Архітектурний огляд та ключові характеристики

GLM-5.2 побудована на архітектурі Mixture-of-Experts (MoE) — це дизайнерське рішення, яке врівноважує чисту потужність та ефективність обчислень під час генерації. Офіційні специфікації підтверджують наявність приблизно 753 мільярдів параметрів, з яких лише близько 40 мільярдів активуються для кожного токена . Саме така розріджена активація і робить економіку моделі надзвичайно вигідною.

Основні технічні характеристики:

• Параметри: ~753B загалом, ~40B активних на токен
• Контекстне вікно: 1,048,576 токенів (повноцінний робочий 1M контекст)
• Максимальна довжина виводу: 128K–131K токенів (джерела наводять дещо різні цифри)
• Ліцензія: MIT, що дозволяє необмежене комерційне та дослідницьке використання
• Режими міркування: "High" (ефективний) та "Max" (максимальне зусилля для складних задач), що дають змогу балансувати між швидкістю та глибиною аналізу

Ключовою архітектурною інновацією є механізм "IndexShare". Щоб зробити величезне контекстне вікно в 1 мільйон токенів економічно доцільним, Z.ai повторно використовує легкий індексатор на кожні чотири шари розрідженої уваги. За технічними оглядами, цей трюк зменшує обчислення на токен приблизно в 2,9 раза при повному 1M контексті, запобігаючи деградації продуктивності, яка часто переслідує моделі з довгим контекстом .

Бенчмарки: бій на рівних із лідерами ринку

Z.ai позиціонує GLM-5.2 прямо проти GPT-5.5 та Claude Opus 4.8. Наведені нижче результати є самозвітом Z.ai, включно з показниками конкурентів. Вони відображають вимірювання одного постачальника і не були незалежно відтворені конкуруючими лабораторіями .

Ключові висновки з тестів

GLM-5.2 випереджає GPT-5.5 у кількох оцінках програмування та міркування. У SWE-bench Pro результат 62.1 проти 58.6 у GPT-5.5 . У тесті FrontierSWE, що вимагає 20 годин автономної інженерної роботи, модель набирає 74.4, тоді як GPT-5.5 — 72.6 . У математиці вона майже ідеально складає AIME 2026 з результатом 99.2, випереджаючи обох американських конкурентів .

Відставання від Claude Opus 4.8 різко скоротилося в агентному кодуванні. Хоча Opus 4.8 все ще має явну перевагу в кількох бенчмарках, зокрема SWE-bench Pro із 69.2 проти 62.1 у GLM-5.2 , результати в довготривалих завданнях дуже близькі. На FrontierSWE різниця становить лише 0.7 пункту (74.4 проти 75.1) . На MCP-Atlas відставання мінімальне — 0.8 пункту (77.0 проти 77.8) .

Стрибок порівняно з попереднім поколінням GLM-5.1 величезний. Найбільше вражає Terminal-Bench 2.1, де результат 81.0 означає зростання на 19 пунктів порівняно з 62.0 у попередника . Це робить GLM-5.2 першою відкритою моделлю, яка подолала бар'єр у 80% у цьому тесті .

Варто зазначити, де GLM-5.2 поки що відстає. На найскладніших, надтривалих завданнях, як-от SWE-Marathon, Opus 4.8 лідирує з відривом 26.0% проти 13.0% — це суттєва різниця, яка вказує на те, що американські моделі все ще надійніші в дуже тривалих агентних процесах .

Ціна та доступність: економіка відкритого доступу

Конкурентна історія GLM-5.2 — це не лише про продуктивність, а й про її вартість.

