DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
页面导航
页面导航
大模型列表GLM 5.2
GL

GLM 5.2

推理大模型GLM-5

GLM 5.2

发布时间: 2026-06-13更新于: 2026-06-13 16:50:24.323515
在线体验GitHubHugging FaceCompare
模型参数
未披露
上下文长度
200K
中文支持
支持
推理能力

智谱 AI 2026 年 6 月发布的 GLM-5 系列最新版本,延续 Agentic Coding 定位,是 GLM-5.1 之后约 2 个月的下一代迭代。

数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法

GLM 5.2

模型基本信息

推理过程
支持
思考模式
思考模式 (默认)常规模式
上下文长度
200K tokens
最大输出长度
128K tokens
模型类型
推理大模型
发布时间
2026-06-13
模型文件大小
暂无数据
MoE架构
否
总参数 / 激活参数
暂无数据 / 不涉及
知识截止
暂无数据
GLM 5.2

开源和体验地址

代码开源状态
MIT License
预训练权重开源
MIT License- 免费商用授权
GitHub 源码
暂无GitHub开源地址
Hugging Face
暂无开源HuggingFace地址
在线体验
https://chat.z.ai/
GLM 5.2

官方介绍与博客

官方论文
暂无官方论文
DataLearnerAI博客
暂无介绍博客
GLM 5.2

API接口信息

接口速度
3/5
暂无公开的 API 定价信息。
GLM 5.2

评测结果

当前尚无可展示的评测数据。

和其他模型对比

暂时没有为该模型整理的相关对比页面。

想自定义其他组合?打开对比工具

GLM 5.2

发布机构

智谱AI
智谱AI
查看发布机构详情
GLM 5.2

模型解读

2026 年 6 月 13 日,智谱 AI 开始全量推送 GLM-5.2,标志着 GLM-5 系列在 GLM-5.1(2026 年 3 月)之后的又一次重要迭代。延续了智谱 AI 约 7 天内测即全量发布的迭代节奏,GLM-5.2 聚焦于 Agentic Coding(智能体编程)方向的持续强化,与同系列的 GLM-5-Turbo 共同构成智谱在 AI Coding 赛道的主要产品矩阵。


一、模型定位

GLM-5.2 是 GLM-5 系列的最新旗舰版本,延续了 GLM-5.1 对「长程任务(Long Horizon Task)」和「自主工程交付」的核心定位。与 GLM-5.1 相比,5.2 版本侧重于进一步提升编程能力、长文本任务稳定性以及多步工具调用(Multi-Step Tool Use)的可靠性。

智谱 AI 在 GLM-5 系列上坚持快速迭代策略,每次版本升级都以具体的工程能力跃升为目标,而非追求大版本的宣传效果。GLM-5.2 的发布时间节点(2026 年 6 月)正处于全球 AI Coding 赛道竞争最为激烈的阶段,与 Claude Opus 4.x、GPT-5.x Codex 等产品同场竞技。


二、架构与技术规格

GLM-5.2 采用与 GLM-5.1 相同的 MoE(混合专家)架构,基于 GLM-5 的技术路线延续开发。具体参数量与技术报告随官方正式文档发布后更新。已知基本规格:

  • 上下文窗口:200K tokens
  • 最大输出:128K tokens
  • 思考模式:支持思考(Thinking)与标准(Standard)两种模式
  • 训练框架:Slime 异步强化学习框架(智谱自研)
  • 硬件:华为昇腾芯片 + MindSpore 框架,全程无 NVIDIA 依赖

三、开源与许可

GLM-5.2 延续 GLM-5 系列的 MIT License 开源策略,模型权重可免费商用,支持私有化部署与二次微调,无商业限制。API 接入通过智谱 AI 开放平台(open.bigmodel.cn)提供,也可通过 Z.ai 平台(chat.z.ai)体验。


四、评测成绩

GLM-5.2 发布时 benchmark 评测数据待官方公布,届时将在此更新。

作为参考,其前代 GLM-5.1 的主要成绩:

  • SWE-Bench Pro:58.4(全球第 2 / 24,开源第 1)
  • AIME 2026:95.3(数学推理;全球第 1 / 11)
  • BrowseComp:79.36(联网信息检索;全球前 6)
  • Terminal Bench 2.0:63.56(全球前 6)

五、局限性

继承 GLM-5 系列共性限制:超长上下文(多轮工程任务积累后)存在幻觉风险;MoE 架构在 Agent 超长链路中可能存在路由漂移;响应延迟较高(推理模式下 30–60 秒),高峰期有限流。具体到 5.2 版本的变化,待官方报告更新。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码