HOW I AI・2026 年 6 月 24 日

便宜模型不是免費午餐便宜模型
不是免費午餐

GLM 5.2 的實測不是一句「開放權重模型追上了」就能收尾。真正的問題是：當模型便宜到可以長時間跑，你有沒有足夠好的任務邊界、工具權限與驗證流程，讓便宜變成可靠。

SCROLL

來源：How I AI 影片〈GLM 5.2 is SO GOOD (and almost free)〉，YouTube 原始發布日期為 2026 年 6 月 24 日。影片以 Z.ai 的開放權重 coding model GLM 5.2 為主角，在 ChatPRD 實際 codebase 中測試架構盤點、HTML 溝通頁、landing page redesign，以及長時間 Sentry / Vercel 錯誤盤點。

PART 1

開放權重的賣點，不只是「便宜」

主持人先把 GLM 5.2 放回模型策略裡看。它是 Z.ai 發布的開放權重模型，代表權重可以公開取得、可以自架或選擇不同推論供應商，也比較不會被單一 API 條款或價格綁死。這不等於免費，也不等於每個團隊都該立刻自架；影片中實測仍使用 OpenRouter 的 hosted API。

真正有用的問題是：當 frontier model 的長任務成本愈來愈高，開放權重模型能不能補上一個「夠聰明、夠便宜、可替換」的位置？GLM 5.2 的規格提供了這個可能性：大 context window、reasoning mode、function calling、context caching、structured output 與 MCP。限制也很清楚：它是 text-to-text，不能把圖片丟進去，也不能輸出圖片。

PART 2

測試不是跑榜單，是把模型接進真實工作

How I AI 沒有停在官方 benchmark。主持人把 GLM 5.2 接進 Cursor 與 Claude Code，讓它進入 ChatPRD 的真實 codebase。第一個任務是理解架構與最近六週的工作；第二個任務是把架構與 roadmap 做成可視化 HTML；第三個任務是重新設計 How I AI landing page 的 hero；最後一個任務，是長時間拉 Sentry 與 Vercel logs，做錯誤優先序盤點。

1. Codebase audit先讀 repo，說明架構、整合與近期 ship 的內容。

2. HTML artifact把架構與 roadmap 做成工程師能打開看的頁面。

3. Design pass改 How I AI landing page hero，測設計系統貼合度。

4. Bug triage讀 Sentry / Vercel signals，整理 P0、P1 與修復順序。

5. Cost check約 600 萬 tokens 花費 3.36 美元，成本成為核心變數。

這種測法比單一榜單更接近團隊會遇到的問題。模型不是在無塵室回答考題，而是在既有程式碼、既有設計系統、既有錯誤訊號裡工作。它要會讀工具輸出，也要能把結果整理成別人願意採取行動的 artifact。

PART 3

GLM 5.2 的強項，是把便宜長任務變得可考慮

前幾個任務的表現讓主持人改變期待。架構盤點回來得快，而且對 Next app、整合、近期功能與安全／依賴工作抓得準。它做出的架構與 roadmap HTML 不是精品，但能讀、能溝通，還抓到了 ChatPRD 的粉色，而不是套用常見的藍紫或模型品牌色。

landing page redesign 的第一次結果不完美，CTA 按鈕太亮、視覺重量太大；但模型能吃下回饋，再把 player-style sidebar 做得更平衡。這裡的重點不是 GLM 5.2 設計品味勝過所有模型，而是當一個模型便宜到可以反覆試、又足夠貼合既有 design system 時，很多中等難度的前端任務就不一定需要最貴模型。

PART 4

它也暴露了便宜模型最容易被忽略的成本

長時間錯誤盤點一開始不順。GLM 5.2 讀 Sentry、讀 Vercel、整理計畫都可以，但在寫 TypeScript / React 的過程卡住過，主持人一度判斷它「可能不能寫 React」。最後它編譯通過，並交出一份可以採取行動的修復 plan；但這段過程提醒使用者：便宜不是不用看，便宜只是讓你更能承受重跑與修正。

使用情境

適合度

為什麼

要補的控管

架構理解

高

能快速讀 repo、整理系統元件與近期方向。

抽查它引用的檔案與近期 commit。

HTML 溝通頁

高

能把複雜系統轉成可視化 artifact。

避免通用 AI slop，要求貼合既有設計系統。

設計微調

中高

能接受回饋、降低視覺噪音。

用截圖與設計準則審核。

React / TypeScript

中

最後能過，但過程會卡。

必跑 build、type check、測試與人工 code review。

如果工作本身沒有驗證機制，便宜模型可能只是把錯誤以更低成本量產。如果工作有 logs、tests、preview、design checklist 與人類 reviewer，低成本模型才有機會把長任務變成新的工作流。

PART 5

結論不是換掉 frontier model，而是多一條路由

主持人最後的判斷很實際：GLM 5.2 讓她願意把它放進 Cursor 和 Claude Code rotation，尤其是前端、長時間後端盤點與成本敏感的任務。這不是說 Opus、Claude 或 GPT 都不需要了，而是模型策略可以從「永遠用最貴那個」改成「按任務、成本與可驗證性路由」。

這對團隊的含義更大。當模型成本下降，真正稀缺的不再只是 token，而是任務設計能力：你能不能定義清楚的輸入、限制工具權限、要求可檢查輸出、把模型卡住的地方暴露出來，並在最後用人和測試決定能不能 ship。

先問可驗證性沒有 build、logs、screenshots 或 reviewer 的任務，不適合只靠便宜模型自動跑完。

再問成本彈性如果任務需要長時間探索，低成本模型能讓嘗試次數變多。

最後問替換性開放權重與多供應商讓模型不再只是單一 API 依賴。

GLM 5.2 最有價值的訊號，不是它「幾乎免費」，而是便宜到足以讓團隊重新設計哪些工作值得交給模型長時間跑。

低成本模型只有配上工具、任務邊界與驗證流程，才會從省錢變成生產力。

想看更深入的實測脈絡？

原始 How I AI 影片包含 GLM 5.2 的 OpenRouter / Cursor / Claude Code 設定、ChatPRD codebase 實測、landing page redesign 過程，以及 Sentry / Vercel 錯誤盤點的長任務成果。

閱讀完整文章 →

便宜模型不是免費午餐便宜模型不是免費午餐