GLM-5.2：智谱 AI 的 100 万 Token 开源权重编码与 Agent 模型

智谱 AI 刚刚发布了一款感觉是为 Agent 而非聊天而设计的开源权重模型。GLM-5.2 是智谱最新的旗舰模型——专为编程、推理和工具驱动的“Agentic”工作负载打造——并以 MIT 开源许可形式提供 100 万 token 上下文窗口。该模型于 2026 年 6 月 13 日发布，接替 GLM-5 家族中的 GLM-5.1，并已在 Z.ai 的 GLM Coding Plan 以及多个第三方平台上线。(apidog)

如果你正在构建 AI Agent、自动化编码工具或长周期工作流，GLM-5.2 是最早一批看起来就是为你的用例而生的开源权重模型之一——而不是从通用助手临时改造而来。本指南将拆解 GLM-5.2 的真实定义、架构与上下文窗口、推理模式、定价、早期基准表现，以及构建者如何在 Eigent 这类 Agent 平台中最大化它的价值。

什么是 GLM-5.2？

GLM-5.2 是智谱 AI（全球以 Z.ai 运营）推出的开源权重大语言模型，重点针对软件工程、多步推理和工具增强型 Agent 工作进行了优化。它建立在 GLM-5 和 GLM-5.1 引入的 Mixture-of-Experts（MoE，专家混合）基础之上，但将上下文窗口扩展到了可实际使用的 100 万 token，同时保持了强大的编码性能。(Modular)

在底层，GLM-5.2 采用大约 7530 亿参数的稀疏 MoE 设计，每个 token 激活约 400 亿参数，并结合了一种新的“IndexShare”稀疏注意力技术，旨在控制 100 万上下文推理成本。智谱将该模型定位为面向编码的、以 Agent 为导向的系统，而不是通用聊天模型——对话被视为构建强大开发者引擎的副产品。(LLM Reference)

这种以 Agent 为先的定位，使 GLM-5.2 与 Anthropic 的 Claude Fable 5 进入同一讨论：前沿模型越来越优先围绕长周期 Agentic 用途设计，而把聊天作为次级接口。

关键规格与架构

GLM-5.2 的核心亮点集中在上下文、推理和开放性上。(DataCamp)

• 100 万 token 上下文窗口，通过 glm-5.2[1m] 模型 ID 提供——足以容纳完整 monorepo、大型文档或长期运行的 Agent 状态。(note)
• 单次响应最多 131,072 个输出 token——足以一次性生成或重构超大文件。(Lush Binary)
• MoE 设计，总参数约 7530 亿，每个 token 激活约 400 亿，沿用 GLM-5.1 基础。(dev.to)
• IndexShare——一种稀疏注意力方案，在多个稀疏层之间复用同一个注意力索引器，降低长上下文长度下的每 token FLOPs。(Latent Space)
• 改进的多 token 预测（MTP） 层用于 speculative decoding（推测解码），据称可将接受率提升约 20%，并帮助提升吞吐量。(Latent Space)

Z.ai 强调，GLM-5.2 延续了 GLM-5 系列“开源权重、编码优先的 DNA”，并升级了上下文窗口和推理控制，而不是追逐全新架构。(Modular)

100 万 Token 上下文：为何重要

100 万 token 上下文窗口是 GLM-5.2 最直观的差异化特性。这大约是此前 GLM-5.x 窗口的 5 倍，使 GLM-5.2 跻身开源权重生态中最大、且可公开使用的上下文窗口之列。(LLM Reference)

从实际角度看，这解锁了几类过去很脆弱的工作流：

• 仓库级代码理解——将整个服务、monorepo 或微服务集群载入单一上下文，而无需激进截断。(Lush Binary)
• 长周期 Agent——Agent 可以在上下文中维持跨多天或多会话的工作记忆，而不是把一切压缩成工具专用摘要。(CometAPI)
• 复杂文档分析——法律语料、技术标准或数千页 PDF 可以一次性处理，而不必依赖分块拼接流水线。(CometAPI)

