Zhipu GLM-5.2

النموذج الرائد الجديد من Zhipu، أُطلق ومفتوح المصدر برخصة MIT: ينافس أفضل النماذج المغلقة عالمياً في البرمجة والمهام طويلة المدى، ومتوافق مع العتاد الصيني المحلي

نموذج لغوي كبير LLM

https://www.zhipuai.cn/

زيارة الموقع الرسمي

تقرير معمّق

في 17 يونيو 2026، أطلقت شركة Zhipu رسميًا الطراز الكبير الرائد من الجيل الجديد GLM-5.2 وفتحت المصدر. لقد تحول موقعه من السؤال والإجابة الفورية إلى "المهام طويلة المدى" - مما يسمح للذكاء الاصطناعي بالعمل بشكل مستمر لعدة ساعات مثل الإنسان وإكمال مشروع كامل واسع النطاق بشكل مستقل. في القائمة الشاملة للتحليل الاصطناعي، سجل GLM-5.2 51 نقطة، ليحتل المراكز الثلاثة الأولى مع Anthropic وOpenAI، مشكلًا ما يسمى بنمط "New Royal Three". هذه هي المرة الأولى التي يتنافس فيها نموذج مفتوح المصدر مع الرائد مغلق المصدر في السيناريوهات الهندسية الأكثر صعوبة مثل التعليمات البرمجية والمهام طويلة المدى. يعتمد النموذج بنية MoE ذات معلمة 744B (حوالي 40B من المعلمات النشطة لكل رمز مميز). إنه مفتوح المصدر بالكامل بموجب بروتوكول MIT ويمكن استخدامه مجانًا للاستخدام التجاري. لا يعتمد التدريب ولا الاستدلال على قوة الحوسبة الخارجية. وقد تم تكييفه مع تسع منصات حوسبة محلية رئيسية بما في ذلك Huawei Ascend وPingtou Ge وMoore Threads في اليوم الأول من الإطلاق.
Zhipu (Beijing Zhipu Huazhang Technology Co., Ltd.) هي الشركة الناشئة الرائدة في مجال النماذج واسعة النطاق في الصين. كشفت عن تقرير أدائها الأول في بورصة هونج كونج في مارس 2026 (رمز السهم 02513.HK)، ودخلت مرحلة التسويق من مرحلة البحث والتطوير البحتة. GLM-5.2 هو تكرار رئيسي آخر لسلسلة GLM على GLM. بدءًا من بداية عام 2025، استثمرت شركة Zhipu كل جهودها تقريبًا في البحث عن قدرات البرمجة. لقد مرت بتكرارات مستمرة لـ GLM-4.5، وGLM-4.7، وGLM-5.0، وGLM-5.1، وحققت أخيرًا هدف "ترميز النموذج مفتوح المصدر SOTA" باستخدام GLM-5.2. يتمثل الإنجاز الأساسي للنموذج في إتاحة الملايين من نوافذ السياق للاستخدام الهندسي. يقترح GLM-5.2 الابتكار المعماري IndexShare - إعادة استخدام نفس المفهرس بين كل أربع طبقات انتباه متفرقة، مما يقلل من FLOPs لكل رمز مميز إلى 2.9 مرة تحت طول السياق البالغ 1M. كما تم تحسين طبقة MTP لفك التشفير التخميني، مما أدى إلى زيادة الطول المقبول بنسبة تصل إلى 20%. يعتمد الجانب التدريبي على إطار عمل Slime الذي تم تطويره ذاتيًا لدعم تدريب Agentic RL وOPD على نطاق واسع. فيما يتعلق بوضع الصناعة، يتزامن إصدار GLM-5.2 مع النافذة الزمنية الحرجة عندما تتحول أقوى النماذج الخارجية إلى النماذج المغلقة ويتزايد الطلب على البدائل مفتوحة المصدر. تخضع لعبة Claude Fable 5 لضوابط التصدير من قبل الولايات المتحدة، والمطورون في الخارج في حاجة ماسة إلى بدائل متطورة موثوقة. أدى ظهور GLM-5.2 إلى سد فجوة السوق، ويطلق عليه بعض المحللين اسم "DeepSeek moment 2.0".
