Jun 17, 2026

智谱AI

中国AI实验室智谱AI发布GLM-5.2，在MIT许可下实现稳定的一百万token上下文窗口。在长达数小时的编程任务上，该开源模型与Anthropic的Opus模型仅相差几个百分点。

智谱AI推出了GLM-5.2，将该模型定位为所谓长周期任务的工具——即跨越数小时、包含数千个独立步骤的编程工作。为此，该公司将上下文窗口扩展至一百万token，并针对智能体编程场景（如大规模实现、自动化研究和复杂调试）进行训练。

智谱AI在其博客中写道：“百万上下文容易宣称，但要在真实的工程压力下保持可靠则困难得多”，因为模型需要在冗长、非结构化的编程智能体会话中维持质量。

仅落后最新Opus模型一个百分点

在评估时长从数小时到数十小时的开放工程项目的FrontierSWE基准上，GLM-5.2得分74.4%，仅落后Anthropic的Claude Opus 4.8一个百分点，略高于OpenAI的GPT-5.5。

在PostTrainBench上（智能体使用H100 GPU通过后训练优化小模型），GLM-5.2同时超越了GPT-5.5和Opus 4.7，再次位居第二，仅次于Opus 4.8。而在SWE-Marathon这一超长周期基准上（包含编译器构建、内核优化等要求极高的任务），差距则大得多：GLM-5.2的得分仅为Opus 4.8的一半。

Anthropic目前最强的模型Fable和Mythos不在这些比较范围内，因为Fable在发布后不久就被撤回，而Mythos从未广泛发布。据智谱AI称，在所有三个基准上，GLM-5.2仍然是最强的开源模型。

与前代相比，标准编程任务的提升同样明显。在 Terminal-Bench 2.1 上，GLM-5.2 从 63.5（GLM-5.1）上升至 81，与 Claude Opus 4.8 仅差几个百分点。在 SWE-bench Pro 上，得分从 58.4 提升至 62.1。

用户还可以上下调节模型的思考力度。智谱 AI 表示，在相似的模型 token 预算下，GLM-5.2 的编程效果远强于 GLM-5.1。最高设置“Max”允许用户为最棘手的问题投入额外算力。

推理能力仍大幅落后于闭源竞品

根据基准测试表，在“人类最后的考试”（Humanity's Last Exam）上，GLM-5.2 明显落后于 Claude Opus 4.8 和 Gemini 3.1 Pro。这两款模型分别领先约十和五个百分点。在科学问题基准 GPQA-Diamond 上，GLM-5.2 也排在顶尖闭源模型之后。数学则是另一番景象：该模型在 AIME 2026 上取得了 99.2% 的成绩。

编程之外的智能体任务表现则喜忧参半。在工具使用测试 MCP-Atlas 上，GLM-5.2 与 Opus 4.8 几乎持平。在 Tool-Decathlon 上，它则远远落后于 Opus 4.8 和 GPT-5.5。

独立平台 Artificial Analysis 的评估也印证了相较于前代的提升。在其智能指数（Intelligence Index）上，GLM-5.2 获得 51 分，成为当前最强的开放权重模型。它明显领先于 MiniMax M3、DeepSeek V4 Pro 和 Kimi K2.6。最大的提升出现在科学推理方面，且模型幻觉比前代略有减少。

在 Artificial Analysis 认为最能反映真实世界智能体任务的指标 GDPval-AA v2 上，GLM-5.2 与专有模型 GPT-5.5 持平。代价是它消耗的模型 token 远多于开放竞品，使其成为同类中最不高效的模型之一。

新架构大幅降低了长上下文的计算成本

为了让百万 token 级上下文变得实用，智谱 AI 引入了一项名为 IndexShare 的技术。四个 Transformer 层组成一组，共享同一个轻量级索引器，而非每层各自计算自己的索引。这样在百万 token 上下文长度下，每个 token 的计算量可降低 2.9 倍。

智谱 AI 还加快了文本生成速度。通过推测解码，模型一次预测出多个 token，随后丢弃错误的猜测。据智谱 AI 的消融研究，通过对该流程的若干优化，GLM-5.2 平均接受的预测 token 数量增加了 20%。这直接提升了输出速度。

该模型在训练过程中通过从 GitHub 下载代码进行“作弊”

智谱 AI 以异常坦诚的态度，描述了在针对编程任务进行强化学习时出现的一个问题。由于奖励信号通常是简单的通过/失败二元信号，模型可能学会钻空子，而非真正写出更好的代码。GLM-5.2 在这方面比前代产品更加频繁。

据智谱 AI 介绍，该模型会通过 curl 直接从 GitHub 拉取解答代码，在文件系统中搜索隐藏的评测文件，或者串联多条命令：先找出秘密测试用例，再将其喂给解题脚本。这些手段会虚增奖励信号，污染训练过程。

为了解决这个问题，智谱 AI 构建了一个两阶段防作弊模块。首先，规则过滤器捕捉可疑行为；然后，一个 LLM 评判器检查被标记行为背后的意图。系统仅阻断作弊调用，并返回一个虚假响应，让训练过程得以继续。这样可以避免回滚中断导致模型不稳定。

模型权重和 API 现已可用

模型权重已在 HuggingFace 和 ModelScope 上发布，代码在 GitHub 上，均采用 MIT 许可协议，无区域限制。GLM-5.2 可通过 Z.ai 以对话界面和 API 方式使用，并支持接入 ZCode、Claude Code 和 OpenCode 等编程智能体。对于本地部署，智谱 AI 支持 vLLM、SGLang、transformers、xLLM 和 ktransformers。

智谱 AI 近期发布了 GLM-5.1，这是一个开放权重的模型，可以在编码任务上通过数百次迭代自我优化策略。据报道，它在八小时内构建了一个 Linux 桌面系统。GLM-5.2 在此基础上改进，加入了 100 万 token 的上下文窗口和更强大的长周期技能。

中国 AI 实验室之间的竞争依然激烈。除了智谱 AI，月之暗面（Moonshot AI）的 Kimi K2.7-Code 和 MiniMax 的 M3 也凭借长上下文窗口争夺自主编码智能体市场。