GLM-5.2
GLM-5.2 - флагманская модель пятого поколения семейства General Language Model (GLM), развиваемого компанией Z.ai (до ребрендинга - Zhipu AI). История семейства начинается с академической работы GLM, опубликованной исследователями Университета Цинхуа и команды THUDM, после чего линейка эволюционировала через ChatGLM, GLM-4, GLM-5 и, наконец, GLM-5.2.
GLM-5.2 была представлена в июне 2026 года как открытая (open-weight) Mixture-of-Experts модель нового поколения. В отличие от большинства современных frontier-моделей, распространяемых исключительно через облачные API, веса GLM-5.2 опубликованы под лицензией MIT, что позволяет коммерческое использование, самостоятельное развёртывание и модификацию модели.
Архитектурно модель относится к классу Mixture-of-Experts (MoE). По опубликованным данным, полный размер составляет около 744-753 млрд параметров, при этом во время инференса активируется около 40 млрд параметров на токен. Такое решение позволяет приблизить вычислительную стоимость к значительно меньшим моделям при сохранении высокой емкости сети. Независимые источники расходятся относительно общего числа параметров (744B или 753B), поэтому это значение следует считать приблизительным.
Одной из наиболее заметных особенностей GLM-5.2 является контекстное окно размером 1 048 576 токенов. Максимальный размер генерируемого ответа достигает 131 072 токенов, что значительно превышает возможности большинства коммерческих моделей. Для работы с длинным контекстом используется механизм IndexShare Sparse Attention, который, по данным разработчика, уменьшает вычислительные затраты при работе с миллионным контекстом примерно в 2,9 раза. Независимой академической оценки архитектуры пока нет.
GLM-5.2 является текстовой моделью. На момент публикации разработчик не заявлял полноценную поддержку обработки изображений, аудио или видео непосредственно в данной модели. Поэтому мультимодальность для GLM-5.2 ограничивается текстовым вводом и выводом. При этом экосистема Z.ai включает отдельные мультимодальные модели, однако они не входят непосредственно в GLM-5.2.
Модель поддерживает несколько уровней reasoning (thinking effort), позволяющих выбирать баланс между скоростью и качеством рассуждений. Также реализованы Tool Calling, Function Calling, Structured Outputs, JSON Mode, Context Caching и поддержка Model Context Protocol (MCP), благодаря чему модель может использоваться как центральный компонент агентских систем, IDE-помощников и автономных рабочих процессов.
Для разработчиков доступны как облачный API, так и самостоятельное развёртывание модели. Благодаря лицензии MIT GLM-5.2 можно использовать без лицензионных ограничений, однако практическое локальное развёртывание требует серверов с несколькими современными GPU из-за очень большого размера модели.
Основные области применения включают анализ больших кодовых баз, генерацию и рефакторинг программного кода, исследовательские задачи, обработку длинной документации, автоматизацию бизнес-процессов, создание агентских систем и использование в качестве модели для инструментов разработки. Особенно сильной стороной модели считается сочетание длинного контекста, поддержки MCP и открытых весов.
При этом существуют ограничения. Значительная часть опубликованных benchmark’ов относится к данным самого разработчика, тогда как независимые результаты для ряда популярных тестов (например, Artificial Analysis Intelligence Index, LiveBench, Humanity’s Last Exam и OSWorld) на момент подготовки материала отсутствуют. Поэтому при сравнении с GPT-5, Claude, Gemini и другими frontier-моделями следует различать официальные и независимо подтвержденные результаты.
Технические характеристики
| Параметр | Значение |
|---|---|
| Разработчик | Z.ai (ранее Zhipu AI) |
| Дата релиза | Июнь 2026 |
| Семейство | GLM-5 |
| Тип модели | Mixture-of-Experts (MoE) LLM |
| Мультимодальность | Нет (текст) |
| Context Window | 1 048 576 tokens |
| Max Output Tokens | 131 072 tokens |
| Thinking / Reasoning | Да (несколько уровней reasoning effort) |
| Tool Calling | Да |
| Function Calling | Да |
| Structured Output | Да |
| JSON Mode | Да |
| Context Caching | Да |
| MCP | Да |
| Агентские задачи | Да |
| Open Weights | Да |
| API | Да |
| Self-hosting | Да |
| Лицензия | MIT |
| Стоимость API | Опубликована Z.ai (зависит от режима inference и региона) |
Версии модели
Флагманская open-weight модель с контекстным окном 1M токенов. Предназначена для программирования, агентских систем, обработки длинных документов и сложных reasoning-задач.
Z.ai предоставляет облачный API с поддержкой:
- Streaming
- Tool Calling
- Function Calling
- Structured Outputs
- MCP
- Context Caching
Отдельных вариантов Nano, Mini, Flash, Lite или Pro для GLM-5.2 на момент подготовки материала разработчик не анонсировал.
Производительность
Ниже объединены:
- официально опубликованные результаты Z.ai;
- независимые benchmark’и, если они доступны;
- если независимых данных нет, указано «нет опубликованных данных».
| Benchmark | GLM-5.2 | GPT-5 | Claude Opus 4.1 | Claude Sonnet 4 | Claude Fable | Gemini 2.5 Pro | DeepSeek R1 | Qwen3-235B |
|---|---|---|---|---|---|---|---|---|
| Artificial Analysis Intelligence | нет опубликованных данных | – | – | – | – | – | – | – |
| SWE-Bench Pro | 74.2%* | – | – | – | – | – | – | – |
| SWE-Bench Verified | нет опубликованных данных | – | – | – | – | – | – | – |
| FrontierSWE | 75.0%* | – | – | – | – | – | – | – |
| Terminal-Bench 2.1 | 37.5%* | – | – | – | – | – | – | – |
| Humanity’s Last Exam | нет опубликованных данных | – | – | – | – | – | – | – |
| LiveBench | нет опубликованных данных | – | – | – | – | – | – | – |
| GPQA Diamond | 81.1%* | – | – | – | – | – | – | – |
| MMLU-Pro | нет опубликованных данных | – | – | – | – | – | – | – |
| AIME 2026 | 86.2%* | – | – | – | – | – | – | – |
| OSWorld | нет опубликованных данных | – | – | – | – | – | – | – |
* – официальные результаты, опубликованные Z.ai. На момент подготовки статьи независимой валидации большинства показателей нет.
Для каких задач подходит
GLM-5.2 демонстрирует высокие официальные результаты прежде всего в программировании, математических задачах и агентских benchmark’ах. Особенно сильными сторонами являются SWE-Bench Pro, FrontierSWE и Terminal-Bench, что соответствует позиционированию модели как инструмента для разработки ПО и автономных агентов.
Для ряда популярных независимых benchmark’ов (Artificial Analysis Intelligence Index, LiveBench, Humanity’s Last Exam, OSWorld и других) результаты пока не опубликованы. Поэтому объективное сравнение с GPT-5, Claude 4, Gemini 2.5, DeepSeek R1 и Qwen3 по единой независимой методике пока невозможно.
Наиболее обоснованный вывод на текущий момент - GLM-5.2 представляет интерес прежде всего для задач программирования, обработки очень длинного контекста и self-hosting, тогда как окончательная позиция модели среди frontier LLM будет понятна после появления независимых измерений.
Веб-сайт: https://z.ai