تدور القدرات الأساسية لـ GLM-5.2 حول ثلاثة اتجاهات رئيسية: مهمة الأفق الطويل، والتشفير، والتحسين النهائي للأشعة تحت الحمراء. بالنسبة للمهام طويلة المدى، يطبق GLM-5.2 سياق Solid 1M بدون فقدان. لا يتم وضع علامة 1M على المعلمات فحسب، بل يمكن استخدامه أيضًا في الهندسة وفي التطبيقات الفعلية. قضت Zhipu عدة أشهر لتوسيع بيئة التدريب الخاصة بـ 1M Coding Agent بشكل كبير، حيث تغطي العديد من المجالات النموذجية مثل التنفيذ على نطاق واسع، وأبحاث الأتمتة، وتحسين الأداء. في مجموعة اختبار FrontierSWE (وهو معيار يفحص ما إذا كان الذكاء الاصطناعي يمكنه إكمال المشاريع التقنية المعقدة على نطاق من الساعات إلى عشرات الساعات)، سجل GLM-5.2 74.4%، أي أقل بنسبة 1% فقط من Claude Opus 4.8 ويتجاوز GPT-5.5 البالغ 72.6%. وفقًا لعرض Zhipu، يمكن لـ GLM-5.2 معالجة أكثر من 880,000 رمز مميز في جولة من المهام المستمرة، وإكمال عملية تسليم البرامج الكاملة بشكل مستقل بدءًا من التطوير وتصحيح الأخطاء المشترك والاختبار وحتى التغليف وعبر الإنترنت، وإنتاج تطبيق كامل يغطي صفحات الويب والمحطات الطرفية المتنقلة والبرامج الصغيرة في غضون ساعات قليلة. فيما يتعلق بقدرات التشفير، يظل GLM-5.2 مفتوح المصدر SOTA وفقًا لمعايير مرجعية متعددة. في تقييم تفضيلات الإنسان في Design Arena، احتل GLM-5.2 المرتبة الأولى في العالم بـ 1360 Elo، متجاوزًا قليلاً 1350 Elo لكلود أوبوس 4.8. لقد حصل على 62.1% على SWE-bench Pro، متجاوزًا 58.6% في GPT-5.5. لقد سجل 81.0 نقطة في Terminal-Bench 2.1 (وهو معيار يقيّم وكلاء الذكاء الاصطناعي الذين يقومون بتشغيل أجهزة الكمبيوتر من خلال سطر الأوامر)، وهو تحسن بنسبة 17.5 نقطة مئوية مقارنة بـ GLM-5.1. في MCP-Atlas (مراجعة استخدام الأداة)، يختلف GLM-5.2 بنسبة 0.8% فقط عن Opus 4.8. يقدم النموذج أيضًا التحكم في مستوى الجهد (أداة التفكير)، بحيث يمكن للمستخدمين تحقيق التوازن بين القدرات والسرعة والتكلفة. فيما يتعلق بتحسين الأشعة تحت الحمراء، يعتمد استنتاج GLM-5.2 عبر الإنترنت على منصات حوسبة محلية متعددة. في اليوم 0، أكملت التكيف الاستدلالي مع منصات الحوسبة المحلية مثل Huawei Ascend، وPingtou Ge، وMoore Thread، وCambrian، وKunlun Core، وMuxi، وHaiguang، وBiren، وTianshu Zhixin، وما إلى ذلك، مما حقق تشغيلًا مستقرًا بإنتاجية عالية وزمن وصول منخفض وتزامن كبير على مجموعات الرقائق المحلية. ومع ذلك، في الاستخدام الفعلي، كشفت تعليقات المستخدمين أيضًا عن العديد من أوجه القصور الواضحة. لقد اختبره بعض المطورين وأشاروا إلى ذلكاتضح أن GLM-5.2 يعاني من مشكلة "التشتت" - فمن السهل نسيان السياق والخروج عن المسار الصحيح في المهام متعددة الخطوات. هناك أيضًا مستخدمون أفادوا أن النموذج لديه ميل إلى "متطلبات التوسع الوهمية". يطلب المستخدم A، ويضيف النموذج تلقائيًا B وC، مما يزيد من عبء المراجعة. بالإضافة إلى ذلك، يعد GLM-5.2 نموذجًا نصيًا فقط ولا يتمتع بقدرات أصلية متعددة الوسائط - لا يتمتع النموذج الرئيسي لعام 2026 بالرؤية، وهو ما يبدو محرجًا في سياق المنتجات المنافسة التي تتمتع بشكل عام بقدرات متعددة الوسائط.
