@Zai_org：Z.ai 發布旗艦模型 GLM-5.2，具備 1M token 上下文視窗並強化 Agentic 程式開發能力。 Z.ai 於 2026 年 6 月 17…

Z.ai 發布旗艦模型 GLM-5.2，具備 1M token 上下文視窗並強化 Agentic 程式開發能力。 Z.ai 於 2026 年 6 月 17 日正式推出 GLM-5.2，這款旗艦模型專為長跨度（long-horizon）任務設計，提供 1M token 的穩定上下文視窗，並以 MIT 授權釋出開放權重。該模型在程式撰寫、工具呼叫與複雜推理任務上均有顯著提升，並支援靈活的推理努力程度（reasoning effort）控制，讓使用者能在效能與運算成本間取得平衡。 根據官方推文，新一代模型 GLM-5.2 在程式設計、工具使用、推理和通用知識等多個領域的基準測試中，皆以顯著優勢領先其前代模型 GLM-5.1。 核心技術與架構創新 IndexShare 架構：透過在每四層稀疏注意力層（sparse attention layers）中重複使用同一個索引器，將 1M 上下文長度下的每 token FLOPs 降低了 2.9 倍。 MTP 優化：改進了用於推測解碼（speculative decoding）的 MTP 層，使接受長度提升達 20%。 Agentic RL 與防駭機制：針對長跨度任務，採用基於 Critic 的 PPO 公式，並引入防駭模組，透過規則過濾與 LLM 判斷來防止程式開發 Agent 出現獎勵劫持（reward hacking）。 推論引擎優化：針對 1M 上下文進行了細粒度記憶體管理、核心優化及 CPU 端快取管理，以解決長文本推論的瓶頸。 GLM-5.2 藉由 IndexShare 技術在 1024K Token 位置將 FLOPs 降低達 2.9 倍，並透過端到端 TV 損失等優化將 MTP 接受長度提升 20% 至 5.47。 長跨度工程能力 GLM-5.2 在多項長跨度程式開發基準測試中表現優異，成為目前最強的開源模型： FrontierSWE：僅落後 Claude Opus 4.8 約 1%，超越 GPT-5.5 與 Claude Opus 4.7。 PostTrainBench：表現優於 Claude Opus 4.7 與 GPT-5.5，僅次於 Claude Opus 4.8。 實際應用：該模型在大型專案接管、跨模組除錯及符合生產級工程標準（如嚴格遵守 CLAUDE.md 或 lint 規則）方面展現了極高的穩定性。 GLM-5.2 在 FrontiersSWE、PostTrainBench 與 SWE-Marathon 等長任務評測中展現強勁實力，表現逼近 Opus 4.8 並在多數項目超越 GPT-5.5 與 Gemini 3.1 Pro。 開發者資源與使用方式 模型權重：可於 Hugging Face 下載。 API 呼叫：API 定價與 GLM-5.1 相同，支援透過 cURL 或官方 SDK 進行整合。 快速上手（Python SDK 範例）： `python from zai import ZaiClient client = ZaiClient(api_key="your-api-key") response = client.chat.completions.create( model="glm-5.2", messages=[ {"role": "system", "content": "You are a senior full-stack software engineer."}, {"role": "user", "content": "Build a blog website using React + Node.js."} ], thinking={"type": "enabled"}, reasoning_effort="max", max_tokens=4096, temperature=1.0, ) print(response.choices[0].message) ` 根據評測結果，GLM-5.2 在 Agent 編碼任務上的表現相較於前代 GLM-5.1 有顯著提升，並透過提供不同的思考強度（Effort Level）來靈活平衡性能與 Token 輸出效率。 更多詳細資訊與技術文件可參考 Z.ai 官方文件。原文：https://easyvibecoding.app/curated/2044