
智谱发布开源新一代旗舰模型GLM-5.2
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,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,审美达全球前沿。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。有开发者称其为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。
此前,智东西对智谱的GLM-4.5、GLM-4.7、GLM-5、GLM-5.1等模型深度体验,GLM-5.2发布后,能感觉到清晰的进化脉络:GLM-4.7实现对彼时顶级编程模型Sonnet 4.6的对齐,而GLM-5.2的“使用体感”与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凭全球可用编程模型第一的成绩和开发者“Opus平替”口碑,跻身顶级俱乐部,“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开发者。
和GLM-5.2协作编程4小时:打造《文明》复刻版
首个实测任务是让GLM-5.2从零开发《文明》风格策略游戏,从M0版本迭代到M4版本。开发前,让GLM-5.2写PRD文档并讨论技术实现,确定用Godot引擎、GDScript实现2.5D画风游戏。
M0版本是项目地基,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。但该版本较粗糙,角色用圆形图标替代,无清晰游戏机制,还有交互小bug。之后在指令下,GLM-5.2调整信息面板无法打开、初始单位无法移动等多个bug,且每个bug修复基本在一两轮对话完成,效率不错。
跳过M1版本,直接开发M2版本,这是游戏深度核心。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,开发工作量大,持续工作30多分钟完成。开发中严格按规则,完成一个功能跑一次测试,没问题再进行下一次开发。迭代后期上下文窗口到30多万tokens,GLM-5.2仍能记得规矩。
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,扩大地图尺寸,还主动考虑游戏优化,将地形渲染拆分为静态和动态层,小地图加缓存优化,让游戏更顺畅。
M4版本工作集中在美感和可玩性,GLM-5.2展现不错审美。如被告知游戏UI设计“没有游戏味儿”,它便找素材更新图标,重新设计交互卡片,提升视觉效果。最后遇到地图扩张到100x100尺寸时画面随拖拽剧烈跳动问题,GLM-5.2成功定位问题,发现从M0版本就存在,与UI控件有关,这意味着它能跨越大几十万上下文长度,精准定位初版代码隐藏bug。
完成开发任务后统计,GLM-5.2总计使用87万上下文窗口,接近极限。它复盘修复的16个bug,统计结果与实际一致,且记得每个bug原因及解法,展现百万上下文场景内的可靠记忆。
30小时播客实录:GLM-5.1败下阵来
GLM-5.2 100万上下文能力可解锁其他用途。日常工作需处理大量长文本信息整合,大上下文窗口模型可提效。实测一次性上传13份AI领域播客实录,总时长超30小时,文本量约25万词,至少30万个token,来自The Lex Fridman Podcast,话题涵盖大模型架构、企业AI战略等多领域,信息分散且有跨期观点呼应、补充与矛盾。
让GLM-5.2读入全部实录后,下达解读任务。跨期观点追踪方面,它成功识别黄仁勋否定“预训练撞墙论”观点,找到Sam Altman对Scaling过程中算力重要性的强调,串起跨越30小时对话、相隔数万字的观点演进链。它总结2023年讨论单一预训练Scaling,之后Scaling Law定义扩展,演变出四条曲线,涵盖预训练、后训练、测试时以及智能体,还判断目前主要难点在架构层面,从播客实录中找到Hassabis、陶哲轩相关论述。
主题聚类方面,GLM-5.2用时1分多钟完成梳理,找到9大主题,每个主题有不同人物观点,显示对数十万上下文内容的把握。抽检关键引语,发现它基本无幻觉,观点可在播客实录印证。
用常规上下文窗口模型处理这类任务,需分段投入、分批总结再人工拼接,会丢失跨实录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,其输出总结更像逐个阅读文件后提炼汇总,无法定位观点跨期变化和联系等细节。不过,在轻量级任务上,GLM-5.1和GLM-5.2使用体感无明显差异,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,两模型输出质量基本持平。百万上下文优势主要在超长任务中,日常小修小改,200K窗口足够,不必追求1M。
百万上下文的真正挑战:装下只是开始,好用便宜才是关键
智谱在GLM-5.2上采用哪些技术实现百万上下文窗口并有效利用?其实,智谱在GLM-4时代就推出过百万上下文窗口模型,但大部分模型此前维持较小上下文窗口。在百万级上下文窗口中,单纯强调“长度”意义有限,真正挑战是随着上下文规模扩展,模型注意力机制计算复杂度呈平方式增长。要让100万token上下文真正可用,需解决模型效果全程不明显衰减和推理成本可控两个核心问题,这涉及大量工程工作。
GLM-5.2从推理基础设施层面和模型架构层协同优化。围绕长序列效率瓶颈,引入IndexShare、KVShare、LayerSplit和HiSparse组合方案。模型架构层,改进GLM-5.2的MTP层实现更好推测解码,应用IndexShare和KVShare组合方案,多步MTP中只在第一步计算索引器,后续复用,不再重复计算。其中,LayerSplit已在GLM-5系列模型“降智”问题优化中验证。GLM主打的Coding Agent工作负载以上下文长、Prefix缓存命中率高为特点,使Context Parallel(CP,上下文并行)成为Prefill节点主要并行策略。
基础设施层,LayerSplit也在GLM-5系列模型“降智”问题优化中验证。该技术针对Coding Agent工作负载特点,解决KV缓存冗余存储问题,核心思路是每张GPU仅持有部分层的KV Cache,降低单卡显存占用。计算时,持有某一层Cache的CP rank会在Attention计算前将其广播给其他rank。为减少开销,设计KV Cache广播与Indexer计算重叠机制,使二者时间上相互掩盖,仅引入约为KV Cache体量1/8的Indexer Cache广播,通信成本对性能影响可忽略。
实验表明,在32k - 1024k请求长度区间内,GLM-5.2系统吞吐量较GLM-5.1提升3% - 192%,上下文越长收益越显著。同时,根据模型稀疏注意力特性,设计HiSparse分层内存系统,主动将非活跃KV缓存条目卸载至主机内存,缓解GPU显存压力,在GPU HBM中维护热点设备缓存区,存放高频访问KV缓存区域,最小化关键路径数据迁移开销。这些优化降低长序列推理显存占用和延迟,使100万上下文“用得起”“好用”。
智谱称,GLM-5.2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新增High与Max两档思考强度设定,复杂编码任务可启用更高档位确保架构级逻辑严谨性。
智谱GLM-5.2的百万级上下文能力将解锁许多新AI应用场景。如在复杂Web Search类任务中,可基于公开资料调研12 - 15个主流K12在线编程教育品牌,输出完整xlsx数据库、分析报告和图表。结合智谱的Agent产品AutoClaw,其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,如一次性写出数十个原型页面,自主迭代和微调,保持设计品牌规范与一致性。在这些任务上,GLM-5.2带来的是“能用还是不能用”的本质差异,是其他不具备百万上下文能力的模型难以想象的。
结语:智谱补齐长程任务技术拼图
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。当模型既能工作久又能记得住,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,未来智谱GLM系列模型还会带来哪些惊喜呢?
2543



被折叠的 条评论
为什么被折叠?



