💼VentureBeat•較早收集於 5m
Z.ai 發布 GLM-5.2：開源權重編碼模型擊敗 GPT-5.5
#open-weights#coding-assistant#long-context#llm-optimizationglm-5.2z.aiglm-5.2hugging faceopenaianthropic
💡首個在編碼領域挑戰 GPT-5.5 的開源權重模型，具備 100 萬上下文與 2.9 倍運算效率。
⚡ 30-Second TL;DR
有什麼變化
具備 7,530 億參數與 100 萬 token 的上下文窗口。
為什麼重要
此發布為尋求規避美國專有模型相關監管風險與地理限制的企業，提供了一個可行且高效能的替代方案。
下一步行動
從 Hugging Face 下載 GLM-5.2 權重，並針對您特定的長跨度編碼工作流程，與您目前的專有 API 進行基準測試比較。
誰應關注：Developers & AI Engineers
關鍵要點
- •具備 7,530 億參數與 100 萬 token 的上下文窗口。
- •IndexShare 架構將每個 token 的運算 FLOPs 降低了 2.9 倍。
- •以不受限制的 MIT 開源授權發布，支援本地部署。
- •在長跨度編碼基準測試中超越 GPT-5.5 與 Claude Opus 4.8。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 13 個來源。
🔑 增強重點摘要
- •Z.ai（前身為智譜AI）是一家由清華大學教授於2019年創立的中國知名人工智慧新創公司，以其開源的GLM系列大型語言模型而聞名，特別擅長編碼和代理任務，並以低推理成本和高效能著稱。
- •Z.ai於2026年1月8日在香港證券交易所上市，成為中國首家進行首次公開募股（IPO）的主要大型語言模型公司，並在2025年夏季的一輪融資中估值約為55億美元。
- •GLM-5.2引入了「努力程度控制」（effort level control）功能，提供「高」（High）和「最大」（Max）兩種思考模式，允許用戶根據任務需求平衡效能、延遲和計算成本。
- •GLM-5.2的100萬token上下文窗口經過專門訓練，用於「長時程」編碼代理任務，涵蓋大規模實施、自動化研究、效能優化和複雜除錯等場景。
- •Z.ai的GLM系列模型自2025年7月起以不受限制的MIT開源授權發布，支援本地部署，使其在全球範圍內可供技術存取，不受地域限制。
📊 競品分析▸ Show
| 特性/定價/基準 | GLM-5.2 (Z.ai) | GPT-5.5 (OpenAI) | Claude Opus 4.8 (Anthropic) | Gemini 3.1 Pro (Google) |
|---|---|---|---|---|
| 參數數量 | 7,530 億 (GLM-5基礎為7440億，活躍400億) | 未公開 | 未公開 | 未公開 |
| 上下文窗口 | 100 萬 token | 100 萬 token (GPT-5系列) | 100 萬 token | 未公開 (Gemini 3.1 Pro) |
| 授權 | MIT 開源授權 | 閉源 | 閉源 | 閉源 |
| 定價 (每百萬token) | GLM Coding Plan訂閱制 (約$18/月起)；API預計低於$2/M輸入 | 未公開 | 輸入 $5 / 輸出 $25 (快速模式 $10 / $50) | 未公開 |
| Terminal-Bench 2.1 (最佳表現) | 81.0 (領先GPT-5.5和Opus 4.7) | 84.0 | 85.0 | 74.0 |
| FrontierSWE | 落後Opus 4.8約1%，領先GPT-5.5約1% | 落後GLM-5.2約1% | 領先GLM-5.2約1% | 未公開 |
| PostTrainBench | 優於Opus 4.7和GPT-5.5，僅次於Opus 4.8 | 落後GLM-5.2 | 領先GLM-5.2 | 未公開 |
| SWE-Marathon | 落後Opus 4.8約13% | 未公開 | 領先GLM-5.2約13% | 未公開 |
| Design Arena (眾包設計任務) | 第一名 | 未公開 | 未公開 | 未公開 |
| 推理模式 | 高 (High) / 最大 (Max) | 可配置的推理努力程度 | 高 (High) / 極高 (xhigh) / 最大 (Max) | 內建思考層級 |
| 輸出token上限 | 131,072 token | 超過100萬 token | 約130,000 token | 未公開 |
| 部署 | 支援本地部署 | 雲端服務 | 雲端服務 | 雲端服務 |
🛠️ 技術深入
- IndexShare 架構：GLM-5.2引入了IndexShare，它在每四個稀疏注意力層中重複使用相同的索引器，在100萬token上下文長度下，將每個token的運算FLOPs降低了2.9倍。索引器放置在四層中的第一層，並將其top-k索引用於所有四層，從而減少了3/4層中索引器點積和top-k操作的計算。
- MTP 層改進：模型改進了其MTP（Multi-Turn Prediction）層，用於推測性解碼（speculative decoding），將接受長度提高了20%。
- 基礎模型架構：GLM-5的基礎是一個7440億參數的混合專家（Mixture-of-Experts, MoE）模型，每個token激活400億參數。GLM-5.1沿用了相同的骨幹架構，並進行了重新定向的後訓練。
- 訓練策略：GLM-5.2從中訓練階段開始就採用了IndexShare，序列長度為128K，在長上下文基準測試中以更少的計算量超越了GLM-5.1。
- 推理瓶頸轉移：隨著上下文長度從20萬擴展到100萬token，編碼工作負載預計將大幅轉向更長的提示。這使得主要的推理瓶頸從計算轉移到KV快取容量、長上下文核心開銷和CPU端開銷。
🔮 前景展望AI analysis grounded in cited sources
GLM-5.2的開源性質和強大的長上下文效能將加劇大型語言模型市場的競爭，特別是在編碼和代理任務領域。
其MIT授權和與GPT-5.5及Claude Opus 4.8等閉源模型相比的基準測試表現，使其成為尋求更高控制權和更低成本的開發者及企業的有力替代方案。
GLM-5.2中的「努力程度控制」功能將推動大型語言模型朝向更可客製化和成本效益更高的使用模式發展。
允許用戶明確平衡模型能力與任務執行速度和計算成本，為不同的應用場景提供了更大的靈活性。
Z.ai在長上下文編碼代理任務上的專注訓練將加速AI在複雜軟體工程領域的應用和自動化。
GLM-5.2專為大規模實施、自動化研究、效能優化和複雜除錯等長時程編碼代理場景進行訓練，預計將提升AI在這些領域的實用性。
⏳ 時間線
2019
Z.ai（當時名為智譜AI）由清華大學教授創立。
2021
GLM（通用語言模型）訓練演算法論文發表。
2023
Z.ai從阿里巴巴、騰訊、美團等投資者處籌集了25億人民幣（約3.5億美元）。
2025-07
智譜AI國際品牌重塑為Z.ai，並發布GLM-4.5和GLM-4.5 Air，採用MIT開源授權。
2026-01-08
Z.ai在香港證券交易所進行首次公開募股（IPO）。
2026-02-11
Z.ai發布GLM-5模型。
2026-04-08
Z.ai將GLM-5.1作為開源模型發布。
2026-06-13
Z.ai發布GLM-5.2模型。
📎 來源 (13)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗
每週 AI 簡報
每週一封，可隨時退訂。