• Ціна API: Доступна через тарифний план GLM Coding Plan (рівні Lite, Pro, Max і Team), модель коштує приблизно $4.40 за мільйон вихідних токенів . Порівняно з опублікованими цінами GPT-5.5, це означає приблизно 83% зниження операційних витрат .
• Відкриті ваги на Hugging Face: Повні ваги доступні для завантаження за адресою zai-org/GLM-5.2 під ліцензією MIT, включаючи квантовану версію FP8 для зручнішого локального розгортання . Платформа ModelScope також дзеркалює ваги для користувачів у Китаї .
• Екосистема третіх сторін: Окрім власної інфраструктури Z.ai, модель доступна через Cloudflare Workers AI та підтримується в понад 20 сторонніх середовищах для розробки та хостингу, як-от Modular Cloud та Featherless.ai, що пропонують фіксовані тарифи на обслуговування довгих контекстів .

Таке поєднання ліберальної ліцензії MIT та інфраструктурно-незалежного розгортання дає змогу розробникам самостійно хостити модель, інтегрувати її в конвеєри CI/CD та уникати прив'язки до одного постачальника — різкий контраст із закритими API-моделями основних конкурентів.

Стратегічний контекст: відкриті моделі та динаміка США–Китай

Момент виходу GLM-5.2 був символічним не менше, ніж технічним. Реліз припав на той самий тиждень, коли уряд США посилив обмеження щодо Claude Fable 5 від Anthropic, рішення, на яке, як повідомляється, вплинули розмови генерального директора Amazon з представниками Білого дому . Контраст був свідомим і разючим: повністю відкрита китайська модель передового рівня з'явилася саме тоді, коли США посилили контроль над провідною американською лабораторією.

Засновник Z.ai відкрито представив реліз під MIT з гаслом «Передовий інтелект належить кожному» ("Frontier Intelligence Belongs to Everyone") , перетворюючи GLM-5.2 як на технічне досягнення, так і на політичну заяву в контексті загострення технологічного суперництва між США та Китаєм.

GLM-5.2 не існує у вакуумі. Це лише остання з серії дедалі потужніших відкритих моделей від китайських лабораторій — зокрема DeepSeek, Qwen від Alibaba та ERNIE від Baidu — які систематично скорочують розрив у продуктивності із закритими американськими моделями, пропонуючи необмежений доступ за радикально нижчими цінами .

Архітектурний огляд та ключові характеристики

GLM-5.2 побудована на архітектурі Mixture-of-Experts (MoE) — це дизайнерське рішення, яке врівноважує чисту потужність та ефективність обчислень під час генерації. Офіційні специфікації підтверджують наявність приблизно 753 мільярдів параметрів, з яких лише близько 40 мільярдів активуються для кожного токена . Саме така розріджена активація і робить економіку моделі надзвичайно вигідною.

Основні технічні характеристики:

• Параметри: ~753B загалом, ~40B активних на токен
• Контекстне вікно: 1,048,576 токенів (повноцінний робочий 1M контекст)
• Максимальна довжина виводу: 128K–131K токенів (джерела наводять дещо різні цифри)
• Ліцензія: MIT, що дозволяє необмежене комерційне та дослідницьке використання
• Режими міркування: "High" (ефективний) та "Max" (максимальне зусилля для складних задач), що дають змогу балансувати між швидкістю та глибиною аналізу

Ключовою архітектурною інновацією є механізм "IndexShare". Щоб зробити величезне контекстне вікно в 1 мільйон токенів економічно доцільним, Z.ai повторно використовує легкий індексатор на кожні чотири шари розрідженої уваги. За технічними оглядами, цей трюк зменшує обчислення на токен приблизно в 2,9 раза при повному 1M контексті, запобігаючи деградації продуктивності, яка часто переслідує моделі з довгим контекстом .

Бенчмарки: бій на рівних із лідерами ринку

Z.ai позиціонує GLM-5.2 прямо проти GPT-5.5 та Claude Opus 4.8. Наведені нижче результати є самозвітом Z.ai, включно з показниками конкурентів. Вони відображають вимірювання одного постачальника і не були незалежно відтворені конкуруючими лабораторіями .

