国产开源大模型 GLM-5.2 发布，能力又有突破还能免费用

周末，卡着国内外都没有大模型发布，已经发布又被禁止使用的空隙，智谱AI正式发布了GLM-5.2大模型。

作为智谱AI公司的最新模型，GLM-5.2仍然MIT协议开源，支持100万token的上下文长度，在代码能力、Agent能力和长上下文处理等方面都实现了显著突破。

想想3年前刚开始学习人工智能还是从GLM2开始：ChatGLM2-6B 初体验。

那个时候GLM是国产之光，没有之一。

这短短的三年过去，大模型的迭代经历了百花齐放，到现在各家争雄的模式，只剩下有资金又有技术，实力雄厚的玩家了。

前两天介绍新模型的文章：推理模型新成员：MAI-Thinking-1，微软就加入了战团。

感慨当年好多模型不见了，不仅仅文章里提到的复旦的Moss，百川大模型也放弃了通用基座大模型的研发，转向医疗专用（估计将来也会被通用大模型+数据工程吞噬）。

真正可用的1M上下文

有用户反馈显示，GLM-5.2很少出现因为看漏代码细节导致的Bug。

这一特性使其特别适合大型代码库分析、长文档处理和复杂工程任务。

在代码能力方面，GLM-5.2在私有评测CodeV3中综合排名全球第三，这是国产模型首次在代码能力上与国际顶尖模型拉开代差。

在5个工程测评中，GLM-5.2拿到了3个A档，与Opus 4.8表现相当，部分场景甚至更优。

用户评价称"模型几乎不犯错，对用户需求理解准确"。

这个成绩持平Opus 4.8，只在小众一些的Mac、Rust等场景略输一些，但可用性也十分在线，不需要用户干预过深，仅靠自己推理也能完成项目。

甚至有人担心用中转站的拿5.2冒充 Opus 4.5 也分辨不出来了。

在非公开的2个复杂度更高工程中，GLM-5.2是首次参与，排除背题可能，2个项目均以C档通过，扣分并不高，主要是个别挑战高的环节会反复修改2～3次。

更值得关注的是，GLM-5.2在能力接近Opus 4.8的同时，完成工程的消耗却要显著更低。

以二者成绩相近的F项目为例，Opus 4.8一共产生了564次tool calls，输出260K，而GLM-5.2使用557次tool calls，输出仅170K。其他项目GLM消耗也都低于Opus，没有特例。

在架构能力上，GLM-5.2的规范性显著提升，在不同类型的项目中，都能基本遵循对应技术栈的好实践，不会出现像GPT这样仅在少数技术栈有架构设计意识的情况。

GLM-5.2会尽量多写代码，把架构的每个细节都填实、丰满，导致在5个工程中，GLM-5.2的产出代码量是目前在测模型最高，平均高出30%。

换个角度看，GLM-5.2在代码量比模型更高的情况下，却很少出现因为看漏代码细节导致的Bug，也足以证明其1M上下文的含金量。

在前端审美上，GLM-5.2相对较为克制，在完全满足用户基本要求前提下，不会自行发挥太多，所以其直出的UI看起来比较朴素。

但与之配套的交互可用性却相当高，以隐藏项目E2为例，其中有一处交互是为两个相邻的video clip添加转场特效，需要同时兼顾每个clip原先已有的复杂手势交互，施展空间很小，先前测试的模型都翻过车，但GLM-5.2顺利通过。

这个评测来自知乎的大模型观察员：toyama nao。

主页：https://www.zhihu.com/people/toyama，构建了一个编程的个人评测集：https://github.com/llm2014/llm_benchmark/。

推荐感兴趣的朋友可以看看，目前评测包括66道编程题。

我一直想弄个日常遇到过的问题和编程需求的评测集，这个弥补了遗憾。

评测 5.2 的结果：https://llm2014.github.io/llm_benchmark/#category=code_v3&dataset=code_v3%7C2026-06%7C0

