智谱GLM-5.2开源发布,多项测评领先,解锁百万上下文新应用场景!

《智能体认知动力学导论》深度评析:世界最强模型GML-5.2解析一场将 AI 认知重返数学本源的雄心之旅 《智能体认知动力学导论》评析 张家林的《智能体认知动力学导论》是一部具有突破性意义的开源著作,其核心创新在于将大语言模型的认知过程重构为高维语义黎曼流形上的几何导航问题。该书通过"通义宇宙-流形假设-Fisher信息度量-重心细分-层论粘合-拓扑去重"的理论框架,为当前LLM工程实践中的"Prompt玄学"提供了严谨的数学基础。 著作的主要理论贡献包括:1)提出智能体认知是高维流形几何运动的本质主张;2)揭示Token级控制的局限性(生成测不准原理);3)开发递归重心 阅读详情

智谱GLM-5.2发布,测评表现亮眼

6月17日,智谱正式发布并开源了新一代旗舰模型GLM-5.2。在大模型盲测平台竞技场(Arena.ai)的编程评估系统Code Arena上,GLM-5.2拿下1595分的高分,排名总榜第二,仅次于Fable 5,在全球可用模型中排名第一。在测评“超长程、开放式、高难度软件工程任务”的基准测试FrontierSWE中,GLM-5.2排名仅次于Opus 4.8以及暂时不可用的Fable 5。在专门评测模型品味(taste)的Design Arena上,GLM-5.2取得全球第一的表现,审美冲到全球前沿。知乎大V toyama nao打趣,若Opus是GLM-5.2冒充的,用户可能分辨不出。国内外用户对GLM-5.2反响热烈,有开发者称其是国内第一款在工作流上达到Opus级的模型,海外用户反馈其表现超出预期,与Fable 5的差距比预期小。如今Fable 5无法正常使用,海外网友原以为封禁会拉开差距,没想到GLM已快追上来,这让Anthropic头疼。目前,GLM-5.2 API已上线,企业和用户可在Hugging Face等开源平台直接下载并部署该模型。

GLM-5.2进化脉络清晰,跻身顶级俱乐部

此前,智东西对智谱的GLM-4.5、GLM-4.7、GLM-5、GLM-5.1等模型进行了深度体验。GLM-5.2发布后,能感觉到一条清晰的进化脉络:GLM-4.7实现了对彼时顶级编程模型Sonnet 4.6的对齐,而GLM-5.2的“使用体感”已和Opus级模型基本无差别。在AI编程模型领域,此前全球头部玩家长期只有Anthropic(Claude系列)和OpenAI(GPT系列)。此次,GLM-5.2凭借全球可用编程模型第一的榜单成绩和开发者“Opus平替”的真实口碑,正在跻身这一顶级俱乐部,“Coding御三家”格局正在成形。在闭源巨头垄断编程模型话语权且可能收回访问权限的当下,GLM-5.2用开源将选择权交还给了广大开发者。

与GLM-5.2协作编程,展现强大能力

首个实测任务是让GLM-5.2从零开发一款《文明》风格的策略游戏,从M0版本迭代到M4版本。开发前,让GLM-5.2写了一份PRD文档并讨论技术实现,确定使用Godot引擎、GDScript实现2.5D画风的游戏。M0版本中,GLM-5.2创建并编写十几个文件,生成标准地图网格、基础游戏单位等核心内容,开发完成后快速验证并交付。不过该版本较粗糙,有不少小bug。之后在M0阶段逐一优化bug,GLM-5.2在指令下调整多个bug,修复效率不错。跳过M1版本,直接开发M2版本,这是游戏深度的核心,GLM-5.2自主加入战斗系统、科技树、城市经济和资源限制四大子系统,持续工作30多分钟完成。在开发过程中,GLM-5.2严格按规则完成功能并测试。M3版本让游戏从沙盒变成完整单局,GLM-5.2实现敌方战术AI并扩大地图尺寸,还主动考虑游戏优化,让游戏更顺畅。M4版本主要集中在美感和可玩性方面,GLM-5.2展现出不错的审美,如改进UI设计。最后遇到地图扩张后的画面跳动问题,GLM-5.2成功定位问题,可跨越大几十万上下文长度精准定位初版代码中的隐藏bug。完成开发任务后统计,GLM-5.2总计使用87万的上下文窗口,接近极限,且能复盘修复的16个bug,记得每个bug的原因和解法,展现出在百万上下文场景内的可靠记忆。

