Apa Itu GLM-5.2? Andalan Open-Weight Berkonteks 1M Milik Z.ai, Dua Versi Setelahnya

GLM-5.2 adalah model bahasa besar open-weight khusus teks dari Z.ai, lab Beijing yang sebelumnya dikenal sebagai Zhipu AI, yang dirilis pada 16 Juni 2026 di bawah lisensi MIT. Ini adalah model mixture-of-experts dengan 753 miliar parameter dan jendela konteks satu juta token, dan selama sekitar dua bulan, model ini merupakan model coding open-weight terkuat yang bisa diunduh siapa pun. Model ini tidak lagi memegang posisi tersebut, karena Z.ai sejak itu telah merilis dua penerus yang dibangun di atasnya — bagian yang dilewatkan oleh sebagian besar halaman tentang GLM-5.2, dan bagian yang menentukan apakah Anda masih perlu peduli.

Empat puluh tiga artikel di arsip blog ini menyebut GLM-5.2. Hingga kini, tidak satu pun dari artikel-artikel itu yang benar-benar membahasnya: model ini muncul sebagai lawan dalam perbandingan demi perbandingan, titik acuan tetap yang menjadi tolok ukur bagi model-model yang lebih baru. Itu peran yang aneh bagi model yang pembuatnya sendiri sudah beralih darinya, dan itulah alasan halaman ini ada — deskripsi lugas tentang apa sebenarnya GLM-5.2, berapa biayanya, apa keunggulannya, dan siapa yang sebaiknya tetap memilihnya.

Di mana posisi GLM-5.2 dalam lini Z.ai sendiri

Z.ai menerbitkan log rilis bertanggal, dan ini adalah sumber paling bersih untuk hal tersebut. Bacalah secara berurutan, dan bentuk dari keluarga ini akan langsung terlihat jelas:

• GLM-5 — 12 Februari 2026. GLM-5 pertama, ditujukan untuk rekayasa sistem kompleks dan tugas agen jangka panjang.
• GLM-5.1 — 7 April 2026. Pekerjaan berhorizon panjang, mampu berjalan mandiri hingga delapan jam dalam satu eksekusi.
• GLM-5.2 — 16 Juni 2026. Flagship berkonteks 1M untuk tugas berhorizon panjang; log Z.ai mendeskripsikannya sebagai "konteks lossless 1M, secara signifikan meningkatkan kemampuan tugas berhorizon panjang".
• GLM-5.3 — 18 Agustus 2026. Model dasar yang sama dengan GLM-5.2, dengan peningkatan yang berasal dari pasca-pelatihan. Z.ai melaporkan peningkatan 50% dibandingkan GLM-5.2 pada Code Bench internal mereka dan state of the art open-source pada Terminal Bench 3.0.
• GLM-5.3-Flash — 26 Agustus 2026. Model berbeda dan lebih kecil yang dibangun di atas basis yang baru dilatih (total 320B, aktif 18B), GLM-5 pertama yang multimodal secara native.

Baris penting di sini adalah entri GLM-5.3. GLM-5.3 bukanlah GLM-5.2 yang lebih besar — ia adalah bobot dasar yang sama yang didorong lebih jauh dengan pelatihan pascapelatihan. Itu menjadikan GLM-5.2 model terakhir dalam lini tersebut yang kemampuannya berasal dari arsitektur, dan menjadikan GLM-5.3 sebagai unggulan teks saat ini. Jika Anda memilih model Z.ai hari ini hanya berdasarkan kualitas, GLM-5.3 adalah jawabannya dan GLM-5.2 bukan.

GLM-5.3-Flash adalah cabang tersendiri, bukan GLM-5.3 yang lebih murah: model yang lebih kecil dan multimodal secara native (teks, gambar, dan video) dengan harga satu orde magnitudo di bawah model unggulan teks. Jika Anda membutuhkan kemampuan visi, GLM-5.2 bukan model yang Anda inginkan dalam kedua kasus tersebut.