يعتبر تسعير واجهة برمجة التطبيقات (API) لـ GLM-5.2 تنافسيًا للغاية. على أساس كل مليون رمز مميز، تبلغ تكلفة الإدخال حوالي 1.40 دولارًا أمريكيًا وتكلفة الإخراج حوالي 4.40 دولارًا أمريكيًا. للمقارنة، تكاليف المدخلات/المخرجات لـ Claude Opus 4.8 هي 5 دولارات/25 دولارًا على التوالي، وGPT-5.5 هي 5 دولارات/30 دولارًا. تم الحساب بناءً على سيناريو محاكاة يبلغ 50 مليون رمز مميز شهريًا، وتبلغ التكلفة الشهرية لـ GLM-5.2 حوالي 145 دولارًا أمريكيًا، وOpus 4.8 حوالي 750 دولارًا أمريكيًا، وGPT-5.5 حوالي 875 دولارًا أمريكيًا. يمكن أن يؤدي اختيار GLM-5.2 إلى توفير ما يصل إلى 730 دولارًا شهريًا. وفي الوقت نفسه، يعد GLM-5.2 مفتوح المصدر تمامًا بموجب بروتوكول MIT، ويمكن للمؤسسات بناءه ونشره بأنفسهم، مما يلغي تمامًا تكلفة فواتير واجهة برمجة التطبيقات (API) عن طريق الرمز المميز. وهذا أمر جذاب بشكل خاص للشركات التي لديها امتثال صارم للبيانات - يمكن تعديل بروتوكول MIT بحرية للاستخدام التجاري، ولا تغادر بيانات النشر المحلية البلاد، ولا يوجد خوف من انقطاع إمدادات الخدمات الخارجية. ومع ذلك، فإن GLM-5.2 لديه مشكلة "الاستهلاك العالي" في ظل نظام الحزم الخاص بشركة Zhipu. نظرًا للموضع المتقدم للنموذج، يتم استهلاك الحصة بمعدل متعدد عند الاتصال (3 مرات خلال فترات الذروة، ومرة واحدة خلال فترات غير الذروة). بالإضافة إلى ذلك، فإن استهلاك رمز الاستدلال الفردي كبير (يتم سحب جميع سياقات المليون الواحد). أبلغ مستخدمو حزمة Ordinary Lite أن "الحصة البالغة 5 ساعات يتم استهلاكها خلال ساعة ونصف"، وأن تجربة الاستخدام الفعلية محدودة بسبب قيود الحزمة.
في عينة مكونة من 807 مستخدمين حقيقيين، أعطى 69% منهم تقييمات إيجابية. تتركز ردود الفعل الإيجابية في ثلاثة اتجاهات: قدرات تطوير الواجهة الأمامية المتميزة، وأداء التكلفة الفائق لنماذج مغلقة المصدر مماثلة، والمرونة العالية لبروتوكول MIT مفتوح المصدر. قام أحد المطورين بترحيل سير عمل Opus بالكامل إلى GLM-5.2، وانخفضت تكلفة طاقة الحوسبة من 186 دولارًا أمريكيًا إلى 17 دولارًا أمريكيًا. قامت إحدى المؤسسات باختبار تأثير إنشاء الصفحات المقصودة للواجهة الأمامية بشكل أعمى ووجدت أن جودة المنتج النهائي كانت تقريبًا نفس جودة Opus 4.8، لكن التكلفة كانت 1/6 فقط. حتى أن هناك شركات Fortune 500 نقلت نصف جهودها في البرمجة إلى هذا النموذج. انطلاقًا من صور المستخدمين، فإن 82% من المستخدمين هم من المبرمجين، مع التركيز على السيناريوهات التقنية مثل البرمجة وتطوير الوكيل والنشر المحلي، و71% من المستخدمين باللغة الإنجليزية. وهذا يثبت أن شعبية GLM-5.2 هي دائرة مطورين عالمية بحتة، وليست حركة مرور عبر النطاق C. وكانت ردود الفعل السلبية واضحة بنفس القدر. حوالي 