GLM-5.2处理长文本,优势明显

GLM-5.2 100万上下文的能力可解锁很多其他用途。实测中,一次性上传13份AI领域相关、总时长超30小时、文本量约25万词的播客实录,让GLM-5.2读入后下达解读任务。在跨期观点追踪任务中,GLM-5.2成功识别相关观点,串起观点演进链,最后给出总结,判断目前主要难点在架构层面,并找到相关论述。在主题聚类任务中,GLM-5.2仅用时1分多钟完成梳理,找到9大主题,且抽检关键引语基本无幻觉。用常规上下文窗口的模型处理这类任务会丢失跨实录的逻辑关联和隐性矛盾,让GLM-5.1(20万上下文窗口)试同一个跨期观点追踪任务,其输出总结未能定位跨文件的细节。不过,在轻量级任务上,GLM-5.1和GLM-5.2使用体感差异不明显,如轻量Web UI开发、单文件代码补全、简单脚本编写、日常问答或短文档摘要等任务,两个模型输出质量基本持平,百万上下文优势主要体现在超长任务中。

实现百万上下文,技术协同优化

智谱在GLM-5.2上采用了哪些技术实现百万上下文窗口并有效利用它呢?其实,智谱在GLM-4时代就推出过百万上下文窗口的模型,但大部分模型此前仍维持较小的上下文窗口。在百万级上下文窗口中,单纯强调“长度”意义有限,真正的挑战是解决模型效果不衰减和控制推理成本两个核心问题。GLM-5.2从推理基础设施层面和模型架构层做协同优化,围绕长序列的效率瓶颈,引入IndexShare、KVShare、LayerSplit和HiSparse的组合方案。在模型架构层,改进GLM-5.2的MTP层实现更好的推测解码,应用IndexShare和KVShare的组合方案,减少重复计算。LayerSplit已在GLM-5系列模型“降智”问题优化中得到验证,针对Coding Agent工作负载特点,重点解决KV缓存冗余存储问题,降低单卡显存占用。在基础设施层,LayerSplit同样得到验证,还设计了KV Cache广播与Indexer计算的重叠机制,减少开销。实验结果表明,在32k - 1024k的请求长度区间内,GLM-5.2的系统吞吐量较GLM-5.1实现了3% - 192%的提升,且上下文越长收益越显著。同时,根据模型的稀疏注意力特性,设计了HiSparse分层内存系统,缓解GPU显存压力,最小化关键路径上的数据迁移开销。这些优化使100万上下文“用得起”“好用”。智谱称,GLM-5.2的线上推理依托多个国产算力平台,已在Day 0完成与华为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞等国产算力平台的推理适配。此外,GLM-5.2还新增了High与Max两档思考强度设定,复杂编码任务中可启用更高档位确保架构级逻辑的严谨性。

