原文链接： https://notes.designarena.ai/how-glm-5-2-beat-fable-5-at-website-design/
在 Design Arena 的单轮 HTML 网页设计（非 Agent 模式）评估中，GLM-5.2 荣登总榜第一名，比上一代 GLM-5.1 提升了 5 个名次。击败了 Claude Fable 5、Opus 4.6 和 Opus 4.7。
该系列模型在 Design Arena 排行榜上已连续数月占据榜首，在两两对战中赢得的场次比其他任何模型都多。
这是首个达成此成就的开源模型，并采用了 MIT 开源协议。
尤为令人印象深刻的是，Z.ai 在不具备视觉能力的情况下，用一个与 GLM-5.1 大小相同（拥有 7440 亿参数）的模型就取得了这样的成绩。而据推测，其最接近的竞争对手的模型体量可能是它的 6.7 倍。
GLM-5.2 还相当便宜：每 100 万 token 的价格仅为 $1.40 / $4.40，而 Claude Fable 5 的价格为 $10 / $50。
当然，GLM-5.2 并非在所有任务上都超越了 Fable 5。在游戏开发、数据可视化和 3D 设计排行榜上，它位列第二，仅次于 Fable 5。在 UI 组件排行榜上，它位列第四。
GLM-5.2 生成的网页究竟发生了什么变化？
为了回答这个问题，我们对 GLM-5.2 的单轮部署进行了逐一分析，并观察其优化是如何提升其在前端编码任务中的表现的。这不仅能让我们确定哪些优化最有效，还能让我们找出该模型避开了哪些错误案例。
最核心的结论是：GLM-5.2 避开了大多数 AI 模型都无法处理的常见错误案例，能生成更复杂的网站，并且专注于设计更符合用户偏好的结构。
输出结果似乎采用了一套精美的初始模板
通过对比 GLM-5.2 和 Fable 5 随机生成的 1000 个网站，我们就能发现一些端倪。
我们对每个生成的网站进行截图并按相似度进行归类，从而观察模型是否会针对不同的 prompt 产生相似的设计。下面是 GLM-5.2 的可视化聚类图。
如果放大来看，我们会发现，即使 prompt 截然不同，GLM-5.2 也倾向于生成高度模板化且相似的结果。
这对于前沿模型来说是正常现象，这是模型架构、训练数据等多重因素共同作用的结果。虽然在日常使用和随机活动中这些模板并不显眼，但当把它们汇总并进行对比时，规律就显现出来了。
GLM-5.2 的不同之处在于，它所使用的模板表现明显优于其他前沿模型，这使得它能够超越许多同行，因为它的模板中不包含像早期 AI 模型中泛滥的“紫色渐变”这样的反模式。
相比之下，Fable 5 的输出分布要比 GLM-5.2 更分散。我们很难像在 GLM-5.2 中那样找到完全一致的模板。
这说明 Fable 5 是一个更具通用性的模型，能产生更多元化、差异更明显的输出。
目前，这种高定制化的技术在网页生成上似乎并没有表现出更强的优势。相反，GLM-5.2 因为采用的“高级模板”的基准方法，拉高了平均输出质量的下限，更受用户青睐。
避免了常见的错误案例
GLM-5.2 的许多提升可以归结为一个事实：它生成的代码……能直接运行。这一点在 GLM-5.2 对 chart.js 和 three.js 等第三方依赖库的使用上表现得尤为明显。
其他模型在使用这些库时经常报错或失效，而 GLM-5.2 却能非常自然地调用并使用它们。
在使用了这些库的 21% 的会话中，GLM-5.2 的胜率提升了 6 个百分点。
这些库的引入对于仪表盘（Dashboard）和 3D 设计类别特别有帮助，能大幅提升其性能与表现。
此外，它在 91% 的会话中使用了 TailwindCSS，在 51% 的会话中使用了 font-awesome，通过构建精妙的设计交互和网页，使胜率提升了 1.2 个百分点。
相比之下，Opus 4.8 仅在 57% 的会话中使用了 TailwindCSS，并可能因此导致表现下滑。
GLM-5.2 在布局能力上也大有提升，尤其是在首屏设计方面。它通常会直接调用精美的外部 CDN 图片，而不是自己去构建粗糙的占位图，且其在版面布局上的美感相比其他竞争对手也有了明显进步。
GLM-5.2 顺畅使用外部依赖的能力是其在 Design Arena 中提升成绩的关键，这使它避开了导致其他模型设计落后的那些错误案例。
更复杂，细节更丰富的输出
GLM-5.2 还能生成带有动画且制作精良的网站，在字体排版、视觉布局和动态效果上表现出更多的变化。在营销和落地页网站中的表现尤为亮眼，能带来更具定制感，更考究的用户体验。
但因为模型需要消耗更多 token，所以这种策略的代价是更长得生成时间。它在生成速度上变慢，但网页的复杂度和精致度却大幅提升。
在我们的测试中，GLM-5.2 生成的代码字符数和行数比竞品多出了 25%，平均生成时间为 304.7 秒，是 Claude Fable 5 的两倍。
GLM-5.2 用速度换取了更高的用户偏好，虽然这确实提升了胜率，但也带来了一些问题，因为最优的代码长度区间似乎是在 46K 到 57K 字符之间。
这与 Fable 5 等其他模型形成了鲜明的对比。其他模型生成的代码量往往远少于竞品，平均代码行数最多少了 38%。
Fable 5 产生的代码行数比竞品少 38%，字符数少 29%。
这种生成长度的增加甚至延伸到了 Agent 模式下：在此类任务中，GLM-5.2 生成的文件数量比竞品多出 11%，调用的工具数量多出 17%，但其实际生成的总代码量反倒比竞品略少。
由于 GLM-5.2 往往能在第一轮尝试中就为大多数依赖库生成可运行的代码，因此它通常可以添加更多的额外功能，生成互动性更强、功能更丰富且更能完美契合 prompt 要求的网站。
这对模型选择意味着什么？
通过将 Agent 轨迹蒸馏（agent trace distillation）与 token 级别的改进相结合，并针对单轮任务的性能表现进行了深度优化，GLM-5.2 在网页设计上迈出了坚实的一步，这也是开源模型领域的一次飞跃。
这次发布像我们展现了，开源前沿技术的发展速度是多么惊人。
几个月前的最先进技术，如今已能被所有人自由构建、微调和部署的开源模型所赶超甚至超越。
每一次这样的发布都为研究人员和开发者提供了更强大的基石，推动技术不断向前。
我们将继续密切关注 GLM-5.2 的性能表现及其与其他模型的横向对比。祝贺 ZAI 团队的成功发布！你也可以在 DesignArena.ai 上亲自测试，看看自己是否更喜欢 GLM-5.2 产生的网页。
