Adakah berat GLM-5.2 terbuka dan bolehkah saya jalankan secara tempatan?

Ya — GLM-5.2 dikeluarkan di bawah lesen MIT tanpa sekatan wilayah, dan beratnya ada di Hugging Face. Z.ai menyokong penyebaran tempatan melalui SGLang, vLLM, Transformers, KTransformers, Unsloth, dan rangka kerja Ascend NPU.

Berapa kos GLM-5.2 dan berapa besar tetingkap konteksnya?

Melalui API Z.ai, harga adalah $0.06 setiap sejuta token input dan $7.00 setiap sejuta token output, dengan tetingkap konteks 1,048,576 token (kira-kira 1 juta).

Bagaimana GLM-5.2 berbeza daripada GLM-5.1?

GLM-5.2 menambah konteks stabil 1 juta token (berbanding tetingkap lebih pendek dalam 5.1), skor pengekodan lebih kuat di SWE-bench Pro dan Terminal Bench, tahap usaha penaakulan yang fleksibel, dan perubahan seni bina — IndexShare dan lapisan MTP yang dipertingkatkan — yang mengurangkan pengiraan per token pada konteks panjang dan meningkatkan panjang penerimaan pengekodan spekulatif.

▲

21.7%

minggu ini

GLM 5.2

9057°

#llm #z-ai #penalaran #pengaturcaraan #ejen #konteks panjang

Berjalan di Graydient

Jalankan model ini

Tawaran / Iklan

Easy Creator (Prism) Web

Tanpa had · yuran tetap

Terbaik untuk pemula. Aliran kerja yang kuat, lengkung pembelajaran rendah.

PirateDiffusion Telegram

Tanpa had · yuran tetap

Cipta video, imej, persona sembang tersuai, dan banyak lagi.

Pro studio (SpyGlass) Web

Tanpa had · yuran tetap

Layari model, render dan perbaiki dari mana-mana pelayar atau telefon.

Discord bot (Vector)

Tanpa had · yuran tetap

Tambah Vector ke pelayan anda atau sertai Discord Vector. Cipta apa sahaja!

Unified Editor Web

Tanpa had · yuran tetap

Editor untuk imej dan video: render, sunting, tingkatkan dan banyak lagi dalam satu halaman.

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Aplikasi tempatan

Perlu tetapan

Pasang program tempatan kalau komputer kau cukup kuat.

ModelDuel Web

Bayar ikut guna

Jana arahan yang sama pada sehingga 50 model checkpoint/asas sekaligus.

Sewa GPU di awan

Graydient Cloud GPU

Tanpa had · yuran tetap

Bayaran tetap, penggunaan tanpa had. Model ini dipasang dengan satu klik.

RunPod Cloud GPU

Caj mengikut minit

Sewa GPU mengikut minit dan pasang model sendiri.

Panduan untuk model ini

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Z.ai | 1,048,576 token context | $0.04/M input, $9.00/M output. GLM 5.2 is a large-scale reasoning model from Z.ai. It supports text input and output with a 1M-token context window, and is suited for long-horizon agent workflows, project-level software engineering, and complex multi-step automation. Reasoning efforts high and xhigh are supported; xhigh maps to max reasoning. It is particularly strong at coding and tool use across long-running tasks, able to maintain engineering context and follow standards consistently through a full development workflow, from requirements to multi-platform deployment, in a single task.

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

GLM-5.2 adalah model penaakulan utama Z.ai yang dibina untuk kerja jangka panjang: kejuruteraan perisian skala projek, automasi berbilang langkah, dan saluran agen yang perlu mengekalkan konteks sepanjang tetingkap 1 juta token penuh. Berat terbuka di bawah lesen MIT tanpa sekatan wilayah membezakannya daripada kebanyakan pesaing kelas hadapan. Jika kerja anda melibatkan tugas pengekodan berterusan atau rantai penggunaan alat yang kompleks dan bukan pertanyaan satu kali yang cepat, ini patut diberi perhatian serius.

