Что такое GLM-5.2? Флагман Z.ai с открытыми весами и контекстом 1M, спустя две версии

GLM-5.2 — это открытая модель с открытыми весами, большая языковая модель только для текста от Z.ai, пекинской лаборатории, ранее известной как Zhipu AI, выпущенная 16 июня 2026 года под лицензией MIT. Это модель mixture-of-experts на 753 миллиарда параметров с контекстным окном в один миллион токенов, и примерно два месяца она была самой сильной открытой моделью для программирования, которую кто-либо мог скачать. Сейчас она уже не занимает эту позицию, потому что с тех пор Z.ai выпустила после неё двух преемников — а это как раз то, о чём большинство страниц про GLM-5.2 умалчивают, и то, что определяет, стоит ли вам всё ещё обращать на неё внимание.

Сорок три статьи в архиве этого блога упоминают GLM-5.2. До сих пор ни одна из них не была посвящена ей: модель появляется как соперник в сравнении за сравнением, фиксированная точка отсчёта, с которой измеряют новые модели. Это странная роль для модели, которую её собственный создатель уже перерос, и именно поэтому существует эта страница — прямое описание того, что такое GLM-5.2 на самом деле, сколько она стоит, в чём она хороша и кому всё ещё стоит её выбирать.

Место GLM-5.2 в собственной линейке Z.ai

Z.ai публикует датированный журнал релизов, и это самый чистый источник для этого. Прочитайте его по порядку — и структура семейства становится очевидной:

• GLM-5 — 12 февраля 2026. Первая GLM-5, ориентированная на сложные задачи системной инженерии и долгосрочные агентные задачи.
• GLM-5.1 — 7 апреля 2026. Работа на длинном горизонте: способна автономно работать до восьми часов в рамках одного запуска.
• GLM-5.2 — 16 июня 2026. Флагман с контекстом 1M для задач на длинном горизонте; в журнале Z.ai она описывается как «контекст 1M без потерь, значительно улучшающий возможности выполнения задач на длинном горизонте».
• GLM-5.3 — 18 августа 2026. Та же базовая модель, что и GLM-5.2, а улучшения достигнуты за счёт постобучения. Z.ai сообщает о 50% улучшении по сравнению с GLM-5.2 в своём внутреннем Code Bench и о передовом открытом результате на Terminal Bench 3.0.
• GLM-5.3-Flash — 26 августа 2026. Другая, меньшая модель, построенная на новой обученной базе (всего 320B, 18B активных), первая нативно мультимодальная GLM-5.

Важная строка — это запись GLM-5.3. GLM-5.3 — не увеличенная версия GLM-5.2: это те же базовые веса, продвинутые дальше с помощью постобучения. Поэтому GLM-5.2 — последняя модель в линейке, чьи возможности определялись архитектурой, а GLM-5.3 — текущий текстовый флагман. Если сегодня вы выбираете модель Z.ai только по качеству, ответ — GLM-5.3, а не GLM-5.2.

GLM-5.3-Flash — это отдельная ветка, а не более дешёвый GLM-5.3: меньшая, нативно мультимодальная модель (текст, изображения и видео), цена которой на порядок ниже, чем у текстовых флагманов. Если вам нужны визуальные возможности, GLM-5.2 — не та модель, которая вам нужна ни в том, ни в другом случае.

Спецификация

• Параметры — 753B всего, согласно карточке модели на zai-org/GLM-5.2-FP8. Z.ai не указывает количество активных параметров в этой карточке; сторонние листинги оценивают его примерно в 40B на токен, и мы не смогли подтвердить эту цифру из первоисточника.
• Контекстное окно — 1M токенов, описывается в карточке как «солидный контекст на 1M токенов, который стабильно поддерживает длительную работу».
• Максимальный вывод — 128K токенов.
• Модальность — текст на входе, текст на выходе. Ни ввода изображений, ни аудио. Наша собственная карточка модели в каталоге гласит, что она «поддерживает только текстовый ввод».
• Лицензия — MIT, без региональных ограничений. Веса опубликованы через организацию zai-org на Hugging Face в вариантах BF16 и FP8.
• Управление рассуждениями — гибридный режим мышления, управляемый параметром reasoning_effort с настройками high и max, по умолчанию — max. Поддерживаются нативный вызов инструментов и структурированный вывод.
• Архитектура — IndexShare, которая переиспользует один лёгкий индексатор в каждом четвёртом слое разреженного внимания и, согласно карточке модели, сокращает число FLOPs на токен в 2,9 раза при полном контексте; плюс улучшенный слой многотокенного предсказания, который увеличивает длину принятия при спекулятивном декодировании до 20%.
• Оборудование для обучения — освещение запуска в прессе утверждает, что модель обучалась на ускорителях Huawei Ascend без оборудования Nvidia. Это утверждение из новостных публикаций, а не из карточки модели, и мы передаём его именно как таковое.