Lembar spesifikasi

• Parameter — total 753B, sesuai kartu model di zai-org/GLM-5.2-FP8. Z.ai tidak menyebutkan jumlah parameter aktif di kartu tersebut; daftar pihak ketiga menempatkannya sekitar 40B per token, dan kami tidak dapat mengonfirmasi angka itu dari sumber primer.
• Jendela konteks — 1M token, dijelaskan di kartu sebagai "konteks 1M token yang solid yang secara stabil menopang pekerjaan berjangka panjang".
• Output maksimum — 128K token.
• Modalitas — teks masuk, teks keluar. Tidak ada input gambar, tidak ada audio. Entri katalog kami sendiri untuk model ini menyatakan bahwa model ini "hanya mendukung input teks".
• Lisensi — MIT, tanpa batasan regional. Bobot dipublikasikan melalui organisasi zai-org di Hugging Face dalam varian BF16 dan FP8.
• Kendali penalaran — mode berpikir hibrida yang digerakkan oleh parameter reasoning_effort dengan pengaturan high dan max, dengan nilai default max. Pemanggilan alat native dan output terstruktur didukung.
• Arsitektur — IndexShare, yang menggunakan kembali satu indexer ringan di setiap empat lapisan sparse-attention dan, menurut kartu model, memangkas FLOPs per token sebesar 2,9× pada konteks penuh; ditambah lapisan prediksi multi-token yang disempurnakan yang meningkatkan panjang penerimaan speculative decoding hingga 20%.
• Perangkat keras pelatihan — liputan pers tentang peluncuran menyatakan model ini dilatih pada akselerator Huawei Ascend tanpa perangkat keras Nvidia. Itu adalah klaim dari pemberitaan, bukan dari kartu model, dan kami menyampaikannya sebagaimana adanya.

Apa yang secara terukur menjadi keunggulan GLM-5.2

Hampir semua hal yang dikuasai GLM-5.2 adalah pengukuran pengodean atau agentik, dan angka-angka di bawah ini dilaporkan oleh vendor — angka tersebut berasal dari tabel benchmark pada kartu model Z.ai sendiri, bukan dari reproduksi independen.

• Terminal Bench 2.1 (Terminus-2) — 81,0, dibandingkan 63,5 untuk GLM-5.1. Itu adalah lompatan antargenerasi tunggal terbesar di tabel.
• SWE-bench Pro — 62,1, dibandingkan 58,4 untuk GLM-5.1.
• FrontierSWE (Dominance) — 74,4, dibandingkan 30,5 untuk GLM-5.1 dan 72,6 untuk GPT-5.5.
• AIME 2026 — 99,2. GPQA-Diamond — 91,2. Keduanya cukup kompetitif dengan frontier tertutup pada tabel Z.ai sendiri.
• MCP-Atlas (set publik) — 76,8, pada dasarnya setara dengan 77,8 milik Claude Opus 4.8 pada tabel yang sama.
• Recall konteks panjang — 78,3, angka yang paling penting untuk jendela 1 juta token. Jendela itu hanya berguna jika recall tetap terjaga pada kedalaman, dan angka Z.ai sendiri menunjukkan bahwa sebagian besar memang demikian.

Gambaran independennya lebih tipis tetapi nyata. Artificial Analysis mencantumkan GLM-5.2 dengan skor Intelligence Index 34 pada Intelligence Index v4.3.2 miliknya, menempatkannya di peringkat ke-11 dari 114 model di kelasnya. Ada dua catatan yang melekat pada angka itu, dan Artificial Analysis menyatakan keduanya sendiri: model tersebut ditandai sebagai deprecated di halaman mereka, dan mereka "hanya melanjutkan tolok ukur kinerja untuk beban kerja 10k token masukan bawaan" — hasil untuk beban kerja lain bersifat historis dan tidak lagi diperbarui. Entri katalog kami sendiri untuk model ini memuat snapshot evaluasi yang lebih lama dari 25 Juni 2026 dengan skor Intelligence 33,7, yang bukan merupakan revisi indeks yang sama dengan angka langsung dan tidak boleh dibaca sebagai perubahan pada model.

