Zhipu GLM-5.2

Mô hình lớn chủ lực thế hệ mới của Zhipu, phát hành mã nguồn mở theo giấy phép MIT: cạnh tranh với các mô hình đóng hàng đầu thế giới về lập trình và tác vụ dài hạn, tương thích với chip nội địa Trung Quốc

mô hình ngôn ngữ lớn LLM

https://www.zhipuai.cn/

Truy cập trang chính thức

Báo cáo chuyên sâu

Vào ngày 17 tháng 6 năm 2026, Zhipu chính thức ra mắt và mở nguồn mẫu cỡ lớn hàng đầu thế hệ mới GLM-5.2. Định vị của nó đã chuyển từ câu hỏi và câu trả lời tức thời sang “nhiệm vụ tầm xa” - cho phép AI làm việc liên tục trong vài giờ như con người và tự động hoàn thành một dự án quy mô lớn hoàn chỉnh. Trong danh sách toàn diện Phân tích nhân tạo, GLM-5.2 ghi được 51 điểm, xếp trong top ba cùng với Anthropic và OpenAI, tạo thành cái gọi là mô hình "Bộ ba hoàng gia mới". Đây là lần đầu tiên một mô hình nguồn mở cạnh tranh với các mô hình nguồn đóng hàng đầu trong các kịch bản kỹ thuật cốt lõi nhất như mã và các tác vụ tầm xa. Mô hình này áp dụng kiến trúc MoE tham số 744B (khoảng 40B tham số hoạt động trên mỗi mã thông báo). Nó hoàn toàn là nguồn mở theo giao thức MIT và có thể được sử dụng miễn phí cho mục đích thương mại. Cả việc đào tạo và suy luận đều không dựa vào sức mạnh tính toán ở nước ngoài. Nó đã được điều chỉnh phù hợp với chín nền tảng điện toán lớn trong nước bao gồm Huawei Ascend, Pingtou Ge và Moore Threads vào ngày đầu tiên ra mắt.
Zhipu (Bắc Kinh Zhipu Huazhang Technology Co., Ltd.) là công ty khởi nghiệp mô hình quy mô lớn hàng đầu tại Trung Quốc. Nó đã công bố báo cáo hoạt động đầu tiên trên Sở giao dịch chứng khoán Hồng Kông vào tháng 3 năm 2026 (mã chứng khoán 02513.HK) và đã bước vào giai đoạn thương mại hóa từ giai đoạn nghiên cứu và phát triển thuần túy. GLM-5.2 là một phiên bản chính khác của dòng GLM trên GLM. Bắt đầu từ đầu năm 2025, Zhipu đã đầu tư gần như toàn bộ công sức vào việc nghiên cứu khả năng mã hóa. Nó đã trải qua các lần lặp lại liên tục của GLM-4.5, GLM-4.7, GLM-5.0 và GLM-5.1 và cuối cùng đã đạt được mục tiêu "mã hóa mô hình nguồn mở SOTA" với GLM-5.2. Bước đột phá cốt lõi của mô hình này là cung cấp hàng triệu cửa sổ ngữ cảnh cho mục đích sử dụng kỹ thuật. GLM-5.2 đề xuất đổi mới kiến trúc IndexShare—sử dụng lại cùng một bộ chỉ mục giữa mỗi bốn lớp chú ý thưa thớt, giảm FLOP trên mỗi mã thông báo xuống 2,9 lần trong độ dài ngữ cảnh là 1M. Lớp MTP để giải mã suy đoán cũng đã được cải thiện, tăng độ dài được chấp nhận lên tới 20%. Bên đào tạo dựa vào khung Slime tự phát triển để hỗ trợ đào tạo Agentic RL và OPD quy mô lớn. Về mặt định vị ngành, việc phát hành GLM-5.2 trùng với thời điểm quan trọng khi các mô hình mạnh nhất ở nước ngoài đang chuyển sang đóng cửa và nhu cầu về các giải pháp thay thế nguồn mở ngày càng tăng. Claude Fable 5 chịu sự kiểm soát xuất khẩu của Hoa Kỳ và các nhà phát triển ở nước ngoài đang rất cần các lựa chọn thay thế cao cấp đáng tin cậy. Sự xuất hiện của GLM-5.2 đã lấp đầy khoảng trống thị trường và được một số nhà phân tích gọi là "Khoảnh khắc DeepSeek 2.0".