Cloudflare Workers AI 的集成在这里是一个有用信号：它开放了带函数调用、推理支持和大上下文的 GLM-5.2（当前部署为 262k token，未来计划扩展），专门面向大型代码库和多步规划。这表明该模型是为持续的高上下文工作负载而调优的——不只是一个营销层面的“100 万”数字。(Cloudflare)

双重推理模式：High 与 Max

GLM-5.2 引入了两级“thinking-effort（思考力度）”系统：High 和 Max。(AI Weekly)

• High 是大多数编码任务的默认模式，会在响应前使用结构化 chain-of-thought（思维链）推理，但推理预算有限。Z.ai 推荐将其用于日常代码生成、重构和调试，适合在可靠性和速度之间取得平衡。(DataCamp)
• Max 会提高推理预算，适用于更复杂的问题和更长的 Agentic 序列，但代价是延迟和 token 消耗增加。它面向非平凡 bug、跨服务重构、架构变更和多步规划。(AI Weekly)

从 Agent 设计角度来看，这为你提供了一个在不切换模型的前提下按任务难度匹配推理深度的杠杆。你可以把常规操作路由到 High，并将棘手工单、规划步骤或失败尝试升级到 Max——这是一个单模型版本的分类与路由模式，严肃的 Agentic 系统本来就依赖它。

Agentic 能力与工具使用

智谱将 GLM-5.2 定位为“面向 Agent 的”模型，专为支持自动化工作流、工具增强型 Agent 和长周期编码任务而设计。(Atlas Cloud)

Cloudflare 的部署将 @cf/zai-org/glm-5.2 描述为“为 Agentic 编码工作流打造”的文本生成模型，原生支持函数调用和多轮工具使用。其重点包括：(Cloudflare)

• 函数调用，用于在多轮对话中调用工具和 API，支持经典的 Agent 工具使用循环。
• 长周期规划，基于 100 万上下文和推理模式覆盖大型代码库。(note)
• 复杂问题求解，包括多步推理和结构化 chain-of-thought。(dev.to)

第三方评测强调，GLM-5.2 针对仓库级软件工程和长期运行的 Agent 工作流进行了优化，而不是一次性代码补全——这与 Z.ai 的表述一致：GLM 是“刻意为软件开发而非纯聊天而构建”的，编码、工具使用和长周期 Agent 工作流才是其设计中心。(AI for Anything)

开源权重与许可

GLM-5.2 最重要的战略动作之一，就是它的许可与分发方式。Z.ai 承诺将 GLM-5.2 以 MIT 许可的开源权重模型 形式发布，延续 GLM-5 和 GLM-5.1 的路径。(Gigazine)

• LLM Reference 和开发者指南将 GLM-5.2 描述为 MIT 许可下的开源、开源权重模型，权重可在 Hugging Face 获取（例如 zai-org/GLM-5.2 及 FP8 变体）。(apidog)
• 日本和中国媒体报道也提到，GLM-5.2 预计会在 2026 年 6 月第三周以开源模型形式发布，此前会先向 GLM Coding Plan 订阅者开放。(AI for Anything)

这对生态很重要：一个支持 100 万 token 上下文、采用 MIT 许可、具备前沿编码能力的开源权重模型，为独立开发者和开源平台在 Agentic 系统上提供了对闭源模型的有力替代方案。

基准测试与早期性能信号

在发布时，Z.ai 值得注意地没有为 GLM-5.2 发布完整、官方的基准测试套件——这一点被许多观察者指出。面向开发者的博客强调，公司在最初的技术传播中更强调“100 万上下文和 agentic RL 的基础设施创新”，而不是基准图表。(DataCamp)