31% من المستخدمين الحقيقيين قدموا درجات متفاوتة من المراجعات السلبية. تشمل الشكاوى الرئيسية ما يلي: سرعة الاستدلال البطيئة، وانخفاض كفاءة الرمز المميز (تستهلك نفس المهمة المزيد من الرموز المميزة مقارنة بالمنتجات المنافسة)، وعدم كفاية استقرار التشغيل (أخطاء عرضية مثل "لم يتم استلام معلمة المطالبة بشكل طبيعي")، ونقص القدرة البصرية. وخلص أحد مدوني Nuggets بعد استخدامه ليوم واحد إلى أنه "لا بأس بكتابة التعليمات البرمجية، ولكن لا تتوقع منه التخطيط لأحداث معقدة". كما شارك أيضًا خطته المركبة المكونة من "كلود في دور الدماغ وGLM-5.2 في دور اليد."
كانت التعليقات من وسائل الإعلام الصناعية إيجابية بشكل عام. قدمت وسائل الإعلام الرئيسية مثل Science and Technology Daily وCCTV وChina Daily تقارير مستفيضة عن GLM-5.2، مؤكدة على أهمية الجمع بين "النموذج الوطني مفتوح المصدر + قوة الحوسبة المحلية". وأشار تقرير في صحيفة تشاينا ديلي إلى أنه "في سياق تحول أقوى النماذج الخارجية إلى النماذج المغلقة وارتفاع الطلب على البدائل مفتوحة المصدر، فقد جذب هذا المزيج انتباه الصناعة بأكملها." أكد تانغ جي، مؤسس GLM، في رسالة داخلية بعنوان "الموجة الكبيرة قادمة" يوم 11 يوليو أن المؤشرات الأساسية المتعددة لـ GLM-5.2 قد تعادل أو حتى تجاوزت العلامات الرئيسية مغلقة المصدر مثل GPT-5.5. يؤكد هذا الإعلان على التحول الذي يحدث في الصناعة - لأول مرة، تتنافس النماذج مفتوحة المصدر مع الرائد مغلق المصدر في السيناريوهات الهندسية الأكثر صعوبة مثل التعليمات البرمجية والمهام طويلة المدى. فيما يتعلق بالمشهد التنافسي للمنتجات، فإن المنافسين المباشرين لـ GLM-5.2 يشملون Claude Opus 4.8 (Anthropic)، وGPT-5.5 (OpenAI)، وKimi K2.7 Code (Dark Side of the Moon)، وMiniMax M3، وما إلى ذلك. وعلى مسار الترميز، لا يزال Claude Opus 4.8 يحتفظ بالصدارة بشكل عام، لكن GLM-5.2، كنموذج مفتوح المصدر، قلص الفجوة مع الرائد مغلق المصدر إلى حدود 5%. فيما يتعلق بأداء التكلفة الشامل، يتمتع GLM-5.2 بميزة ساحقة. ومع ذلك، أشار بعض المحللين إلى أن "نار" GLM-5.2 تحتوي على عنصر مرتفع كاذب معين. يُظهر التحليل الكامل لـ 9,163 تغريدة ذات صلة أن 9% فقط من المستخدمين استخدموها فعليًا وقدموا مراجعات محددة، وما يقرب من 80% منهم مدفوعون بحجم الاتصالات وتأثيرات رأس المال. شعبية الموضوع أعلى بكثير من حجم المستخدم الفعلي.
تركز النزاعات والمخاطر الرئيسية التي يواجهها GLM-5.2 على عدة جوانب. الأول هو قضية الاستقرار العملي للسياقات الطويلة. على الرغم من أن الادعاء الرسمي هو أن "Solid 1M عبارة عن سياق بلا فقدان"، فقد وجد العديد من المطورين في الاختبارات الفعلية أن النموذج يعاني من تشتيت الانتباه أثناء المهام متعددة الخطوات لمسافات طويلة - "لا يهم إذا كانت النافذة ممتدة إلى مليون، فإن الدماغ لا يزال ينظر فقط إلى البداية والنهاية." GLM-5.2 ليس محصنًا ضد أوجه القصور الجماعية في نماذج السياق