Các khả năng cốt lõi của GLM-5.2 xoay quanh ba hướng chính: Nhiệm vụ tầm xa, Mã hóa và Tối ưu hóa cơ sở hạ tầng tối ưu. Đối với các nhiệm vụ tầm xa, GLM-5.2 triển khai bối cảnh Solid 1M lossless. Điều này không chỉ được đánh dấu bằng 1M trên các thông số mà còn có thể được sử dụng trong kỹ thuật trong các ứng dụng thực tế. Zhipu đã dành vài tháng để mở rộng đáng kể môi trường đào tạo của 1M Coding Agent, bao gồm nhiều lĩnh vực điển hình như triển khai quy mô lớn, nghiên cứu tự động hóa và tối ưu hóa hiệu suất. Trên bộ thử nghiệm FrontierSWE (chuẩn mực kiểm tra xem AI có thể hoàn thành các dự án kỹ thuật phức tạp trong khoảng thời gian từ hàng giờ đến hàng chục giờ hay không), GLM-5.2 đạt 74,4%, chỉ thấp hơn 1% so với Claude Opus 4.8 và vượt mức 72,6% của GPT-5.5. Theo bản trình diễn của Zhipu, GLM-5.2 có thể xử lý hơn 880.000 mã thông báo trong một loạt nhiệm vụ liên tục, hoàn thành độc lập quy trình phân phối phần mềm hoàn chỉnh từ phát triển, gỡ lỗi chung, thử nghiệm đến đóng gói và trực tuyến, đồng thời tạo ra một ứng dụng hoàn chỉnh bao gồm các trang web, thiết bị đầu cuối di động và các chương trình nhỏ trong vòng vài giờ. Về khả năng mã hóa, GLM-5.2 vẫn là SOTA nguồn mở trên nhiều điểm chuẩn có thẩm quyền. Trong đánh giá sở thích của con người Design Arena, GLM-5.2 đứng đầu thế giới với 1360 Elo, nhỉnh hơn một chút so với 1350 Elo của Claude Opus 4.8. Nó đạt 62,1% trên SWE-bench Pro, vượt quá 58,6% của GPT-5.5. Nó đạt 81,0 điểm trên Terminal-Bench 2.1 (điểm chuẩn đánh giá các Tác nhân AI vận hành máy tính thông qua dòng lệnh), cải thiện 17,5 điểm phần trăm so với GLM-5.1. Trên MCP-Atlas (đánh giá cách sử dụng công cụ), GLM-5.2 chỉ khác 0,8% so với Opus 4.8. Mô hình cũng giới thiệu khả năng kiểm soát mức độ nỗ lực (thiết bị tư duy), để người dùng có thể cân bằng giữa khả năng, tốc độ và chi phí. Về mặt tối ưu hóa cơ sở hạ tầng, khả năng suy luận trực tuyến của GLM-5.2 dựa trên nhiều nền tảng điện toán trong nước. Vào Ngày 0, nó đã hoàn thành việc thích ứng suy luận với các nền tảng điện toán trong nước như Huawei Ascend, Pingtou Ge, Moore Thread, Cambrian, Kunlun Core, Muxi, Haiguang, Biren, Tianshu Zhixin, v.v., đạt được hoạt động ổn định với thông lượng cao, độ trễ thấp và tính đồng thời lớn trên các cụm chip trong nước. Tuy nhiên, trong quá trình sử dụng thực tế, phản hồi của người dùng cũng bộc lộ một số khuyết điểm rõ ràng. Một số nhà phát triển đã thử nghiệm nó và chỉ ra rằngHóa ra GLM-5.2 có vấn đề "phân tán" - rất dễ quên bối cảnh và đi chệch hướng trong các nhiệm vụ nhiều bước. Cũng có người dùng cho rằng mô hình này có xu hướng "yêu cầu mở rộng ảo tưởng". Người dùng yêu cầu A và mô hình sẽ tự động thêm B và C, làm tăng gánh nặng xem xét. Ngoài ra, GLM-5.2 là mẫu chỉ có văn bản và không có khả năng đa phương thức vốn có - mẫu hàng đầu năm 2026 không có tầm nhìn, điều này có vẻ khó xử trong bối cảnh các sản phẩm cạnh tranh thường có khả năng đa phương thức.