在速度方面，GLM-5.2明显快于前代5.1版本，部分测试达到296 tokens/s。

在长程Agent任务中，GLM-5.2在BrowseComp、MCP-Atlas、τ²-Bench等基准测试中表现领先，规划与执行能力突出。

数学推理、工具调用、调试能力也获得好评，在真实Unity/C#、前端Canvas、全栈项目等测试中表现亮眼。

Agent能力与工具链集成

GLM-5.2的发布是和 ZCode 3.0编程工具同步进行的。

ZCode 3.0 也是智谱家的产品，自研Agent内核，专门面向长程Agent和复杂工程任务优化。

这种工具链的深度整合，使得GLM-5.2在AI Coding场景中具有更强的实用性。

目前 GLM-5.2 只对GLM Coding Plan 用户开放，官方网页对话里也没有，API与开源版本计划在发布后一周内上线。

估计也是官方看到最近没大模型发布，临时决定把这个版本在这个空窗期发布出来。

市场背景与用户反馈

社区开发者反馈显示，GLM-5.2在实际应用中表现突出。

"实际bot/agent体验上，普通人难分与Opus的区别"，

"编程完成度高，单会话搞定跨语言工程项目"，

"速度快、智能度显著提升，是目前国产Coding最强之一"。

开源加上1M上下文的组合被形容为"性价比炸裂，属于'星辰大海'级开放"。

在速度方面，GLM-5.2明显快于前代5.1版本，部分测试达到296 tokens/s。

在长程Agent任务中，GLM-5.2在BrowseComp、MCP-Atlas、τ²-Bench等基准测试中表现领先，规划与执行能力突出。

数学推理、工具调用、调试能力也获得好评，在真实Unity/C#、前端Canvas、全栈项目等测试中表现亮眼。

部分用户希望看到更多SWE/Agent硬指标数据，细节把控与超长任务稳定性仍有提升空间，Coding Plan限额对重度用户的友好度也有待观察。

整体共识是：GLM-5.2稳居国产第一梯队，在Coding与Agent方向特别亮眼，已成为很多开发者替换或补充Claude/GPT的主力。

KernelBench-Hard测试中，社区揭露了一个行业公开的秘密：几乎所有主流代码模型的"高分"都是靠作弊得来的。

要么直接调用现成的GPU加速库，要么偷偷修改评分系统的tolerance文件来降低通过标准。

GLM-5.1和Kimi K2.6都曾被发现采用过类似的"优化手段"。

但GLM-5.2彻底改变了这一点。

在最具挑战性的mma.sync e4m3内核任务中，GLM-5.2用了整整45分钟，一行一行地写出了一套完整的、真正的GPU内核代码。

虽然最终因为精度问题没能通过测试，却换来一个干净的、毫无争议的"诚实的零分"。

最终测试结果显示：GLM-5.2在全部6项GPU内核任务中完成了4项Clean通过，是目前所有开源模型中诚实度最高的。

"An honest zero over a cheap win."

这种"不再作弊"的态度，让开发者对GLM-5.2产生了更深的信任。

与Claude Opus/Fable系列相比，GLM-5.2接近但略逊一筹，尤其在细节与品位方面。

但普通用户难以分辨差异，且上下文跟随能力更强。

与Kimi K2.7 Code相比，GLM-5.2整体更稳定，完整项目完成度更好。

与GPT-5.2等闭源模型相比，GLM-5.2的成本远低于闭源旗舰，开源属性是显著优势。

免费体验

ZCode 与 GLM Coding Plan 联合特别活动：

新用户 5 天免费体验：首次使用 ZCode 可享 5 天免费权益，每日合计 500 万免费 Token（GLM-5.2 300 万 + GLM-5-turbo 200 万），产品开箱即用，无需额外配置。

想试试的朋友可以下个ZCode，看看GLM5.2 究竟能不能行。

下一个大概是预订在6月份发布的DS了吧。

你现在主力用哪个国产模型呢？欢迎评论区留言。

推荐阅读

Loop Engineering 如何使用AI编程智能体：构建可循环系统

40万播放的 Anthropic 价值$300的官方提示词课

Claude Fable 5 系统提示词曝光：Anthropic 为适应最强大模型做了哪些改动？

推理模型新成员：MAI-Thinking-1

Claude Code 最佳实践：一个开发者的完整修炼手册

比 Superpowers 更贴近AI编程工程实践的51 个 Agent 和 35 个技能

柳叶刀审计250万篇医学论文 & AI 如何做数据检测

Codex 不断更新：8个特性把它用到极致

这个开源工具把 token 消耗节省了98%

Multica：让 AI 智能体变为你的员工

不用一个违禁词 让 Claude 说出炸药配方｜红队攻击实录

大模型黑箱揭秘：GPT、Claude、Gemini、Grok、Hermes 系统提示词全公开

当 AI 编程使得代码变得便宜......

jcode 深度解析：纯 Rust 打造，它凭什么号称「最强 Coding Agent」？

没人整理过的 DeepSeek 进化史：25篇论文里的技术蜕变

AI 让我更累了，这不是错觉