GLM-5.2上线百万上下文,国产最强开源模型来了
01参数规模与架构演进
GLM-5 系列自 2026 年 2 月发布以来,已迭代至 GLM-5.2,三款模型均采用混合专家架构。根据多份技术报告,GLM-5 总参数为 7440 亿(744B),每次推理激活约 400 亿(40B)参数,对应稀疏率约 5.4%。这一架构延续至 GLM-5.1 与 GLM-5.2,未见总参数或激活参数的显著变动。相比之下,前代 GLM-4.5 系列为 355B 总参数、32B 激活参数,可见 GLM-5 起步即实现翻倍扩展。训练数据方面,三者均基于 28.5 万亿 tokens 的预训练语料,较 GLM-4.5 的 23T tokens 有明显提升。值得注意的是,官方尚未披露 GLM-5.2 是否在参数结构上做出微调,目前公开信息仍将其视为 GLM-5 架构的延续。1234
02上下文窗口能力对比
| 维度 | GLM-5 | GLM-5.1 | GLM-5.2 |
|---|---|---|---|
| 上下文窗口 | 约 20 万 tokens | 约 20 万 tokens | 100 万 tokens |
| 最大输出长度 | 约 13 万 tokens | 约 13 万 tokens | 131,072 tokens |
| 是否强调“真正可用” | 否 | 否 | 是 |
03编程与智能体任务能力
- GLM-5:定位为“Agentic Engineering”基座模型,支持复杂系统工程与长周期任务;SWE-Bench Verified 得分 77.8%,开源模型领先。
- GLM-5.1:在 SWE-Bench Pro 中取得 58.4% 成绩,支持长达 8 小时的连续自主工作。
- GLM-5.2:官方称其为“迄今能力最强的开源模型”和“最强国产 Coding 模型”,但截至 2026 年 6 月 17 日,尚未公布独立 benchmark 数据;延续长程任务优势,提供 High/Max 双档思维模式,建议编程使用 Max 档。
04部署生态与开源策略
开源与部署对比
已开源,适配多国产芯片
GLM-5 已在 Hugging Face 开源,采用 MIT 协议[19][22]
深度适配华为昇腾、摩尔线程、寒武纪、昆仑芯、沐曦等国产 GPU[2][3][7][22][31]
单 token 推理成本降低 30%,部署成本降 50%[22]


即将开源,强调确定性
GLM-5.2 权重与 API 计划于 2026 年 6 月下旬开源,同样采用 MIT 协议[1][8][9][11][12][13][16][24][25][26][27]
全程基于华为昇腾 910B 训练,实现全链路自主可控[9][23]
被定位为企业级私有化部署的“避险资产”,应对闭源模型断供风险[23][26]
当前文章无评论,是时候发表评论了