Dalam hal apa ia secara terukur buruk

Tiga hal, dan ini layak disampaikan dengan blak-blakan.

• Ini hanya teks. Tidak ada input gambar, tidak ada input audio. GLM-5.3-Flash adalah model multimodal di keluarga ini, dan jika beban kerja Anda menyentuh tangkapan layar, PDF, atau video, GLM-5.2 sepenuhnya bukan cabang yang tepat.
• Ia kalah telak pada pengukuran rekayasa perangkat lunak dengan horizon terpanjang dan tersulit. Pada SWE-Marathon, skornya 13,0 versus 26,0 milik Claude Opus 4.8. Pada DeepSWE, skornya 46,2 versus 58 untuk Claude Opus 4.8 dan 70 untuk GPT-5.5. Pada NL2Repo, skornya 48,9 versus 69,7 milik Opus 4.8. Semua ini adalah angka yang dilaporkan vendor dari tabel yang sama yang menunjukkan GLM-5.2 menang di tempat lain, itulah yang membuatnya kredibel: Z.ai menerbitkannya bersebelahan dengan kemenangannya sendiri.
• Ia telah digantikan pada pengukuran yang membuatnya terkenal. GLM-5.3 menggunakan basis yang sama dan mengalahkannya di Code Bench milik Z.ai sendiri sebesar 50%, di Terminal Bench 3.0 dan di Agents' Last Exam. GLM-5.2 juga ditandai sebagai deprecated di Artificial Analysis.

Satu angka yang tidak dapat kami peroleh: kami tidak dapat mengonfirmasi pengukuran throughput atau latensi independen terkini untuk GLM-5.2 dari sumber yang dapat kami buka, jadi halaman ini tidak mencantumkan angka apa pun daripada mengulang angka yang tidak dapat kami periksa.

Harga dan di mana menjalankannya

Daftar tarif Z.ai sendiri, yang dibaca hari ini, mencantumkan GLM-5.2 sebesar:

• Input — $1,40 per juta token
• Input yang di-cache — $0,26 per juta token
• Output — $4,40 per juta token

Penyimpanan input yang di-cache tercantum gratis untuk waktu terbatas. Perhatikan bahwa GLM-5.3 memiliki tepat tiga tarif yang sama, sehingga model yang lebih baru tidak lebih mahal dalam daftar Z.ai — yang menghilangkan alasan biasa untuk tetap menggunakan model yang lebih lama.

Tentang ketersediaan: model ini dilayani melalui endpoint milik Z.ai yang kompatibel dengan OpenAI di api.z.ai/api/paas/v4/chat/completions, dengan SDK resmi untuk Python dan Java, dan bobotnya dapat diunduh dari Hugging Face untuk self-hosting di bawah MIT. Di luar itu, model ini tersedia melalui sejumlah platform inferensi pihak ketiga. Kami merutekannya: OrcaRouter menyediakan GLM-5.2 di halaman modelnya dengan tarif penyedia Z.ai tanpa markup, jadi $1,40 / $4,40 di atas adalah yang Anda bayarkan melalui kami, bukan salinan yang dikenai markup. Kunci yang sama juga menjangkau seluruh katalog lainnya, yang di sini penting karena alasan tertentu — lihat di bawah.