Dikenali untuk

Konteks 1 juta token yang kekal konsisten sepanjang tugas kejuruteraan berbilang fail yang panjang
Tahap usaha penaakulan boleh laras, termasuk tetapan maksimum xhigh
Penanda aras pengekodan dunia sebenar yang kukuh: SWE-bench Pro, Terminal Bench, FrontierSWE
Lesen MIT, berat terbuka, tiada sekatan akses wilayah
Peningkatan kecekapan seni bina (IndexShare, pengekodan spekulatif yang dipertingkatkan) untuk konteks panjang

Berhati-hati dengan

Harga output pada $7.00/M token bertambah dengan cepat pada rantai penaakulan panjang; bajet dengan sewajarnya.
Model ini besar; penyebaran tempatan memerlukan perkakasan serius dan rangka kerja inferens yang disokong.
Berat terbuka tetapi menjalankan konteks 1M secara sendiri memerlukan infrastruktur yang kebanyakan individu tidak miliki.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Pembinaan ciri penuh tumpukan

Anda sedang bekerja dalam monorepo dengan API REST Node.js dan frontend React. Tambahkan sistem pemberitahuan pengguna: reka skema pangkalan data, tulis titik akhir API dengan pengesahan input, laksanakan komponen frontend yang memeriksa pemberitahuan baru, dan tulis ujian integrasi. Ikuti konvensyen kod sedia ada dan terangkan setiap keputusan semasa anda berjalan.

Pelan penyebaran berbilang langkah

Saya mempunyai perkhidmatan Python FastAPI yang kini berjalan pada satu VM. Rancang dan laksanakan migrasi ke penyebaran berkontena, pelbagai platform: tulis Dockerfile, fail docker-compose untuk pembangunan tempatan, manifest Kubernetes untuk produksi, dan aliran kerja GitHub Actions yang membina, menguji dan menyebar apabila push ke main. Tandakan sebarang andaian yang anda buat.

Teka-teki penaakulan sukar

Lima jurutera masing-masing memiliki bahasa pengaturcaraan berbeza, minum minuman berbeza, dan duduk dalam barisan lima meja. Jurutera Rust duduk bersebelahan dengan yang minum espresso. Jurutera Python berada di salah satu hujung. Jurutera Go minum teh. Jurutera TypeScript duduk tepat di kiri jurutera Java. Peminum kopi tidak berada di kedua-dua hujung. Siapa yang minum air, dan di meja mana mereka duduk? Tunjukkan penaakulan anda langkah demi langkah.

Bandingkan dengan

GLM 5.3 FlashX
Model hanya API
konteks 1,048,576 token · Input $0.37/M, output $1.25/M
GLM 5V Turbo
Model hanya API
konteks 202,752 token · Input $1.20/M, output $4.00/M
GLM 5 Turbo
Model hanya API
konteks 202,752 token · Input $1.20/M, output $4.00/M
GLM 5.3 Prime
Model hanya API
konteks 1,000,000 token · Input $2.80/M, output $8.80/M

Lebih banyak model teks dari z-ai

Soalan yang sering ditanya

Adakah berat GLM-5.2 terbuka dan bolehkah saya jalankan secara tempatan?: Ya — GLM-5.2 dikeluarkan di bawah lesen MIT tanpa sekatan wilayah, dan beratnya ada di Hugging Face. Z.ai menyokong penyebaran tempatan melalui SGLang, vLLM, Transformers, KTransformers, Unsloth, dan rangka kerja Ascend NPU.
Berapa kos GLM-5.2 dan berapa besar tetingkap konteksnya?: Melalui API Z.ai, harga adalah $0.06 setiap sejuta token input dan $7.00 setiap sejuta token output, dengan tetingkap konteks 1,048,576 token (kira-kira 1 juta).
Bagaimana GLM-5.2 berbeza daripada GLM-5.1?: GLM-5.2 menambah konteks stabil 1 juta token (berbanding tetingkap lebih pendek dalam 5.1), skor pengekodan lebih kuat di SWE-bench Pro dan Terminal Bench, tahap usaha penaakulan yang fleksibel, dan perubahan seni bina — IndexShare dan lapisan MTP yang dipertingkatkan — yang mengurangkan pengiraan per token pada konteks panjang dan meningkatkan panjang penerimaan pengekodan spekulatif.

Keputusan Kapten
Gabungan jarang: pengekodan jangka panjang kelas hadapan dan keupayaan agen, berlesen MIT, dengan berat yang anda benar-benar boleh jalankan sendiri.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #18 Hottest Text / LLM model · #18 Hottest Text / LLM text model

Not this creator?