В чём GLM-5.2 измеримо хорош

Почти всё, в чём GLM-5.2 силён, — это измерения в области программирования или агентных задач, и приведённые ниже числа заявлены вендором — они взяты из таблицы бенчмарков в собственной карточке модели Z.ai, а не из независимого воспроизведения.

• Terminal Bench 2.1 (Terminus-2) — 81,0 против 63,5 у GLM-5.1. Это самый крупный скачок между поколениями во всей таблице.
• SWE-bench Pro — 62,1 против 58,4 у GLM-5.1.
• FrontierSWE (Dominance) — 74,4 против 30,5 у GLM-5.1 и 72,6 у GPT-5.5.
• AIME 2026 — 99,2. GPQA-Diamond — 91,2. Оба показателя уверенно сопоставимы с закрытыми фронтирными моделями в собственной таблице Z.ai.
• MCP-Atlas (публичный набор) — 76,8, практически на уровне 77,8 у Claude Opus 4.8 в той же таблице.
• Воспроизведение в длинном контексте — 78,3, и это самое важное число для окна в 1M токенов. Окно полезно лишь тогда, когда воспроизведение сохраняется на глубине, а собственная цифра Z.ai говорит, что в основном так и есть.

Независимая картина менее полна, но реальна. Artificial Analysis приводит для GLM-5.2 оценку 34 по своему Intelligence Index v4.3.2, что ставит её на 11-е место из 114 моделей в её классе. С этой цифрой связаны две оговорки, и Artificial Analysis сама указывает обе: модель помечена на её странице как устаревшая (deprecated), и она «продолжает бенчмаркинг производительности только для рабочей нагрузки по умолчанию с 10 тыс. входных токенов» — результаты для других нагрузок являются историческими и больше не обновляются. Наша собственная запись в каталоге для этой модели содержит более старый снимок оценки от 25 июня 2026 года с показателем интеллекта 33,7; он относится не к той же ревизии индекса, что и актуальный показатель, и его не следует воспринимать как изменение в модели.

В чём он измеримо плох

Три вещи, и о них стоит сказать без обиняков.

• Это чисто текстовая модель. Нет ввода изображений, нет ввода аудио. GLM-5.3-Flash — мультимодальная модель в этом семействе, и если ваши задачи связаны со скриншотами, PDF или видео, то GLM-5.2 — совершенно не та ветка.
• Она сильно проигрывает на самых длинных по горизонту и самых сложных измерениях в области программной инженерии. На SWE-Marathon она набирает 13,0 против 26,0 у Claude Opus 4.8. На DeepSWE — 46,2 против 58 у Claude Opus 4.8 и 70 у GPT-5.5. На NL2Repo — 48,9 против 69,7 у Opus 4.8. Все это цифры, заявленные производителем, из той же таблицы, где GLM-5.2 побеждает в других местах, и именно это делает их убедительными: Z.ai опубликовала их рядом со своими собственными победами.
• Ее превзошли по тем измерениям, которые сделали ее знаменитой. GLM-5.3 использует ту же базу и обходит ее на 50% в собственном Code Bench от Z.ai, а также на Terminal Bench 3.0 и Agents' Last Exam. Кроме того, GLM-5.2 помечена как устаревшая в Artificial Analysis.

Одну цифру мы получить не смогли: нам не удалось подтвердить актуальное независимое измерение пропускной способности или задержки для GLM-5.2 из источника, который мы смогли открыть, поэтому на этой странице она не указана, а не повторяется число, которое мы не смогли проверить.

Цена и где это запустить

Собственная тарифная сетка Z.ai, прочитанная сегодня, указывает GLM-5.2 по цене:

• Ввод — $1.40 за миллион токенов
• Кэшированный ввод — $0.26 за миллион токенов
• Вывод — $4.40 за миллион токенов

Хранение кэшированного ввода указано как бесплатное на ограниченное время. Обратите внимание, что GLM-5.3 имеет ровно те же три тарифные ставки, поэтому более новая модель в прайс-листе Z.ai не дороже — а это устраняет обычную причину оставаться на старой модели.