Siapa yang harus memilih GLM-5.2, dan siapa yang harus memilih yang lain

Pilih GLM-5.2 jika Anda melakukan hosting sendiri dan jendela 1M token adalah persyaratannya, bukan skor benchmark. Lisensi MIT tanpa pembatasan regional, bobot FP8 yang dipublikasikan, dan desain atensi IndexShare membuatnya benar-benar praktis untuk dijalankan pada konteks panjang, dan angka recall pada kedalaman adalah angka yang membenarkan jendela tersebut. Ini juga pilihan yang masuk akal jika Anda sudah memiliki pipeline yang telah disetel untuk perilaku reasoning_effort-nya dan biaya memvalidasi ulang prompt terhadap GLM-5.3 melebihi keuntungannya.

Pilih GLM-5.3 saja jika Anda membeli token, bukan bobot, dan kualitas adalah satu-satunya sumbu. Ini adalah model dasar yang sama, dengan pasca-pelatihan yang lebih baik, pada harga daftar yang identik. Tidak ada argumen harga untuk model lama pada kartu tarif Z.ai sendiri.

Pilih GLM-5.3-Flash saja jika Anda membutuhkan kemampuan visi, atau jika Anda menginginkan opsi mumpuni dengan harga termurah: model ini menangani teks, gambar, dan video serta harganya jauh lebih murah daripada kedua model unggulan teks.

Pilih yang sama sekali berbeda jika pekerjaan Anda berada di ujung tersulit dari rekayasa perangkat lunak berjangka panjang. Pada tabel terbitan Z.ai sendiri, Claude Opus 4.8 mengalahkan GLM-5.2 pada SWE-Marathon, DeepSWE, NL2Repo, SWE-bench Pro, ProgramBench, dan Tool-Decathlon; GPT-5.5 mengalahkannya pada DeepSWE dan ProgramBench. Kemenangan GLM-5.2 nyata, tetapi terkonsentrasi pada pengodean agentik bergaya terminal dan penalaran, bukan pada tugas-tugas maraton. Jika evaluasi Anda tampak seperti agen yang dijalankan selama dua jam terhadap repositori besar yang tidak dikenal, keunggulan harga open-weight tidak menutup celah itu berdasarkan angka-angka ini.

Ringkasan praktis

GLM-5.2 adalah model MoE hanya-teks dengan 753B parameter, berlisensi MIT, berkonteks 1M, yang dirilis pada 16 Juni 2026 dengan harga $1,40 / $4,40 per juta token, dengan Terminal Bench 2.1 yang dilaporkan vendor sebesar 81,0, SWE-bench Pro sebesar 62,1, dan Artificial Analysis Intelligence Index independen sebesar 34. Ini adalah flagship GLM terakhir yang kemampuannya berasal dari arsitektur, bukan dari pasca-pelatihan, telah digantikan dua kali oleh pembuatnya sendiri, dan ditandai sebagai usang pada indeks independen yang menilainya.

Tak satu pun dari itu membuatnya menjadi model yang buruk. Itu justru membuatnya menjadi model yang sudah mapan: pertanyaan menarik tentang GLM-5.2 pada September 2026 bukanlah apakah model itu bagus, melainkan apakah hal spesifik yang Anda butuhkan — model coding berkonteks panjang, dapat dihosting sendiri, berlisensi MIT — lebih bernilai bagi Anda daripada tiga poin yang ditambahkan GLM-5.3 di atas bobot yang sama. Bagi sebagian besar pembeli token, jawabannya adalah tidak. Bagi siapa pun yang mengunduh bobotnya, jawabannya tetap ya.

Jika Anda ingin mengujinya sendiri tanpa mengikatkan jalur produksi padanya, lapisan perutean adalah cara murah untuk melakukannya: arahkan permintaan yang sama ke GLM-5.2 dan GLM-5.3 melalui satu endpoint, bandingkan dengan prompt Anda sendiri, dan biarkan failover otomatis menangani kasus di mana endpoint model lama yang mengalami gangguan.

Call GLM-5.2 through OrcaRouter at the Z.ai provider rate, zero markup. https://www.orcarouter.ai/models/z-ai/glm-5.2 One API key reaches GLM-5.2, GLM-5.3 and 200+ other models, with automatic failover if an endpoint goes down.