Giá API cho GLM-5.2 cực kỳ cạnh tranh. Trên cơ sở mỗi triệu token, chi phí đầu vào là khoảng 1,40 USD và chi phí đầu ra là khoảng 4,40 USD. Để so sánh, chi phí đầu vào/đầu ra của Claude Opus 4.8 lần lượt là $5/$25 và GPT-5.5 là $5/$30. Tính toán dựa trên kịch bản mô phỏng 50 triệu token/tháng, chi phí hàng tháng của GLM-5.2 là khoảng 145 USD, Opus 4.8 là khoảng 750 USD và GPT-5.5 là khoảng 875 USD. Chọn GLM-5.2 có thể tiết kiệm tới 730 USD mỗi tháng. Đồng thời, GLM-5.2 hoàn toàn là mã nguồn mở theo giao thức MIT, doanh nghiệp có thể tự xây dựng và triển khai, loại bỏ hoàn toàn chi phí thanh toán API bằng token. Điều này đặc biệt hấp dẫn đối với các công ty có yêu cầu tuân thủ nghiêm ngặt về dữ liệu - giao thức MIT có thể được sửa đổi tự do để sử dụng cho mục đích thương mại, dữ liệu triển khai trong nước không rời khỏi đất nước và không sợ bị gián đoạn cung cấp dịch vụ bên ngoài. Tuy nhiên, GLM-5.2 gặp vấn đề "tiêu thụ cao" theo hệ thống gói riêng của Zhipu. Do định vị mô hình cao cấp nên hạn ngạch được tiêu thụ với nhiều mức khi gọi (3 lần trong thời gian cao điểm, 1 lần trong thời gian không cao điểm). Ngoài ra, mức tiêu thụ mã thông báo suy luận đơn là lớn (tất cả 1 triệu bối cảnh đều được kéo vào). Người dùng gói Lite thông thường đã báo cáo rằng "hạn ngạch 5 giờ được sử dụng hết trong một giờ rưỡi" và trải nghiệm sử dụng thực tế bị giới hạn bởi các hạn chế của gói.
Trong mẫu gồm 807 người dùng thực, 69% đưa ra đánh giá tích cực. Phản hồi tích cực tập trung theo ba hướng: khả năng phát triển front-end vượt trội, hiệu suất chi phí vượt trội so với các mô hình nguồn đóng tương tự và tính linh hoạt cao của giao thức nguồn mở MIT. Một nhà phát triển đã di chuyển toàn bộ quy trình làm việc của Opus sang GLM-5.2 và chi phí điện năng tính toán đã giảm từ 186 USD xuống còn 17 USD. Một doanh nghiệp mù quáng thử nghiệm tác dụng của việc tạo trang đích front-end và nhận thấy chất lượng thành phẩm gần giống như Opus 4.8 nhưng chi phí chỉ bằng 1/6. Thậm chí có những công ty nằm trong danh sách Fortune 500 đã chuyển một nửa nỗ lực mã hóa của họ sang mô hình này. Đánh giá từ chân dung người dùng, 82% người dùng là lập trình viên, tập trung vào các tình huống kỹ thuật như mã hóa, phát triển tác nhân và triển khai cục bộ và 71% là người dùng tiếng Anh. Điều này chứng tỏ rằng mức độ phổ biến của GLM-5.2 hoàn toàn là do giới phát triển toàn cầu, chứ không phải là lưu lượng truy cập pan-C-end. Những phản hồi tiêu cực cũng rõ ràng như nhau. Khoảng 31% người dùng thực tế đưa ra đánh giá tiêu cực ở các mức độ khác nhau. Các khiếu nại chính bao gồm: tốc độ suy luận chậm, hiệu quả mã thông báo thấp (cùng một tác vụ tiêu thụ nhiều mã thông báo hơn sản phẩm cạnh tranh), độ ổn định khi chạy không đủ (đôi khi có lỗi như "Thông số nhắc nhở không được nhận bình thường") và thiếu khả năng trực quan. Một blogger của Nuggets đã kết luận sau khi sử dụng nó được một ngày rằng "viết mã cũng được nhưng đừng mong đợi nó sẽ lên kế hoạch cho các sự kiện phức tạp". Anh ấy cũng chia sẻ kế hoạch kết hợp “Claude là bộ não và GLM-5.2 là bàn tay”.
