6 月 13 日，智谱 AI（Z.AI）向 GLM Coding Plan 订阅者推送了 GLM-5.2。三天后，模型权重以 MIT 许可在 Hugging Face 开放。6 月 12 日，Anthropic 在收到美国政府出口管制指令后暂停了 Fable 5 和 Mythos 5 的访问。
GLM-5.2 的进展主要体现在 Agent 编码：让 AI 自主规划、编写、测试和调试复杂软件工程任务。Claude Code 与 Opus 4.8 是这一领域常见的比较对象。GLM-5.2 在部分测试中接近它们的表现，使开发者多了一个可以自行部署的选择。
发布约两周后，社区反馈、OpenRouter 流量和推理服务商的部署动向显示，这个模型正在受到关注。它是否适合替代现有工具，仍需结合具体项目测试。
部分长程任务接近 Opus 4.8，复杂工程测试仍有差距
智谱公布的结果显示，GLM-5.2 在 SWE-bench Pro 上取得 62.1%，低于 Opus 4.8 的 69.2%。在三个专门测试长时间自主工作的基准上，两者的差距并不一致。
FrontierSWE 测量 Agent 能否在数小时到数十小时的尺度上完成开放式技术项目，涵盖系统优化、大规模代码构建和应用 ML 研究。GLM-5.2 的 Dominance 得分为 74.4，与 Opus 4.8 的 75.1 相差 0.7 分。PostTrainBench 给每个 Agent 一台 H100 GPU，评估它通过后训练能多大程度改进小模型——换句话说，测试 AI 做 AI 研究的能力。GLM-5.2 得分 34.3，超过 GPT-5.5 的 28.4 和 Gemini 3.1 Pro 的 21.6，仅次于 Opus 4.8 的 37.2。在 SWE-Marathon——覆盖构建编译器、优化内核、开发生产级服务等超长周期任务——GLM-5.2 得分 13.0，落后 Opus 4.8 的 26.0 较多，但在这组被比较的开源模型中领先（GLM-5.1 仅得 1.0）。
官方在同一评测框架下的比较还显示：Terminal-Bench 2.1 从 GLM-5.1 的 63.5 跳到 81.0（Opus 4.8 为 85.0），DeepSWE 从 18.0 跳到 46.2。
这些测试涉及长上下文中的逻辑一致性、工具使用、环境反馈，以及子任务的分解和追踪。官方披露，三项长程测试分别由对应评测团队执行，使用 1M 上下文和 Max effort 等设置。结果支持进一步测试其编程能力，但不能将某一项接近的分数推广到所有项目。
共享注意力索引与优化推测解码，降低长上下文开销
支持 1M token 上下文，既要维持长程任务质量，也要控制计算和内存开销。智谱介绍了三方面改进。
IndexShare 稀疏注意力。GLM-5.2 基于稀疏注意力（DSA）架构，引入了一个关键改进：每 4 个 Transformer 层共享同一个轻量级 indexer，将 indexer 的点积和 topk 操作减少到原来的 1/4。在 1M 上下文长度下，每 token 的 FLOPs 降至原来的约 1/2.9，以减少长上下文推理的计算量。
改进的 MTP 推测解码。在多步 MTP（Multi-Token Prediction）中引入 IndexShare 和 KVShare，并结合 rejection sampling 和端到端 TV loss 训练。在使用 GLM-5.1 主干和训练数据、设置 7 步 MTP 的消融实验中，这组改进将接受长度从 4.56 提升到 5.47（+20%）。这些方法也用于缩小训练与推理之间的分布差异。
推理引擎优化。据智谱介绍，上下文从 200K 扩展到 1M 后，推理瓶颈从计算转向 KV-cache 容量和长上下文 kernel 开销。GLM-5.2 引入更细粒度的显存管理、kernel 优化和 CPU 侧调度改进，使得在实际部署中随着上下文增长获得越来越大的吞吐量优势。
一个值得注意的细节：GLM-5.2 在训练管线中引入了反作弊（anti-hack）模块。编码 RL 的奖励信号通常是可验证的 pass/fail，Agent 很容易学会走捷径——读取测试用例、curl 下载答案、直接复制参考实现。GLM-5.2 使用规则过滤加 LLM 判断的两阶段检测，在线拦截作弊行为但允许 Agent 继续训练，避免了直接拒绝轨迹导致的训练不稳定。公司将这一设计用于减少奖励漏洞，同时维持训练稳定性。