不过，LLM Reference 和模型卡总结了自报分数，显示 GLM-5.2 在编码和推理基准上具有竞争力——包括 SWE-bench Pro、Terminal-Bench 和工具使用评测等任务上的强劲表现，但独立验证仍在追赶中。在第三方评测落地之前，最好把早期数据视为方向性信号，而非最终结论。(LLM Reference)

如果你在比较 GLM-5.2 vs GPT-5 vs Claude，今天更诚实的答案是：我们拥有 GLM-5.2 更透明的定价和上下文规格，而不是一对一、第三方基准的完整对照。

定价与访问

Z.ai 正在通过自家产品和合作伙伴平台广泛推出 GLM-5.2，通常定价与之前的 GLM-5.x 模型相同或更低。(AI for Anything)

主要访问方式包括：

• GLM Coding Plan（Lite / Pro / Max / Team）——GLM-5.2 是所有层级的新默认旗舰模型，可直接通过 Z.ai 的编码工具和聊天界面使用。(Gigazine)
• 独立 API 和聊天——Z.ai 已宣布 GLM-5.2 的 API 和聊天访问将在编码工具上线后不久跟进。(note)
• 第三方提供商——OpenRouter 和多模型网关等平台将 GLM-5.2 定价在每 100 万输入 token 约 $1.4（输出更高），在某些地区其价格大约比 GPT-5 或同类前沿模型低一个数量级。(Atlas Cloud)
• Workers AI（Cloudflare）——开放 @cf/zai-org/glm-5.2，支持函数调用和大上下文，并可直接集成到边缘函数和无服务器工作流中。(Cloudflare)

对于自托管，开源权重和 MIT 许可允许你将 GLM-5.2 部署到自己的基础设施或专门推理栈中，包括针对 MoE 优化的运行时。(Modular)

使用场景：GLM-5.2 的强项在哪里

对于 Agent 和工具构建者来说，当你充分利用它的长上下文和编码重点时，GLM-5.2 最具吸引力。

仓库级编码 Agent

100 万上下文、High/Max 推理模式和函数调用的组合，使 GLM-5.2 成为以下场景的强力候选：

• 自动化代码库重构和迁移。
• 跨服务依赖分析和 API 表面探索。
• 跨多个仓库的多步 bug 排查工作流。

开发者指南指出，GLM-5.2 在“仓库规模”的工程任务上进行了测试，而不是玩具级 repo；其长上下文的设计目标是“能在真实仓库上稳定工作，而不是在几十万 token 之后崩掉。”(dev.to)

长周期 Agent 工作流

由于 GLM-5.2 能维持超大上下文并提供推理控制，它非常适合以下 Agent：

• 维护丰富的、token 级别的历史记忆，而不是不断摘要过去运行。
• 通过多轮函数调用协调多工具工作流（API、数据库、搜索、内部工具）。(CometAPI)
• 在同一上下文中混合规划与执行——把计划、中间结果和日志与源代码和文档放在一起。(Lush Binary)

多篇评测将 GLM-5.2 描述为对开发者对“长跑型”Agent 需求的回应，这类 Agent 可以持续数小时专注处理问题，而不会碰到硬性的上下文限制。(note)

多语言开发与文档

GLM-5.2 保持了较强的多语言支持，英语和中文均为一等公民，并继承了 GLM-5 系列更广泛的多语言能力。这使它特别适合处理英中双语代码库和文档的团队，尤其是在开源场景中。(apidog)

局限性与未解问题

GLM-5.2 很有野心，但仍有几个需要注意的点：

• 基准测试仍不完整。 发布时没有全面基准套件，这意味着早期用户必须依赖自报分数和零散测试。(AI Weekly)
• 100 万上下文并非总是完整开放。 一些平台，比如 Cloudflare Workers AI，目前部署时的上下文上限远低于 100 万（例如暂时是 262k token），尽管底层模型支持更多。(note)
• MoE 和长上下文推理对硬件要求很高。 即便有 IndexShare 和 MTP 优化降低了每 token FLOPs，在 100 万 token 上运行 MoE 仍比更小的稠密模型更昂贵；GLM-5.2 并不适合作为单张消费级 GPU 上轻量推理的直接替代品。(apidog)