Đánh giá từ các phương tiện truyền thông trong ngành nhìn chung là tích cực. Các phương tiện truyền thông chính thống như Nhật báo Khoa học và Công nghệ, CCTV và Nhật báo Trung Quốc đã đưa ra nhiều báo cáo về GLM-5.2, nhấn mạnh tầm quan trọng của sự kết hợp giữa "mô hình quốc gia nguồn mở + sức mạnh tính toán trong nước". Một báo cáo trên China Daily chỉ ra rằng "Trong bối cảnh các mô hình mạnh nhất ở nước ngoài chuyển sang đóng cửa và nhu cầu về các lựa chọn thay thế nguồn mở ngày càng tăng, sự kết hợp này đã thu hút sự chú ý của toàn ngành." Tang Jie, người sáng lập GLM, đã xác nhận trong một bức thư nội bộ "Làn sóng lớn đang đến" vào ngày 11 tháng 7 rằng nhiều chỉ số cốt lõi của GLM-5.2 đã ngang bằng hoặc thậm chí vượt qua các chỉ số nguồn đóng hàng đầu như GPT-5.5. Thông báo này xác nhận một quá trình chuyển đổi ngành đang diễn ra - lần đầu tiên, các mô hình nguồn mở đang cạnh tranh với các mô hình nguồn đóng hàng đầu trong các kịch bản kỹ thuật cốt lõi nhất như mã và các nhiệm vụ dài hạn. Xét về bối cảnh sản phẩm cạnh tranh, các đối thủ cạnh tranh trực tiếp của GLM-5.2 bao gồm Claude Opus 4.8 (Anthropic), GPT-5.5 (OpenAI), Kimi K2.7 Code (Dark Side of the Moon), MiniMax M3, v.v. Về mặt mã hóa, Claude Opus 4.8 vẫn duy trì vị trí dẫn đầu về tổng thể, nhưng GLM-5.2, với tư cách là một mô hình nguồn mở, đã giảm khoảng cách với soái hạm nguồn đóng xuống trong vòng 5%. Xét về hiệu suất chi phí toàn diện, GLM-5.2 có lợi thế vượt trội. Tuy nhiên, một số nhà phân tích chỉ ra rằng “ngọn lửa” của GLM-5.2 có thành phần giả cao nhất định. Một phân tích đầy đủ về 9.163 tweet liên quan cho thấy chỉ 9% người dùng thực sự đã sử dụng nó và đưa ra các đánh giá cụ thể, và gần 80% được thúc đẩy bởi khối lượng giao tiếp và hiệu ứng vốn. Mức độ phổ biến của chủ đề này cao hơn nhiều so với quy mô người dùng thực tế.
Những tranh chấp và rủi ro chính mà GLM-5.2 gặp phải tập trung vào một số khía cạnh. Đầu tiên là vấn đề ổn định thực tế của bối cảnh dài. Mặc dù tuyên bố chính thức là "Solid 1M là bối cảnh không mất dữ liệu", nhưng trong các thử nghiệm thực tế, nhiều nhà phát triển đã phát hiện ra rằng mô hình này bị mất tập trung khi thực hiện các tác vụ đường dài nhiều bước - "Không thành vấn đề nếu cửa sổ bị kéo dài đến 1 triệu, não vẫn chỉ nhìn vào phần đầu và phần cuối." GLM-5.2 không tránh khỏi những thiếu sót chung của các mô hình bối cảnh dài. Thứ hai, đó là vấn đề về tính ổn định của sản phẩm và trải nghiệm người dùng. Một số người dùng báo cáo rằng khi sử dụng Gói mã hóa chính thức của Zhipu, ngay cả việc