О доступности: модель обслуживается через собственный OpenAI-совместимый эндпоинт Z.ai по адресу api.z.ai/api/paas/v4/chat/completions, с официальными SDK для Python и Java, а веса можно скачать с Hugging Face для самостоятельного хостинга под лицензией MIT. Кроме того, она доступна через ряд сторонних платформ инференса. Мы маршрутизируем её: OrcaRouter размещает GLM-5.2 на своей странице модели по тарифу провайдера Z.ai с нулевой наценкой, так что указанные выше $1.40 / $4.40 — это то, что вы платите через нас, а не копия с наценкой. Тот же ключ также открывает доступ к остальному каталогу, что здесь важно по конкретной причине — см. ниже.

Кому стоит выбрать GLM-5.2, а кому — что-то другое?

Выбирайте GLM-5.2, если вы разворачиваете модель у себя и требование — окно в 1 млн токенов, а не результаты бенчмарков. Лицензия MIT без региональных ограничений, опубликованные веса FP8 и архитектура внимания IndexShare делают её по-настоящему практичным вариантом для запуска на длинном контексте, а показатель полноты извлечения на глубине — это то число, которое оправдывает такое окно. Это также разумный выбор, если у вас уже есть конвейер, настроенный под её reasoning_effortповедение, и стоимость повторной проверки промптов на GLM-5.3 превышает выигрыш.

Выберите вместо него GLM-5.3, если вы покупаете токены, а не веса и качество — единственный критерий. Это та же базовая модель, но с лучшей посттренировкой, при одинаковых ценах по прайс-листу. В самом тарифном справочнике Z.ai нет никаких ценовых аргументов в пользу старой модели.

Выберите вместо него GLM-5.3-Flash, если вам нужно зрение или если вам нужен самый дешёвый подходящий вариант: он работает с текстом, изображениями и видео, а стоит намного меньше обоих текстовых флагманов.

Выберите что-то совсем другое, если ваша работа относится к самым сложным задачам в области долгосрочной разработки ПО. В собственной опубликованной таблице Z.ai Claude Opus 4.8 превосходит GLM-5.2 в SWE-Marathon, DeepSWE, NL2Repo, SWE-bench Pro, ProgramBench и Tool-Decathlon; GPT-5.5 превосходит её в DeepSWE и ProgramBench. Победы GLM-5.2 реальны, но они сосредоточены в терминальном агентном программировании и рассуждениях, а не в марафонных задачах. Если ваша оценка выглядит как двухчасовой прогон агента по большому незнакомому репозиторию, ценовое преимущество открытых весов не закрывает этот разрыв при таких показателях.

Практическое резюме

GLM-5.2 — это текстовая MoE-модель с 753 млрд параметров, лицензией MIT и контекстом 1 млн токенов, выпущенная 16 июня 2026 года по цене $1,40 / $4,40 за миллион токенов, с заявленными производителем показателями Terminal Bench 2.1 — 81,0, SWE-bench Pro — 62,1 и независимым индексом Artificial Analysis Intelligence Index — 34. Это последний флагман GLM, чьи возможности определялись архитектурой, а не постобучением; производитель уже дважды выпустил ему замену, и он помечен как устаревший в том независимом индексе, который его оценивал.

Ничто из этого не делает её плохой моделью. Это делает её устоявшейся: интересный вопрос о GLM-5.2 в сентябре 2026 года не в том, хороша ли она, а в том, стоит ли для вас конкретная нужная вам вещь — модель для программирования с длинным контекстом, возможностью самостоятельного развертывания и лицензией MIT — больше, чем те три пункта, которые GLM-5.3 добавляет поверх тех же весов. Для большинства покупателей токенов ответ — нет. Для всех, кто скачивает веса, — по-прежнему да.

Если вы хотите проверить это самостоятельно, не задействуя для этого продакшен-путь, слой маршрутизации — дешёвый способ это сделать: направьте один и тот же запрос к GLM-5.2 и GLM-5.3 через одну конечную точку, сравните на своих собственных промптах и позвольте автоматическому переключению при сбое обработать случай, когда именно конечная точка старой модели выходит из строя.

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.