6月17日智谱AI全新旗舰大模型GLM-5.2正式开源发布。沐曦股份曦云C系列GPU率先完成该模型Day 0适配再度凭借全栈自主软硬件技术实力领跑国产GPU生态适配赛道。GLM-5.2 是智谱迄今能力最强的开源模型支持真正可用的 1M 上下文并在长程任务中继续保持领先。在此之前智谱推出的GLM-5、GLM-5.1、GLM-OCR、GLM-4.6V等全系列模型沐曦股份均实现Day 0同步适配。依托曦云C系列强大硬件算力与MXMACA软件栈深度优化能力沐曦股份为GLM-5.2提供全场景、高稳定、低成本的国产算力方案有效解决大模型落地过程中“适配慢、迁移难、性能损耗大”等行业痛点助力企业快速将GLM-5.2的技术优势转化为产业价值。自2025年12月以来沐曦已累计完成27个主流顶尖模型Day 0适配合作覆盖智谱AI、通义千问、阶跃星辰、百度飞桨、DeepSeek等头部厂商适配品类囊括通用语言、多模态、OCR、机器翻译适配速度、数量、生态广度均位居前列。本次GLM-5.2无缝适配将进一步加速“模型-芯片-框架-应用”全国产AI自主闭环落地。曦云C系列GPU基于沐曦股份全自研的核心GPU IP、指令集和架构打造具备高能效比与高通用性精准匹配大模型的超大规模参数处理及长上下文推理需求。MXMACA软件栈作为连接硬件算力与上层应用生态的核心枢纽全链路覆盖底层驱动、用户态接口、MXCC编译器、算子深度适配及主流训练/推理框架对接原生兼容 PyTorch、TensorFlow、vLLM与SGLang等 40 余种主流 AI 框架支持 500 AI 模型与4500热门开源项目稳定运行大幅缩短传统模型适配周期。曦云C系列GPU依托沐曦自研MXMACA软件栈的深度优化能力成功实现GLM-5.2的高效部署与稳定运行为其前沿能力提供澎湃算力支撑。关于智谱GLM-5.2在全球百万用户参与盲测的前端开发评估系统Code Arena 上GLM-5.2取得全球可用模型第一的表现。今天GLM-5.2专为长程任务能力而生全新特色包括Solid 1M上下文稳定支撑长程任务更强体感更实用的Coding能力极致Infra优化Day 0运行在国产算力平台MIT开源协议无地域限制技术平权无国界一、1M上下文与长程任务GLM-5.2大大扩展了1M Coding Agent的训练环境覆盖大规模实现、自动化研究、性能优化等多个典型领域这使得模型的1M上下文真实表现有时候甚至能超过Opus。1M上下文构成GLM-5.2的长程交付能力在FrontierSWE、SWE-Marathon、PostTrainBench等多个长程任务基准上GLM-5.2的表现介于Claude Opus 4.7与4.8之间是排名最高的开源模型。在实际体验中GLM-5.2自主完成开发、联调、测试到打包上线最终交付一个覆盖Web、移动端与小程序的多端应用。这样一条完整链路累计处理88万以上的tokens几乎用满1M上下文窗口。过去这样的大型工程需要一支团队协作数周GLM-5.2能在一次连续的长程任务中跑完。二、Coding体感GLM-5.2在前端、后端、长程任务等开发场景下的成功率相比前一代GLM-5.1都有长足提升复杂系统工程与深度调试更稳。在主流编程基准上GLM-5.2保持开源SOTA与Claude Opus 4.8处于可比区间。例如在Terminal-Bench 2.1上评测AI Agent通过命令行操作一台计算机的数据集GLM-5.2比Opus 4.8低4%相比GLM-5.1提升了17.5%在MCP-Atlas上工具使用tool-use评测的数据集GLM-5.2仅比Opus 4.8低0.8%。GLM-5.2还引入了effort level思考档位控制可以在能力、速度、成本之间做出平衡。在相近的token预算下GLM-5.2的Coding能力大致位于Claude Opus 4.7与Claude Opus 4.8之间。三、极致Infra优化GLM-5.2的进步来自模型架构、推理系统和训练基础设施的协同设计。智谱团队提出IndexShare在每四层稀疏注意力层之间复用同一个索引器indexer在1M上下文长度下将单位token的FLOPs降低至2.9倍。此外智谱团队改进了用于投机解码speculative decoding的 MTP 层将接受长度acceptance length最多提升 20%。训练侧则依赖自研Slime框架支撑大规模Agentic RL和OPD训练。四、面向开发者与知识工作者凭借扎实的1M上下文与稳定的长程任务能力GLM-5.2能长时间自主推进更复杂、更长链路的任务锁定高价值场景改变开发者与知识工作者的工作方式。GLM-5.2在大型重构工程上表现出色。在开发者的Moonshot实验中它用Rust从零再造了送人类登月的计算机——阿波罗11号制导计算机AGC把约4,600行的定点CPU逐比特移植为Rust再让当年65,000行、一字未改的登月飞控程序在上面原样起飞。整个过程由Agent全自主走完直到复现那个差点中止登月的1202报警。通过智谱的Agent产品AutoClawGLM-5.2的1M上下文与长程任务能力可服务于设计、法务等专业场景例如从需求一次性生成数十个原型页面并自主持续迭代和微调在长上下文中保持品牌规范与一致性。GLM-5.2模型官方开源链接GitHubhttps://github.com/zai-org/GLM-5Hugging Facehttps://huggingface.co/zai-org/GLM-5.2ModelScopehttps://modelscope.cn/models/ZhipuAI/GLM-5.2欢迎前往沐曦开发者社区Day 0版块获取推理镜像https://developer.metax-tech.com/softnova/Day0