GLM-5.2解锁新应用场景,补齐长程任务技术拼图

智谱GLM-5.2的百万级上下文能力将解锁许多新的AI应用场景。例如,在复杂的Web Search类任务中,GLM-5.2可基于公开资料调研主流K12在线编程教育品牌并输出相关数据库、分析报告和图表。结合智谱的Agent产品AutoClaw,GLM-5.2的100万上下文与长程任务能力可服务于设计、法务等白领场景。这些任务的量级和复杂度是其他不具备百万上下文能力的模型难以想象的。回顾智谱近期技术路线,从GLM-5.1将开源模型的长程任务能力推进8小时级,到GLM-5.2以1M上下文进一步延展,技术拼图脉络清晰:先让模型能持续工作更久,再配备足够大的记忆容量。1M上下文解决了长程任务中模型遗忘最初约束的问题。补齐能力拼图后,智谱GLM系列模型在真正工程任务中的可用性有望进一步提升。在实测中,GLM-5.2已完整跑通从理解需求到最终交付的闭环,不再需要逐段拆解任务、反复喂入背景信息、检查中间步骤。当模型既能工作得久又能记得住,才具备成为长期协作伙伴的基础,这也是从“对话式AI”走向“执行式AI”的关键一步。那么,GLM-5.2未来还会带来哪些惊喜呢?

GameMaker 7.05:2D游戏制作初学者与独立开发者指南 GameMaker Studio是为游戏开发者设计的集成开发环境(IDE),提供了一个强大的游戏创建平台。在这一章中,我们将深入了解GameMaker Studio的核心功能和它在游戏开发中的应用。为了吸引包括经验丰富的IT专业人士在内的读者,我们将探讨其背后的原理和技术,以及它是如何简化并加速从概念到发布的过程。拖放编程另一个强大的功能是允许开发者创建自定义的拖放节点。 阅读详情

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

GLM-5.2 性能跻身第一梯队,可惜智谱的GLM Coding Plan真难抢啊

GLM-5.2

风高秋月白,雨霁晚霞红 7091

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

GLM-5.2 深度解析:国产开源大模型的里程碑跨越。免费体验GLM-5.2

每日免费 GLM-5.2:300 万 / 日 Token。Coding Plan 用户享 ZCode 应用内 1.5 倍配额

weixin_45871766的博客 6359

frontend-design skills

frontend-design skills

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

智谱GLM-5.2刚开源我就连夜实测了——1M上下文+MIT协议,这5个变化让我连夜换了模型方案

智谱GLM-5.2刚开源我就连夜实测了——1M上下文+MIT协议的国产开源模型,FrontierSWE仅差Claude Opus 4.8一个百分点,Code Arena全球可用模型第一。本文从架构解析到实测对比到私有化部署,完整还原这代模型的真实水平。

weixin_50937681的博客 1365

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

智谱GLM-5.2开源:编程测评领先,百万上下文解锁新AI应用场景!

回顾智谱技术路线,从GLM-5.1将开源模型长程任务能力推进8小时级,到GLM-5.2以1M上下文进一步延展,脉络清晰:先让模型持续工作更久,再配备足够大记忆容量。长程任务失败常因模型忘了最初约束,1M上下文解决此问题。补齐能力拼图后,智谱GLM系列模型在工程任务中的可用性有望提升。实测中,GLM-5.2跑通理解需求、设计方案、写代码、跑测试、修bug到最终交付的闭环,无需逐段拆解任务、反复喂入背景信息、检查中间步骤是否偏离初衷。

IT界那些事儿 215

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

2026 国产旗舰硬核横评|智谱 GLM-5.2 Ultra VS Kimi K3,参数、定价、能力全透明对比,破除网络谣言

Kimi K3 与智谱 GLM-5.2 Ultra 同为国产百万上下文旗舰,定位路线明显分化:Kimi K3 走「一站式图文混合消费路线」,面向个人创作者、前端、产品人群,网页端体验拉满,擅长带图纸、截图的 VibeCoding 与长文档阅读;商用 API 输出定价偏高,不适合无缓存大批量自动化生产。智谱 GLM-5.2 Ultra 走「工程化文本基座路线」,主打后端大型代码项目、企业 API 服务、私有化部署,纯文本场景 API 成本优势巨大;短板是缺少原生图文一体化能力。

