-5.2 是模型本身；High 與 Max 則是可選擇的推理力度設定。Max 可以在困難任務上投入更多運算資源，但它並不是一個名為「GLM-5.2 Max」的獨立檢查點。

這項區別可以釐清兩個常見的搜尋結果錯誤。Qwen3.8 Max 並不是 Qwen3 Max、Qwen3.7 Max 或 Qwen3-8B。同樣地，Artificial Analysis 上針對 Qwen3 Max 的結果，也不會因為名稱相似，就成為 Qwen3.8 的基準測試結果。

Alibaba 也 確認預覽版本每天都在變動，並報告後續更新在網頁前端工作方面有所提升。因此，每一項 Qwen3.8 結果都與日期相關。若要查看發布歷史，以及 Alibaba 尚未公開的規格，請參閱我們另外撰寫的 Qwen 3.8 Max 指南。

<!-- INTERNAL LINK TODO: Link the first occurrence of “Qwen3.8-Max-Preview” to its GPT Proto model page after the model is live. -->

Qwen 3.8 Max 與 GLM 5.2 一覽

最有用的比較，應先從開發者實際能部署的內容開始。參數規模等資訊可以稍後再談。

Qwen 欄位的缺漏並非疏忽。預覽版本不會因為 Qwen3.7 具有這些數字，就自動繼承其上下文視窗、啟用參數量或授權，僅僅為了讓表格看起來完整。

2.4T 這個數字確實出現在 Alibaba 的公告中，但它在實際運作上的意義目前尚不明確。若不知道啟用專家數量與服務細節，總參數量無法告訴我們延遲、記憶體需求或每項完成的程式設計任務成本。

GLM-5.2 公開了更多資訊。Z.ai 的 發布報告說明了 100 萬 token 上下文、MIT 授權、High 與 Max 努力程度，以及 IndexShare 設計；在完整上下文長度下，該設計可將索引器運算量降低 2.9×。報告也指出，推測解碼的接受長度提升了 20%。這些是供應商測量的結果，但其架構與評測設定已公開到足以進行檢視。

程式設計效能：基準測試與混亂的儲存庫

在程式設計基準測試方面，GLM-5.2 有一些可以附帶條件討論的數據。Z.ai 報告其使用 Terminus-2 在 SWE-bench Pro 上取得 62.1 分，在 Terminal-Bench 2.1 上取得 81.0 分。其報告的最佳 Terminal-Bench 設定達到 82.7 分。官方模型卡也披露了這些測試所使用的執行器、token 限制、逾時設定與資源限制。

這些仍然是供應商報告的結果。我會利用它們來辨識模型優勢，而不是宣稱某個模型在所有情況下都勝出。

獨立評測的結果範圍較窄，但仍然有用。Artificial Analysis 在 Intelligence Index v4.1 中給予 GLM-5.2 Max 51 分。該比較頁面上的 Qwen 模型是 Qwen3 Max Thinking，屬於較舊的模型，而且其分數被標記為估算值。這並不能證明 GLM-5.2 以 51 比 32 的分數擊敗 Qwen3.8 Max。

Qwen 的發布宣稱更加廣泛：Alibaba 將 Qwen3.8 描述為可與領先的前沿模型相媲美，僅落後於 Fable 5。該排名沒有附上公開的基準測試表或方法論。事實是：這項宣稱來自模型製造商。我的判斷是：現在還太早，不能用它做採購決策。

7 月 22 日的一項 針對混亂且尚未完成的網頁專案所做的 36Kr 測試，提供了更具體的比較。該專案包含 Next.js 前端、Payload CMS、動畫程式碼、舊版文件、現有功能，以及交織的前後端錯誤。Qwen3.8-Max-Preview 在辨識專案目前狀態、啟動缺少的 CMS 服務，以及進行大範圍視覺更新方面排名第一。在初始專案閱讀任務中，於該特定設定下，它在不到 10 秒內完成。

GLM-5.2 在較狹窄的輪播實作任務中勝出。它保留了自動播放、拖曳控制與真正的連續循環，儘管轉場仍出現視覺跳動。Qwen 的速度較快，但刪除了拖曳行為，並以拉伸變形的循環模仿來取代；該模仿最終會跳回起點。

這項取捨比一句話的勝負判定更有參考價值。Qwen 在理解當前意圖並快速推進方面表現更好；GLM 則在功能保留與工程完整性更重要時表現較佳。單一專案無法建立普遍的速度排名，尤其是在服務路徑與模型版本不同的情況下。但它可以呈現值得測試的失敗模式。

如何公平解讀證據

這項公開的舊版程式碼測試很有用，但不是受控的基準測試。它使用同一個未完成專案與基於 OpenCode 的工作流程，因此比無關的截圖更能提供有意義的比較。測試沒有公開足夠的服務路徑、token 預算或模型修訂版本細節，因此無法讓每項結果都可重現。

這會改變測試能夠證明的內容。它可以展現特徵性的失敗模式：Qwen 移動快速，也能良好理解專案當前意圖，但同時移除了要求的互動功能，並以不完整的循環實作取代。GLM 在該任務中保留了更多必要行為，但初始分析較慢，而且曾將過時文件視為當前工作。