الطويلة. ثانيًا، هناك مشكلات تتعلق باستقرار المنتج وتجربة المستخدم. أبلغ بعض المستخدمين أنه عند استخدام خطة الترميز الرسمية لـ Zhipu، فإن مجرد قراءة ملف txt قد يؤدي إلى حدوث خطأ. كانت رسالة الخطأ هي `السبب=غير معروف`، وكان هناك نقص في المطالبات بالأخطاء القابلة لاستكشاف الأخطاء وإصلاحها. هناك فجوة بين قدرات النموذج نفسه ودرجة الاكتمال على مستوى المنتج. والثالث هو الجدل حول سياسة الفوترة. تسببت آلية مضاعفة الاستهلاك 3 مرات خلال فترات الذروة في شكوى العديد من المستخدمين من أن الحصة "تحترق بسرعة كبيرة"، وأن الحزم العادية بالكاد تدعم سيناريوهات التطوير الحقيقية. أثارت هذه المشكلة مناقشات مستفيضة في المجتمع مفادها أن "النموذج قوي ولكن من الممتع استخدامه، وهذا أمران مختلفان." وأخيرا، هناك فقدان القدرة البصرية. لا يتمتع الطراز الرئيسي لعام 2026 بقدرات أصلية متعددة الوسائط. في سياق المنتجات المنافسة التي تتمتع عمومًا بقدرات متعددة الوسائط، قد يحد هذا القصور من سيناريوهات تطبيق GLM-5.2.
GLM-5.2 هو الأكثر ملاءمة للمبرمجين وفرق التطوير، خاصة في السيناريوهات التالية: متطلبات أتمتة الترميز عالي التردد؛ مستودعات الأكواد الكبيرة التي تتطلب ملايين السياقات؛ الفرق الحساسة للتكلفة والتي ترغب في تقليل رسوم واجهة برمجة التطبيقات (API)؛ الشركات التي لديها متطلبات امتثال البيانات وتتطلب النشر المحلي؛ المطورون الذين يرغبون في ترحيل أعمالهم البرمجية من نموذج مغلق المصدر إلى نموذج مفتوح المصدر. تشمل السيناريوهات الأقل ملاءمة ما يلي: المهام التي تتطلب فهمًا متعدد الوسائط (عرض الصور، وتحليل الفيديو، وما إلى ذلك)؛ تصميمات معمارية معقدة وغامضة عالية المستوى تتطلب من النموذج التخطيط بشكل مستقل؛ والسيناريوهات التفاعلية التي تتطلب سرعة تفكير عالية جدًا في الوقت الفعلي. بالنسبة للمطورين العاديين، الاستخدام الموصى به هو "الاستفادة من نقاط القوة وتجنب نقاط الضعف": تسليم مهام إعادة البناء والترميز التي تتطلب رؤية عالمية وأهداف واضحة إلى GLM-5.2، وتسليم الروابط التي تتطلب فهم النوايا وتوضيح المتطلبات والتخطيط المعقد إلى النماذج التي تجيد "التفكير بوضوح" مثل Claude أو GPT.
يعد GLM-5.2 إنجازًا تاريخيًا للنماذج الكبيرة المحلية في مجال الترميز المتطور. ولأول مرة، يضع النموذج مفتوح المصدر على نفس المسار مثل النموذج الرئيسي مغلق المصدر من حيث التعليمات البرمجية والمهام طويلة المدى، ويوفر للمطورين بديلاً قابلاً للتنفيذ حقًا مع أداء فائق التكلفة واتفاقية MIT مفتوحة المصدر. عند نقطة تحول في الصناعة حيث يتم إغلاق أقوى النماذج الخارجية وينضج النظام البيئي المحلي لقوة الحوسبة، فإن GLM-5.2 يسير على الطريق الصحيح. لكنها ليست خالية من العيوب - فاستقرار الانتباه للسياق الطويل، والافتقار إلى إمكانات الوسائط المتعددة، وإكمال مستوى المنتج، ومشكلات تجربة المستخدم الناجمة عن استراتيجية الفوترة، كلها "الجبال التالية" التي تحتاج إلى الاستمرار في التغلب عليها.

