GLM-5.2 上线并开源，专注 Coding 与长程任
来自 Z.ai Research · 期号 2026-06-17
摘要
智谱 AI 今天上线并开源了 GLM-5.2。 模型专为长程任务设计，核心是 Solid 1M 无损上下文。过去很多 1M 上下文模型在数百 K 后就开始劣化，GLM-5.2 通过扩展长程 Coding Agent 训练数据来保证真实可用。在 FrontierSWE 上，它仅比 Claude Opus 4.8 低 1%，超过 GPT-5.5 和 Opus 4.7。 Coding 能力方面，GLM-5.2 在 Terminal-Bench 2.1 上比 Opus 4.8 低 4%，在 MCP-Atlas 上仅低 0.8%。模型引入了 effort level 控制，可在能力、速度、成本之间平衡。 Infra 层面，GLM-5.2 提出了 IndexShare 架构，在 1M 上下文下将单位 token 的 FLOPs 降至 2.9 倍。模型已在 Day 0 完成与华为昇腾、平头哥、摩尔线程等国产算力平台的推理适配。 模型权重以 MIT 协议开源，vLLM、SGLang 等主流框架已支持。
深读
导读 智谱 AI 今日正式上线并开源了 GLM-5.2，这是一款专为长程任务设计的模型，核心能力是 Solid 1M 无损上下文。模型在 Coding 基准上已进入与 Claude Opus 4.8 可比的第一梯队，同时是开源模型中的 SOTA。读完本文可以了解 GLM-5.2 在长上下文、编程能力、Infra 优化和开源策略上的具体进展。 关键信息 - GLM-5.2 在 Artificial Analysis 综合榜单上取得 51 分，与 Anthropic、OpenAI 并列前三，为开源模型最高分。 - 在 Code Arena 盲测中，GLM-5.2 取得全球可用模型第一。 - 在 FrontierSWE 上，GLM-5.2 仅比 Claude Opus 4.8 低 1%，超过 GPT-5.5（1%）和 Opus 4.7（11%）；在 SWE-Marathon 上低于 Opus 4.8 约 13%。 - 在 Terminal-Bench 2.1 上，GLM-5.2 比 Opus 4.8 低 4%，相比 GLM-5.1 提升 17.5%；在 MCP-Atlas 上仅比 Opus 4.8 低 0.8%。 - 模型提出 IndexShare 架构，在 1M 上下文下将单位 token 的 FLOPs 降至 2.9 倍；改进的 MTP 层将投机解码的接受长度最多提升 20%。 - GLM-5.2 已在 Day 0 完成与华为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞、天数智芯等国产算力平台的推理适配。 逐节讲解 长上下文与长程任务 GLM-5.2 的核心卖点是 Solid 1M 无损上下文。文章指出，此前许多 1M 上下文模型在数百 K 后就开始劣化，原因是单纯扩展上下文窗口而不增强长程 Coding Agent 训练数据，对高价值任务帮助有限。智谱花了数月扩展了 1M Coding Agent 的训练环境，覆盖大规模实现、自动化研究、性能优化等领域，使得模型在 1M 上下文下的真实表现有时甚至超过 Opus。在实际演示中，GLM-5.2 自主完成了从开发、联调、测试到打包上线的完整链路，最终交付一个覆盖 Web、移动端与小程序的跨端应用，累计处理 88 万以上 tokens，几乎用满 1M 上下文窗口。 Coding 体感与基准表现 GLM-5.2 在前端、后端、长程任务等开发场景下的成功率相比 GLM-5.1 有明显提升。在 Terminal-Bench 2.1（AI Agent 通过命令行操作计算机的评测集）上比 Opus 4.8 低 4%，比 GLM-5.1 提升 17.5%；在 MCP-Atlas（工具使用评测集）上仅比 Opus 4.8 低 0.8%。模型引入了 effort level（思考档位）控制，允许在能力、速度、成本之间做…