它無法證明 Qwen 始終更快、GLM 始終能寫出更安全的程式碼，也無法證明 Qwen 下一次預覽版本更新後，任一模型仍會有相同的行為。

我會將現有證據分為三個層級。獨立評測最具參考價值，但目前涵蓋的是 GLM-5.2，而不是 Qwen3.8 Max。其次是同一專案的公開測試，因為即使設定無法完全重現，它仍能揭露真實的工程錯誤。供應商排名與發布宣稱則排在最後，直到外部評測者加以驗證為止。

證據缺口本身也是採購決策的一部分。如果你無法執行私人比較，GLM-5.2 是風險較低的正式環境選擇，因為它的版本、價格、權重、上下文限制與獨立評分都已有文件說明。Qwen3.8 Max 仍是較高不確定性的預覽版本：值得關注，但目前的文件完整度還不足以僅憑早期報告，就取代正式環境的預設模型。

Qwen 3.8 Max 與 GLM 5.2 的價格與成本

這不是一般的逐 token 價格比較。

Qwen3.8-Max-Preview 目前包含在 Alibaba 的 Token Plan 中。目前個人方案的發布價格為 Lite 每月 $6、Standard 每月 $18，以及 Pro 每月 $68，分別約含每月 10,000、40,000 與 160,000 Credits。Credits 並不是 token。其消耗量可能會隨模型、推理、快取與工具呼叫而變化，因此沒有可靠的公開換算方式，可以將 Qwen3.8 的價格換算為每百萬 token 的費用。

GLM-5.2 採用傳統的 token 計費方式。在 GPT Proto GLM-5.2 API 頁面上，目前費率為每 100 萬個輸入 token $1.26，以及每 100 萬個輸出 token $3.96。Z.ai 的直接列價為輸入 $1.40、輸出 $4.40。由於模型價格可能變動，在發布或進行大額採購前，應再次確認兩組數據。

假設每月工作負載為 1,000 萬個輸入 token 與 200 萬個輸出 token，GPT Proto 的計算方式為：

10 × $1.26 + 2 × $3.96 = $20.52

這個數字很有用，因為單位十分明確。Qwen Lite 方案的 $6 入門價格較低，但這並不能證明相同工作負載下 Qwen 更便宜。你需要從多次執行中取得實際的 Credit 使用量。

我的成本結論是有條件的：GLM-5.2 更容易進行預算規劃與用量計量。對於工作量符合訂閱配額的個人開發者而言，Qwen3.8 可能更便宜，但公開資料不足以支持等量 token 的比較。

哪個模型更適合程式設計任務？

如果你現在就需要發布產品，請選擇 GLM-5.2。對於儲存庫代理、長時間執行的任務、需要固定版本的受監管環境，以及需要按請求計算成本的團隊，它是更好的預設選擇。它也是目前兩者中唯一適合自行託管的選擇：權重與 MIT 授權都已存在。

若要進行評測，請選擇 Qwen3.8-Max-Preview，而不要將它作為唯一的正式環境依賴。它的早期結果值得測試，尤其適合前端工作、當前狀態分析，以及快速迭代比精確可重現性更重要的任務。代價是版本漂移：Alibaba 表示預覽版本仍在變動，而開放權重版本目前尚無確認的發布日期或授權。

因此，對「Qwen 3.8 Max 與 GLM 5.2——哪個更好？」這個問題，實際答案是不對稱的。GLM-5.2 在目前的正式環境決策中勝出。Qwen3.8 Max 可能在個別任務中勝出，但尚未提供足夠穩定的證據，來贏得平台層級的決策。

如何透過 GPT Proto 執行 GLM-5.2

GPT Proto 透過相容於 OpenAI 的端點提供 GLM-5.2。建立 API 金鑰、將其加入環境，然後呼叫目前可用的 glm-5.2 模型字串。同一個餘額也可以用於 GPT Proto 模型集合中的其他模型。

首先，設定金鑰並提出 cURL 請求：

export GPTPROTO_API_KEY="your_gptproto_api_key"

curl https://gptproto.com/v1/chat/completions \
  -H "Authorization: Bearer $GPTPROTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "Inspect before editing. Preserve API contracts and report the tests required for every proposed change."
      },
      {
        "role": "user",
        "content": "Plan a safe fix for duplicate refresh-token requests after concurrent 401 responses. State assumptions and verification steps before proposing code."
      }
    ]
  }'

對應的 Python 呼叫使用 OpenAI SDK：

python -m pip install openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GPTPROTO_API_KEY"],
    base_url="https://gptproto.com/v1",
)

response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a repository-level coding assistant. Inspect before "
                "proposing changes. Preserve existing API contracts, do not add "
                "dependencies without approval, and list the verification "
                "commands required for every proposed edit."
            ),
        },
        {
            "role": "user",
            "content": (
                "An API client occasionally sends two refresh-token requests "
                "after several concurrent requests fail with 401. Identify the "
                "likely race condition, list the files you would inspect, and "
                "return a minimal repair plan before writing code."
            ),
        },
    ],
)

print(response.choices[0].message.content)

這段程式碼刻意要求模型在修改前先提出檢查計畫。如果程式設計模型立即捏造檔案或變更 API 契約，即使回答看起來很完善，也代表它未完成任務。

Qwen3.8 Max 目前尚未在 GPT Proto 上提供，因此這裡沒有 Qwen 程式碼區塊。若使用猜測的端點加入程式碼，會讓人誤以為平台已有不存在的模型。模型上線後，請以相同提示詞替換此說明，並加入模型頁面連結。在此之前，開發者可以從 GLM-5.2 API開始，或從 GPT Proto 首頁瀏覽其他模型。