6月17日智谱AI全新旗舰大模型GLM-5.2正式开源发布。沐曦股份曦云C系列GPU率先完成该模型Day 0适配再度凭借全栈自主软硬件技术实力领跑国产GPU生态适配赛道。GLM-5.2 是智谱迄今能力最强的开源模型支持真正可用的 1M 上下文并在长程任务中继续保持领先。在此之前智谱推出的GLM-5、GLM-5.1、GLM-OCR、GLM-4.6V等全系列模型沐曦股份均实现Day 0同步适配。依托曦云C系列强大硬件算力与MXMACA软件栈深度优化能力沐曦股份为GLM-5.2提供全场景、高稳定、低成本的国产算力方案有效解决大模型落地过程中“适配慢、迁移难、性能损耗大”等行业痛点助力企业快速将GLM-5.2的技术优势转化为产业价值。自2025年12月以来沐曦已累计完成27个主流顶尖模型Day 0适配合作覆盖智谱AI、通义千问、阶跃星辰、百度飞桨、DeepSeek等头部厂商适配品类囊括通用语言、多模态、OCR、机器翻译适配速度、数量、生态广度均位居前列。本次GLM-5.2无缝适配将进一步加速“模型-芯片-框架-应用”全国产AI自主闭环落地。曦云C系列GPU基于沐曦股份全自研的核心GPU IP、指令集和架构打造具备高能效比与高通用性精准匹配大模型的超大规模参数处理及长上下文推理需求。MXMACA软件栈作为连接硬件算力与上层应用生态的核心枢纽全链路覆盖底层驱动、用户态接口、MXCC编译器、算子深度适配及主流训练/推理框架对接原生兼容 PyTorch、TensorFlow、vLLM与SGLang等 40 余种主流 AI 框架支持 500 AI 模型与4500热门开源项目稳定运行大幅缩短传统模型适配周期。曦云C系列GPU依托沐曦自研MXMACA软件栈的深度优化能力成功实现GLM-5.2的高效部署与稳定运行为其前沿能力提供澎湃算力支撑。关于智谱GLM-5.2在全球百万用户参与盲测的前端开发评估系统Code Arena 上GLM-5.2取得全球可用模型第一的表现。今天GLM-5.2专为长程任务能力而生全新特色包括Solid 1M上下文稳定支撑长程任务更强体感更实用的Coding能力极致Infra优化Day 0运行在国产算力平台MIT开源协议无地域限制技术平权无国界一、1M上下文与长程任务GLM-5.2大大扩展了1M Coding Agent的训练环境覆盖大规模实现、自动化研究、性能优化等多个典型领域这使得模型的1M上下文真实表现有时候甚至能超过Opus。1M上下文构成GLM-5.2的长程交付能力在FrontierSWE、SWE-Marathon、PostTrainBench等多个长程任务基准上GLM-5.2的表现介于Claude Opus 4.7与4.8之间是排名最高的开源模型。在实际体验中GLM-5.2自主完成开发、联调、测试到打包上线最终交付一个覆盖Web、移动端与小程序的多端应用。这样一条完整链路累计处理88万以上的tokens几乎用满1M上下文窗口。过去这样的大型工程需要一支团队协作数周GLM-5.2能在一次连续的长程任务中跑完。二、Coding体感GLM-5.2在前端、后端、长程任务等开发场景下的成功率相比前一代GLM-5.1都有长足提升复杂系统工程与深度调试更稳。在主流编程基准上GLM-5.2保持开源SOTA与Claude Opus 4.8处于可比区间。例如在Terminal-Bench 2.1上评测AI Agent通过命令行操作一台计算机的数据集GLM-5.2比Opus 4.8低4%相比GLM-5.1提升了17.5%在MCP-Atlas上工具使用tool-use评测的数据集GLM-5.2仅比Opus 4.8低0.8%。GLM-5.2还引入了effort level思考档位控制可以在能力、速度、成本之间做出平衡。在相近的token预算下GLM-5.2的Coding能力大致位于Claude Opus 4.7与Claude Opus 4.8之间。三、极致Infra优化GLM-5.2的进步来自模型架构、推理系统和训练基础设施的协同设计。智谱团队提出IndexShare在每四层稀疏注意力层之间复用同一个索引器indexer在1M上下文长度下将单位token的FLOPs降低至2.9倍。此外智谱团队改进了用于投机解码speculative decoding的 MTP 层将接受长度acceptance length最多提升 20%。训练侧则依赖自研Slime框架支撑大规模Agentic RL和OPD训练。四、面向开发者与知识工作者凭借扎实的1M上下文与稳定的长程任务能力GLM-5.2能长时间自主推进更复杂、更长链路的任务锁定高价值场景改变开发者与知识工作者的工作方式。GLM-5.2在大型重构工程上表现出色。在开发者的Moonshot实验中它用Rust从零再造了送人类登月的计算机——阿波罗11号制导计算机AGC把约4,600行的定点CPU逐比特移植为Rust再让当年65,000行、一字未改的登月飞控程序在上面原样起飞。整个过程由Agent全自主走完直到复现那个差点中止登月的1202报警。通过智谱的Agent产品AutoClawGLM-5.2的1M上下文与长程任务能力可服务于设计、法务等专业场景例如从需求一次性生成数十个原型页面并自主持续迭代和微调在长上下文中保持品牌规范与一致性。GLM-5.2模型官方开源链接GitHubhttps://github.com/zai-org/GLM-5Hugging Facehttps://huggingface.co/zai-org/GLM-5.2ModelScopehttps://modelscope.cn/models/ZhipuAI/GLM-5.2欢迎前往沐曦开发者社区Day 0版块获取推理镜像https://developer.metax-tech.com/softnova/Day0