đọc tệp txt cũng sẽ bị lỗi. Thông báo lỗi là `reason=unknown` và thiếu lời nhắc lỗi có thể khắc phục được. Có một khoảng cách giữa khả năng của chính mô hình và mức độ hoàn thiện ở cấp độ sản phẩm. Thứ ba là tranh cãi về chính sách thanh toán. Cơ chế tăng gấp đôi mức tiêu thụ gấp 3 lần trong thời kỳ cao điểm đã khiến nhiều người dùng phàn nàn rằng hạn ngạch “cháy quá nhanh” và các gói thông thường khó có thể hỗ trợ các kịch bản phát triển thực tế. Vấn đề này đã gây ra các cuộc thảo luận rộng rãi trong cộng đồng rằng "mô hình này rất mạnh nhưng sử dụng nó rất thú vị, đó là hai điều khác nhau." Cuối cùng là mất khả năng thị giác. Mẫu hàng đầu năm 2026 không có khả năng đa phương thức nguyên bản. Trong bối cảnh các sản phẩm cạnh tranh thường có khả năng đa phương thức, thiếu sót này có thể hạn chế các kịch bản ứng dụng của GLM-5.2.
GLM-5.2 phù hợp nhất cho các lập trình viên và nhóm phát triển, đặc biệt trong các tình huống sau: yêu cầu tự động hóa mã hóa tần số cao; kho mã lớn đòi hỏi hàng triệu bối cảnh; các nhóm nhạy cảm về chi phí và muốn giảm phí API; các công ty có yêu cầu tuân thủ dữ liệu và yêu cầu triển khai tại địa phương; các nhà phát triển muốn chuyển công việc viết mã của họ từ mô hình nguồn đóng sang mô hình nguồn mở. Các tình huống ít phù hợp nhất bao gồm: các nhiệm vụ đòi hỏi sự hiểu biết đa phương thức (xem hình ảnh, phân tích video, v.v.); các thiết kế kiến trúc cấp cao phức tạp và mờ đòi hỏi mô hình phải lập kế hoạch độc lập; và các tình huống tương tác đòi hỏi tốc độ suy luận theo thời gian thực cực cao. Đối với các nhà phát triển thông thường, cách sử dụng được khuyến nghị là "tận dụng điểm mạnh và tránh điểm yếu": giao các nhiệm vụ tái cấu trúc và mã hóa yêu cầu tầm nhìn toàn cầu và mục tiêu rõ ràng cho GLM-5.2, đồng thời giao các liên kết yêu cầu hiểu ý định, làm rõ yêu cầu và lập kế hoạch phức tạp cho các mô hình giỏi "suy nghĩ rõ ràng" như Claude hoặc GPT.
GLM-5.2 là bước đột phá mang tính bước ngoặt đối với các mẫu mã lớn trong nước trong lĩnh vực mã hóa cao cấp. Lần đầu tiên, nó đặt mô hình nguồn mở vào cùng đường đua với mô hình nguồn đóng hàng đầu về mã và các tác vụ tầm xa, đồng thời cung cấp cho các nhà phát triển một giải pháp thay thế thực sự có thể triển khai được với hiệu suất chi phí cực cao và thỏa thuận nguồn mở MIT. Ở một bước ngoặt trong ngành, nơi các mẫu máy mạnh nhất ở nước ngoài đang đóng cửa và hệ sinh thái sức mạnh điện toán trong nước đang trưởng thành, GLM-5.2 đang đi đúng hướng. Nhưng nó không hoàn hảo - sự ổn định về sự chú ý của bối cảnh dài, thiếu khả năng đa phương thức, mức độ hoàn thiện của sản phẩm và các vấn đề về trải nghiệm người dùng do chiến lược thanh toán gây ra đều là những "ngọn núi tiếp theo" mà nó cần tiếp tục chinh phục.

Đánh giá của người dùng

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

Báo cáo chuyên sâu

Đánh giá của người dùng

Sản phẩm tương tự