مراجعات المستخدمين

SLeeK

—

用了一周 GLM-5.2，最大的感受就是编程能力确实强，前端生成页面基本跟 Opus 一个水平，但确实有涣散的问题，长任务跑到后面就忘了前面说过什么。

Adrianc41

—

从 5.1 换到 5.2，最明显的感觉就是上下文真的大了，以前 20 万 token 撑满就幻觉，现在整个项目塞进去还能改得动。

Stephanie_Morgan_Pro

—

当天额度一个小时就烧完了，我还以为是 bug，结果发现是 5.2 在高峰期按 3 倍扣额度，太难了。

DAOthinker464

—

对比 Opus 4.8 和 GPT-5.5 实测了一周，前端能力 GLM-5.2 确实不虚，但复杂系统的架构设计还是 Claude 更强，5.2 容易在中间步骤跑偏。

CAphi

—

把整套 Opus 的工作流迁过去了，算力成本从 186 降到 17 美元，真的很香。

reddog874

—

开源协议是 MIT，可以随便商用部署，这点对合规要求高的公司真是太友好了。

BenjaminFlores_Pro

—

纯文本模型，2026 年了旗舰机不带视觉，说实话有点尴尬，同期的 Kimi K2.7 Code 和 MiniMax M3 都是多模态。

r6xxu1c

—

试了一下让它读 txt 文件，直接报错「The prompt parameter was not received normally」，太离谱了。

Sam_anthaWood

—

写代码确实不错，但让它做规划就别指望了，我的用法是 Claude 当大脑、GLM-5.2 当手，配合起来体验最佳。

z5l3kae7k

—

价格确实是降维打击，按 5000 万 token 算一个月才 145 美元，Opus 要 750，这差价足够让我忍它的缺点了。

段娜

—

1M 上下文是真的能用的，不像某些模型标了百万其实几十万就开始掉链子，5.2 我塞了八十几万 token 跑完一整个工程没断。

SPeterson_2020

—

让我最烦的是它老爱自作主张，让它做 A 它非要顺手把 B 和 C 也做了，审起来比自己做还累。

CarolJ_ohnson

—

全球可用模型 Code Arena 第一，这成绩确实硬，不是吹的。

co25ko0ac3

—

公司里盲测了前端落地页生成，成品跟 Opus 4.8 几乎没有肉眼可见的差距，但成本只有六分之一，果断切了。

Aaron.Cook_77

—

Lite 套餐根本扛不住 5.2，一个半小时见底，升了 Pro 才好点。

JOols

—

推理速度偏慢，等得有点心焦，但考虑到这个价格也认了。

MHoward_2021

—

在 Claude Code 里接上它，改了一个几万行代码的项目，十轮交互下来不跑偏，体验比 5.1 好太多了。

GameFiGamer273

—

Vercel 的 CEO 都说「almost shocked」，这波国产模型是真的支棱起来了。

WPowell_2024269

—

Fable 5 被 ban 那天 GLM-5.2 刚好开源，时间点卡得太妙了，MIT 协议意味着谁也 ban 不了它。

CatherineHolm

—

用 Rust 从零复刻阿波罗登月计算机那个 demo 真的震撼到我了，虽然日常用不上，但足以证明它的实力。

Nicholas_Murphy_77

—

SWE-bench Pro 62.1 超了 GPT-5.5 的 58.6，这个数据挺说明问题，但跟 Opus 4.8 的 69.2 还有差距，营销话术说「接近 Opus」多少有点夸张了。

Emily_Henderson_66

—

高峰期 14 点到 18 点千万别用，3 倍扣额度真扛不住，我现在都赶上午干活。

James.Sanchez_2022

—

国产算力适配是亮点，华为昇腾、摩尔线程都能跑，不用担心被卡脖子。

CrnptoLink

—

前端开发能力确实强，Design Arena 排第一不是吹的，生成页面审美在线，但后端那种需要理解复杂业务逻辑的活它就不太行了。

Michellew70

—

token 消耗太大，同个任务比 Claude 多用 50% 的 token，虽然单价便宜但总价优势没那么大。

TheStephanieAnderson_dev

—

知乎大 V 说「以后用 Opus 可能其实是 GLM-5.2 冒充的你都分不出来」，笑死。

Kenneth_MendozaJr10

—

试了让它写一个 Minecraft 克隆，直接跑出来了能飞的版本，体验比 GPT-5.5 的版本还好。

sadmeercat181

—

自己部署的话门槛不低，744B 的大模型需要挺多显存，不是人人都能本地跑的。

SUpet

—

个人开发者小团队用性价比无敌，闭源模型那种按 token 付费的模式对高频调用太伤了。

Bruce_Kelly

—

24 小时跑完一个 SaaS 项目从开发到上线，88 万 token，实现了我对 AI 编程的终极想象。

Zhipu GLM-5.2

تقرير معمّق

مراجعات المستخدمين

منتجات مشابهة