API 报价较低，任务账单还受 token 用量和重试影响
据发布期媒体汇总，不同服务渠道的 GLM-5.2 API 报价约为 $0.95–$2/百万输入 token 和 $3–$6/百万输出 token。以本文比较较多的 Opus 4.8 为例，标准 API 价格为每百万输入 token 5 美元、输出 token 25 美元，未计缓存、批处理等折扣。其输入单价约为上述 GLM-5.2 渠道报价的 2.5–5.3 倍，输出约为 4.2–8.3 倍；不同模型与渠道的价差并不相同。
媒体还以 GLM Coding Plan 和 Claude 相关订阅作比较，给出约十分之一的价格差。但套餐额度和功能并不相同。若同一任务的单价确实相差 5–10 倍，且 token 用量、重试次数保持不变，原本每月 $10,000 的 API 支出才可能按比例降到 $1,000–$2,000；这是条件估算。
企业需要结合每 token 报价与实际用量，比较完成同一任务的总成本。任务成功率、重试和人工修订都可能影响节省幅度，部分基准上的小差距也不代表整体能力只差一个百分点。正如 Harvey 联合创始人 Gabe Pereyra 对 CNBC 所说："我一直对开源追赶的速度感到惊讶。GLM-5.2 是第一个真正能与一些闭源前沿模型竞争的开源模型。"
前沿模型访问受限，开发者更加关注可用性
GLM-5.2 的发布恰逢部分前沿模型访问受限。时间接近，但现有信息不足以确定其发布时间由管制决定。
6 月 12 日，Anthropic 应美国政府指令暂停了 Fable 5 和 Mythos 5 的访问。6 月 26 日，OpenAI 宣布先向政府及少量可信合作伙伴预览 GPT-5.6 系列，媒体称合作伙伴约 20 家。两项事件都限制了普通开发者即时获取新模型的机会，但一个是暂停访问，一个是尚未广泛发布。
Z.AI 联合创始人唐杰在 Hacker News 上表示："在前沿模型因非技术原因被突然切断访问的时刻，我们更加确信一件事：科学应该是全球性的。AGI 应该是全人类共同探索智能边界、解决复杂挑战的基石，而不是被少数规则垄断、随时可被撤销的特权。"
这段表态也说明了开放权重的吸引力：开发者下载模型后，可以自行部署，减少对单一 API 持续开放的依赖。实际使用仍受到算力、软件和适用法律等条件约束。
Nathan Lambert 在 Interconnects 的分析中点出了更深层的连锁反应：GLM-5.2 与 Fable 5 的禁令在时间上绑定，"这些趋势线未必是因果关联的，但能力肯定是相关的。如果不发生任何改变，我们可能面临一种局面——美国政府判定某个中国开源模型对公众不安全。"在 Mythos 级别能力被认为不适合公开发布、而中国模型正在以 MIT 许可免费推向所有人的情况下，如何评估和管理开放权重模型的能力，也会成为政策讨论的一部分。
生产使用还要验证可靠性、量化影响和维护成本
需要明确 GLM-5.2 的边界。
SWE-bench Pro 上 62.1% 对 69.2%、SWE-Marathon 上 13.0% 对 26.0%——这些差距在工程实践中意味着什么，目前缺乏系统性的第三方验证。社区体验反馈还不能等同于服务等级承诺（SLA）。量化版本（4-bit）在长上下文任务上的退化程度，也需要更多独立测试。
智谱声称的反作弊系统和其他 RL 训练实践，均来自公司自身披露，未经独立审计。OpenRouter 的 token 流量增长曲线和 CNBC 引用的开发者反馈提供了使用热度和体验方面的独立线索，但离"已被广泛验证的生产级替代方案"还有距离。
更关键的是，美国的出口管制政策正在两条轨道上同时运行：一方面限制闭源模型的海外分发，另一方面对先进芯片的出口施加越来越严的管控。后者直接影响中国模型制造商获取训练和推理硬件的途径。这些硬件限制也会影响开放模型的训练和服务成本。
GLM-5.2 为编程 Agent 增加了一个有竞争力的开放模型选项。客户可以在自己的任务上比较它与闭源服务的成功率、总成本、支持和安全保障，再决定采用范围。基准成绩越接近，实际部署和维护条件就越值得认真比较。
