
Databricks prueba agentes de código en producción y GLM 5.2 entra en la primera liga
Databricks ha publicado uno de los benchmarks más interesantes del momento para agentes de programación, no porque use una batería pública de ejercicios, sino porque se apoya en su propio código. La compañía ha evaluado modelos y harnesses de agentes sobre tareas reales extraídas de pull requests internos, con cambios sobre un codebase de millones de líneas y múltiples lenguajes, entre ellos Python, Go, TypeScript, Scala, Rust y Java. El resultado más llamativo es que GLM 5.2, un modelo open source de Z.ai, aparece en el grupo alto de capacidad y queda estadísticamente empatado con Claude Opus 4.8 en calidad dentro de esta prueba interna de Databricks. La diferencia está en el coste: GLM 5.2 aparece con 1,28 dólares por




