Laster katalogen …
Laster katalogen …
Flaggskipmodellen til Z.ai for resonnering og agentisk koding med åpne vekter, med et kontekstvindu på 1 million token og MIT-lisensierte vekter.
Oversikt. GLM-5.2 er flaggskipmodellen til Z.ai (tidligere Zhipu AI) for resonnering og agentisk koding med åpne vekter. Den er bygget som et mixture-of-experts-nettverk med 744 milliarder parametere totalt og 40 milliarder aktive parametere per token. Modellen leveres under MIT-lisens med et kontekstvindu på 1 048 576 token, noe som gjør den godt egnet for utviklere som trenger resonnering over svært lange kontekster eller agentiske kodingsarbeidsflyter og ønsker muligheten til å kjøre vektene selv fremfor å være avhengig av et eksternt endepunkt.
Viktigste styrker. Artificial Analysis har kåret GLM-5.2 til den ledende modellen med åpne vekter på sin Intelligence Index, og domeneprofilen heller sterkt mot kode – i tråd med Z.ais egen beskrivelse av modellen som et flaggskip for agentisk koding. Den kjører som en resonneringsmodell med valgbare resonneringsnivåer (high og xhigh), og gir utviklere et synlig resonneringsspor de kan justere for krevende oppgaver med mange steg. Kontekstvinduet på 1 million token er stort nok til å romme betydelige kodebaser eller lange agenttranskripter i ett enkelt kall.
Når du bør bruke den. Velg GLM-5.2 til komplekse kodingsoppgaver eller agentiske oppgaver med mange steg der du ønsker et utvidet resonneringsspor og kan akseptere lengre, batchpreget svartid fremfor rask chat-respons. Den passer godt når en oppgave må referere til svært store mengder kontekst i ett pass – tenk store kodelager, lange dokumenter eller utvidede transkripter fra verktøybruk – og der det er verdifullt å kjøre de åpne vektene selv under MIT-vilkår for full kontroll over inferensmiljøet.
Begrensninger. Utdata er begrenset til 128 000 token per svar, og modellen er kun tekstbasert – den støtter verken bilder, lyd eller andre modaliteter som inndata eller utdata. Den resonneringsdrevne svarsstilen plasserer den i en batchsvartidsklasse, så den er ikke det rette valget for svartidssensitiv interaktiv chat. Z.ai har ikke oppgitt når treningsdataene slutter.
Suverenitetsnotat. GLM-5.2 er laget av Z.ai (Zhipu AI), en kinesisk utvikler – ikke av Mistral, slik det for øyeblikket er registrert i dette katalogoppslaget. Den attribusjonen må korrigeres før publisering, ettersom den endrer opprinnelsesland og lisensieringsfakta som vises til kunder. Siden vektene er åpent lisensiert under MIT, kan modellen kjøres i et selvvalgt miljø for full kontroll over hvor inferensdataene befinner seg, uavhengig av retningslinjene til en ekstern inferensleverandør.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L3 | 1,80 / 5,50€ | Tilkoblet | |||
| L3 | 2,00 / 5,20€ | Tilkoblet | |||
| L1 | 1,08 / 3,77€ | Tilkoblet | |||
| L0 | 0,67 / 2,15€ | Tilkoblet | |||
| L0 | 1,26 / 3,95€ | Tilkoblet |
17 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Svært stort kontekstvindu (over 1 million token) gjør det mulig å holde mange artikler og kilder samtidig – godt egnet for arbeidsflyter med litteraturgjennomgang.
Svært stort kontekstvindu støtter oppsummering av svært lange dokumenter eller transkripsjoner fra ende til ende i ett kall.
Kontekstvindu på over 1 million token støtter syntese på tvers av mange lange kildedokumenter uten oppdeling – et sentralt krav for forskningssyntese.
Kontekstvindu på 1 048 576 token gjør det mulig å lese inn hele store dokumenter eller dokumentsett i én enkelt gjennomgang – en god arkitektonisk match for dokument-spørsmål og svar.
Kontekstvindu på over 1 million token gjør det mulig å bruke hele korpuset som grunnlag for svargenering uten aggressiv avkorting av gjenfinning.
Kontekstvindu på over 1 million token støtter svært lang generering og kontinuitet, men ingen kvalitetsbenchmarker for skriving er dokumentert.
Kontekstvinduet rommer komfortabelt lange møtetranskripsjoner, men mangelen på kuraterte benchmarkdata holder dette på akseptabelt snarere enn sterkt.
Stort kontekstvindu støtter aggregering og organisering av omfattende notatsett, men det finnes ingen spesifikk egenskapssignal utover kontekststørrelsen.
Kontekstkapasiteten støtter store revisjonsspor og lange loggfiler, men det finnes ingen domene-spesifikk validering.
Stort kontekstvindu hjelper med håndtering av lange kandidatsett, men ingen gjenfinnings- eller innbyggingsspesifikk egenskap er registrert.
Stort kontekstvindu kan romme fullstendige regulatoriske tekster, men ingen ekstraksjonsspesifikk egenskap eller benchmark er dokumentert, så tilliten er moderat.
Ingen verktøykall-egenskap er registrert, noe som kreves for agentiske kodingsarbeidsflyter med kjøring og iterasjon.
Egenskapslisten viser ingen registrerte egenskaper, inkludert ingen støtte for funksjonskall, noe som utelukker pålitelig bruk i applikasjoner med funksjonskall.
Ingen syn/OCR-egenskap er dokumentert, så denne modellen kan ikke behandle bildebaserte dokumentskann.
Ingen agentisk egenskap eller verktøybruk er dokumentert, noe som gjør nettleserautomatisering ustøttet for denne varianten.
Ingen synegenskap er registrert for denne modellen, noe som utelukker bildebaserte spørsmål og svar.
Ingen verktøykall- eller funksjonskall-egenskap er registrert for denne modellen – noe som er et kjernekrav for verktøyorkestrering.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "zai-org/glm-5-2",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på