Get your own badge

Trend populariti GLM 5.2

Skor panas sejak 16 Jun 2026

Skor haba

9,057°

Minggu ini

▲

21.7%

9,030° dulu, 9,057° sekarang

Bulan ini

▲

155%

8,932° dulu, 9,057° sekarang

Tahun lalu

n/a

Belum dikeluarkan/dipantau

7,000°

Lantai

Skala berjalan dari 0° hingga 9,999°. Apa sahaja di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian di situ supaya senarai tetap lengkap. 7,000° adalah tempat data yang diukur bermula: model dengan data sebenar tapi hampir tiada muat turun berada di lantai, dan ukuran mengisi darjah di atasnya. Lantai tidak memberitahu apa-apa tentang model; hanya darjah di atasnya yang buat beza antara satu model dengan model lain.

+1,739°

Token OpenRouter

6,248,561,667,512 token diproses oleh model ini melalui OpenRouter dalam 30 hari terakhir, termasuk arahan dan jawapan. Setiap 10,000,000 token dikira sebagai satu muat turun dalam tempoh muat turun, 624,856 semuanya; token hari terakhir disertakan dalam kadar penggunaan. Sumber: OpenRouter (openrouter.ai/rankings).

+318°

Kadar penerimaan

Kira-kira 17,563 muat turun sehari, diukur antara dua bacaan sumber, tidak pernah dianggarkan dari purata sepanjang hayat. Kelajuan seberat suku istilah muat turun, jadi lonjakan baru kelihatan tanpa membiarkan lonjakan satu hari mengatasi penggunaan bertahun-tahun.

Tunjukkan pecahan terperinci

Setiap nombor di laman ini boleh diperiksa. Skor panas model ini adalah 9,057°, dan ia dibina satu bahan pada satu masa, dengan jumlah terkini selepas setiap langkah: lantai, darjah yang ditambah oleh setiap sumber, bonus untuk jenis model dan apa yang umur beratnya tolak. Warna-warna itu adalah jalur carta di atas. Glosari di akhir menerangkan setiap istilah.

1
Mula di lantai.
Kenapa 7,000° dan bukan sifar: skala dari 0° hingga 9,999°, dan bahagian di bawah 7,000° dikhaskan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian supaya senarai tetap lengkap dan tidak pernah mengatasi model dengan data. 7,000° adalah tempat data yang diukur bermula. Model dengan data sebenar tapi hampir tiada muat turun berada di sini; semua yang berikut adalah ukuran, dan ruang di atas lantai ada sepuluh langkah muat turun sepuluh kali ganda pada 300° setiap satu. Lantai sama untuk setiap model, jadi ia tidak tentukan apa-apa; darjah di atasnya yang buat beza.
7,000°
jumlah berjalan
2
Tambah muat turun.
624,856 muat turun setara semuanya, dari Token OpenRouter. Sepuluh kali muat turun menambah 300° yang sama, jadi saiz penting tapi tidak pernah mengatasi skor.
+1,739°
8,739°
jumlah berjalan
3
Tambah kadar penerimaan.
Sekitar 17,563 muat turun sehari sekarang, diukur antara dua bacaan, dengan berat suku.
+318°
9,057°
jumlah berjalan
=
Skor heat.
Di mana model ini berdiri dalam setiap senarai laman ini. Tiada yang lain mengubahnya.
9,057°

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Bagaimana populariti model ini bergerak berbanding katalog lain: pertumbuhannya dalam muat turun, suka dan penggunaan setiap tempoh, diukur berbanding pertumbuhan model biasa dalam tempoh yang sama, dengan skor panasnya pada masa itu. Di atas pertumbuhan biasa dibaca sebagai kenaikan, di bawahnya sebagai penurunan. Masa lalu dibina semula dari jumlah hari ini, hari pertama model dan kelajuan muat turun yang diukur jika ada dua bacaan; model yang tidak wujud pada permulaan tempoh menunjukkan n/a.

Model serupa

Model AI untuk penjanaan imej, video dan teks

GLM 5.2 ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain, semak skor habanya untuk melihat trendnya, dan bukanya di PirateDiffusion atau BitVector untuk mencubanya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm z-ai penalaran pengaturcaraan ejen konteks panjang tempatan

Layari mengikut keluarga model