Ключові висновки з тестів

GLM-5.2 випереджає GPT-5.5 у кількох оцінках програмування та міркування. У SWE-bench Pro результат 62.1 проти 58.6 у GPT-5.5 . У тесті FrontierSWE, що вимагає 20 годин автономної інженерної роботи, модель набирає 74.4, тоді як GPT-5.5 — 72.6 . У математиці вона майже ідеально складає AIME 2026 з результатом 99.2, випереджаючи обох американських конкурентів .

Відставання від Claude Opus 4.8 різко скоротилося в агентному кодуванні. Хоча Opus 4.8 все ще має явну перевагу в кількох бенчмарках, зокрема SWE-bench Pro із 69.2 проти 62.1 у GLM-5.2 , результати в довготривалих завданнях дуже близькі. На FrontierSWE різниця становить лише 0.7 пункту (74.4 проти 75.1) . На MCP-Atlas відставання мінімальне — 0.8 пункту (77.0 проти 77.8) .

Стрибок порівняно з попереднім поколінням GLM-5.1 величезний. Найбільше вражає Terminal-Bench 2.1, де результат 81.0 означає зростання на 19 пунктів порівняно з 62.0 у попередника . Це робить GLM-5.2 першою відкритою моделлю, яка подолала бар'єр у 80% у цьому тесті .

Варто зазначити, де GLM-5.2 поки що відстає. На найскладніших, надтривалих завданнях, як-от SWE-Marathon, Opus 4.8 лідирує з відривом 26.0% проти 13.0% — це суттєва різниця, яка вказує на те, що американські моделі все ще надійніші в дуже тривалих агентних процесах .

Ціна та доступність: економіка відкритого доступу

Конкурентна історія GLM-5.2 — це не лише про продуктивність, а й про її вартість.

• Ціна API: Доступна через тарифний план GLM Coding Plan (рівні Lite, Pro, Max і Team), модель коштує приблизно $4.40 за мільйон вихідних токенів . Порівняно з опублікованими цінами GPT-5.5, це означає приблизно 83% зниження операційних витрат .
• Відкриті ваги на Hugging Face: Повні ваги доступні для завантаження за адресою zai-org/GLM-5.2 під ліцензією MIT, включаючи квантовану версію FP8 для зручнішого локального розгортання . Платформа ModelScope також дзеркалює ваги для користувачів у Китаї .
• Екосистема третіх сторін: Окрім власної інфраструктури Z.ai, модель доступна через Cloudflare Workers AI та підтримується в понад 20 сторонніх середовищах для розробки та хостингу, як-от Modular Cloud та Featherless.ai, що пропонують фіксовані тарифи на обслуговування довгих контекстів .

Таке поєднання ліберальної ліцензії MIT та інфраструктурно-незалежного розгортання дає змогу розробникам самостійно хостити модель, інтегрувати її в конвеєри CI/CD та уникати прив'язки до одного постачальника — різкий контраст із закритими API-моделями основних конкурентів.

Стратегічний контекст: відкриті моделі та динаміка США–Китай

Момент виходу GLM-5.2 був символічним не менше, ніж технічним. Реліз припав на той самий тиждень, коли уряд США посилив обмеження щодо Claude Fable 5 від Anthropic, рішення, на яке, як повідомляється, вплинули розмови генерального директора Amazon з представниками Білого дому . Контраст був свідомим і разючим: повністю відкрита китайська модель передового рівня з'явилася саме тоді, коли США посилили контроль над провідною американською лабораторією.

Засновник Z.ai відкрито представив реліз під MIT з гаслом «Передовий інтелект належить кожному» ("Frontier Intelligence Belongs to Everyone") , перетворюючи GLM-5.2 як на технічне досягнення, так і на політичну заяву в контексті загострення технологічного суперництва між США та Китаєм.

GLM-5.2 не існує у вакуумі. Це лише остання з серії дедалі потужніших відкритих моделей від китайських лабораторій — зокрема DeepSeek, Qwen від Alibaba та ERNIE від Baidu — які систематично скорочують розрив у продуктивності із закритими американськими моделями, пропонуючи необмежений доступ за радикально нижчими цінами .