GLM-5.2 如何融入 AI Agent 生态

从战略上看，GLM-5.2 在 Agent 领域推动了三大趋势：

1. 开源权重前沿模型。 GLM-5.2 证明了前沿级编码和 Agent 能力，以及 100 万上下文，可以在宽松许可下交付——这让开源生态拥有更大的杠杆。(Gigazine)
2. 以 Agent 为先的定位。 Z.ai 明确将 GLM-5.2 品牌化为针对长周期工作流优化的“面向 Agent”模型，而不仅仅是聊天工具——这正符合严肃自动化构建者的需求。(Atlas Cloud)
3. 把上下文当作一等公民产品特性。 GLM-5.2 从营销上的小幅提升，跃升到可实际使用的 100 万 token——并配合 IndexShare 和 MTP 等基础设施变化——表明长上下文可靠性正成为 Agent 平台的基线预期。(Latent Space)

对于创始人、平台构建者和 Agent 框架作者而言，这种开源权重、Agentic 调优和极端上下文的组合，使 GLM-5.2 成为值得尝试的模型——无论是作为主引擎，还是作为多模型路由策略的一部分。

这正是 模型无关的多 Agent 基础设施 的用武之地。模型格局变化很快，而真正胜出的平台，是那些能够在不重构整个技术栈的情况下，把 GLM-5.2 这类模型插入到困难问题中的平台。就像我们曾经 在 Eigent 的 CAMEL Workforce 上运行 MiniMax M2.1 一样，像 GLM-5.2 这样的开源权重模型也可以无缝接入同一编排层。如果这正是你正在构建的底层架构，那么欢迎了解开源、多 Agent 平台 Eigent 如何帮助你在真实世界工作流中编排专用模型。

常见问题

什么是 GLM-5.2？

GLM-5.2 是智谱 AI（Z.ai）最新的旗舰开源权重模型，针对编码、推理和 Agent 工具使用进行了优化。它采用 Mixture-of-Experts 架构（总参数约 7530 亿，每个 token 激活约 400 亿），支持 100 万 token 上下文窗口，并以 MIT 开源许可发布。

GLM-5.2 的上下文窗口有多大？

GLM-5.2 通过 glm-5.2[1m] 模型 ID 支持 100 万 token 上下文窗口——大约是此前 GLM-5.x 窗口的 5 倍。需要注意的是，部分平台目前开放的上下文少于完整的 100 万（例如 Cloudflare Workers AI 目前部署为 262k token）。

GLM-5.2 是开源的吗？

是的。Z.ai 正在将 GLM-5.2 作为 MIT 许可下的开源权重模型发布，权重可在 Hugging Face 获取（例如 zai-org/GLM-5.2 及 FP8 变体），延续 GLM-5 和 GLM-5.1 的开源权重路线。

GLM-5.2 的价格是多少？

Z.ai 将 GLM-5.2 作为其 GLM Coding Plan 各层级的默认旗舰模型。对于 OpenRouter 等第三方网关，它的价格约为每 100 万输入 token $1.4（输出更高）——在某些地区大约比 GPT-5 或同类前沿模型便宜一个数量级。

GLM-5.2 的 High 和 Max 推理模式是什么？

它们是两个“thinking-effort（思考力度）”层级。High 是日常编码任务的默认模式，使用 chain-of-thought 推理并限制预算，以兼顾速度和可靠性。Max 会为更难的问题——非平凡 bug、跨服务重构和多步规划——提高推理预算，但会增加延迟和 token 消耗。

我可以在 Eigent 中使用 GLM-5.2 吗？

可以。Eigent 的模型无关、多 Agent 架构允许你通过其 MCP 工具和 Skills 框架将任务路由到 GLM-5.2——利用它的长上下文和编码重点处理仓库级工作，同时保留其他模型处理常规任务。