十年老程序猿,AI 疯狂研究专家,前沿硬核知识分享 1758

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

【Reading Notes】(10.3)Favorite Articles from 2026 March

是目前很受国内欢迎的国产开源 AI 桌面客户端,它把 DeepSeek、Claude、Gemini、Ollama 等 300+ 模型一键接入,还原生支持 OpenClaw(小龙虾)快速安装,让你几分钟内就能拥有一个“有灵魂”的持久 AI 伙伴——它会记住你是谁、怎么说话、有底线,还能定时干活、管日程、写代码。他展示了一个实验室管理系统,包括数据分析、实验管理、采购等功能。2)网络安全,就是行业笑话:你以为你是在玩AI,其实,你是把GitHub、Slack、邮箱、API key、数据库的全部钥匙,都给了它。

bryant_meng 1067

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

宏基因组分析|完整分析流程梳理

今天先从最基础的全流程框架说起,无论是刚接触的萌新,还是想查漏补缺的同行,都能找到有用的信息。

weixin_70911870的博客 3167

智谱GLM-5.2实测,一部黑洞诞生动画之后,我认真考虑换掉Claude了

前几天Fable 5发布的时候,黑洞模拟是全网做得最多的AI Coding测试。引力透镜、旋转的吸积盘、幽暗的事件视界,全部在单个HTML文件里用Three.js实现。但我不想做一个静态的黑洞。我想搞个更有野心的,让GLM-5.2把黑洞的「诞生过程」做成一部电影。从一颗红超巨星开始,经历引力坍缩,超新星爆发,最终形成黑洞。

2503_90848750的博客 318

postgresql 数据库 timescaledb 函数time_bucket_gapfill()报错解决及更换 license

最近在工作中使用postgresql 和 timescaledb 的time_bucket_gapfill()函数 报错,让更换license,在网上找了一大圈,没有找到,最后解决了这个问题,这篇文章记录我的解决办法查看timescaledb.license参数命令:show timescaledb.license;修改命令: 结果不行,报错如下:lter system set timescaledb.license=‘timescale’;那只能换包了如果出现上面那种情况,那我们只能先从官网上下载带 '

yang_z_1的博客 3252

智谱:GLM-5 从擅长编码进化到复杂系统工程和长期智能体任务

2月12日,智谱AI推出了最新一代大模型GLM-5,一上线,就供不应求。同一天,也公开了训练这一版模型的所有技术细节。个人感觉不止基础的技术架构上有新的改进,加上吸收了Deepseek的新技术,还在应用方面(编码进一步强化、生成PPT、适应智能体 Agent 的任务、机器翻译、工具调用等等)全面扩展了能力。图 1:GLM-5、DeepSeek-V3.2、Claude Opus 4.5、Gemini 3 Pro 和 GPT-5.2(xhigh)在 8 项智能体、推理和编码基准测试中的结果:: Humanity

626

Starlink地面终端天线对星(一)对星流程,星历下载,信标信号

starlink卫星终端对星采用机械伺服+相控阵电子扫描的混合模式,兼顾快速盲扫和高精度跟踪;对星流程分三步:冷启动与盲捕获 → 建立初始链路并下载星历 → 进入正常通信模式;

chen2jiang3的博客 2727

骑砍Ⅱ霸主MOD开发(16)-FaceKey&BannerKey

摘要:本文介绍了FaceKey人物模型和BannerKey旗帜模型的生成流程。FaceKey通过序列化参数生成人物模型,包括头部(脸部、嘴、睫毛、眼睛)、眉毛、头发、身体和躯干等组件,每个部分通过特定标签和骨骼绑定实现。BannerKey则通过解析参数生成旗帜模型,包括模型、贴图和颜色等元素。两种模型都采用参数化设计和XML配置文件实现模型生成与定制。

骑砍战团&霸主MOD开发 2289
上一篇: 员工手滑致数周训练成果蒸发,xAI追赶之路曲折,竟靠租算力给对手回血!
下一篇: 月费200美元,用满或值1.4万美元!AI订阅模式背后藏成本危机
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值