6月17日消息，智谱 AI（Z.ai）正式发布 GLM-5.2 并开源至 Hugging Face（MIT 协议）。753B 参数 MoE 架构，百万 Token 上下文，两档推理努力级别。Code Arena 编程榜排名第二仅次于 Fable 5，DesignArena 设计榜以 1360 ELO 登顶第一——一个开源模型同时杀入编程和设计两个竞技场头部，这在此前没有先例。 开源上线：MIT 协议，Hugging Face 可下载
GLM-5.2 已上线 Hugging Face（zai-org/GLM-5.2），采用 MIT 开源协议。这意味着任何企业和个人都可以自由下载、微调、商用部署，无区域限制、无使用费、无"可接受用途"类附加条款。
对供应链自主可控有需求的团队来说，MIT 协议在合规层面提供了最大确定性——不需要律师逐条审查授权条款，不需要担心上游厂商的策略变更影响下游部署。
同步上线的还有 Z.ai API（定价与 GLM-5.1 保持一致）、chat.z.ai 聊天入口，以及面向开发者的 GLM Coding Plan 全层级接入（Lite/Pro/Max/Team）。自部署方面，FP8 权重约 800 GB，8 块 H200 SXM 可支撑完整百万上下文推理；INT4 量化版约 200 GB，4 块 H200 即可运行。
双竞技场头部：Code Arena 编程第二，DesignArena 设计第一
GLM-5.2 同时进入了两个用户体感驱动竞技场的头部位置——编程和设计各一个，且都是开源模型中的最高排名。
Code Arena（编程）：第二名。 GLM-5.2（Max 版）在 Code Arena 前端榜单中排名第二，比 Claude Opus 4.7 思考模式高出 29 分，仅次于 Fable 5。Code Arena 通过真实用户盲评驱动排名，是开发者社区衡量编程体验的核心参考榜单。一个 MIT 开源模型压过 Claude Opus 全系和 GPT-5.5 进入前二，此前没有先例。 DesignArena（设计）：第一名。 在 The Intelligence Company 运营的 DesignArena Code Categories 排名中，GLM-5.2 以 1360 ELO 登顶，超越 Claude Fable 5（1350）、Claude Opus 4.6（1342）、Claude Opus 4.7 思考模式（1338）。GPT-5.5 以 1296 排在第 20 位，差距 64 分。
DesignArena 完整 Top 10：GLM-5.2（1360）> Claude Fable 5（1350）> Claude Opus 4.6（1342）> Claude Opus 4.7 Thinking（1338）> Claude Opus 4.6（1337）> GLM-5.1（1331）> Kimi K2.6（1330）> Claude Sonnet 4.6（1325）> Claude Opus 4.7（1323）= Claude 5 Turbo（1323）。 值得注意的是榜单中中国模型密集上榜：除 GLM-5.2 和 GLM-5.1 外，Kimi K2.6（1330，第 7）、MiMo-V2.5-Pro（1320，第 11）、Kimi K2.7 Code（1312）、Qwen3.7 Max（1312）、MiniMax M3（1308）均进入前 15。
8 项基准实测：编程与 Agent 全覆盖
智谱官方公布了 GLM-5.2 在 8 项编程与 Agent 基准上的成绩，对比模型包括 Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro。所有模型均在最大推理努力级别下测试。逐项数据如下： SWE-bench Pro（真实软件工程任务）： GLM-5.2 拿到 62.1，超越 GPT-5.5 的 58.6 和 GLM-5.1 的 58.4，但仍落后于 Claude Opus 4.8 的 69.2。相比上一代 GLM-5.1 提升 3.7 个点。
Terminal-Bench 2.1（终端任务）： GLM-5.2 达到 81.0，大幅超越 GLM-5.1 的 63.5（提升 17.5 个点），与 GPT-5.5 的 84.0 和 Claude Opus 4.8 的 85.0 差距收窄到个位数。
NL2Repo（仓库级代码生成）： GLM-5.2 为 48.9，GPT-5.5 为 50.7，Claude Opus 4.8 为 69.7。这是 GLM-5.2 与闭源头部差距最大的单项。
DeepSWE（深度软件工程）： GLM-5.2 达到 46.2，相比 GLM-5.1 的 18.0 实现了 156% 的跃升。但 Claude Opus 4.8（70.0）和 GPT-5.5（58.0）仍领先明显。值得注意的是 Gemini 3.1 Pro 仅为 10.0，说明这项测试对模型能力的区分度极高。
ProgramBench（编程综合）： GLM-5.2 为 63.7，GLM-5.1 为 50.9，Claude Opus 4.8 为 71.9，GPT-5.5 为 70.8。
MCP-Atlas（MCP 工具调用）： GLM-5.2 达到 77.0，几乎追平 Claude Opus 4.8 的 77.8，超越 GPT-5.5 的 75.3。这是 Agent 场景最关键的基准之一，GLM-5.2 在此项上已经与闭源旗舰平起平坐。
Tool-Decathlon（工具调用十项全能）： GLM-5.2 拿到 59.9，是所有参测模型中的最高分——超越 Claude Opus 4.8 的 55.6 和 GPT-5.5 的 48.8。这是 GLM-5.2 唯一取得全场第一的单项基准。
Humanity's Last Exam（综合推理）： GLM-5.2 为 54.7 / 52.3（含工具/不含工具），Claude Opus 4.8 为 49.8 / 41.4，GPT-5.5 为 57.9 / 52.2。表现与 GPT-5.5 接近，明显优于 Claude。
汇总来看，GLM-5.2 在 MCP-Atlas、Tool-Decathlon、Humanity's Last Exam 三项上达到或超越了闭源旗舰水平，在 SWE-bench Pro 上超越 GPT-5.5，在 Terminal-Bench 2.1 上缩小差距至 3-4 个点。NL2Repo 和 DeepSWE 仍有明显差距，但相比 GLM-5.1 的提升幅度惊人（DeepSWE 从 18.0 到 46.2）。
两档推理努力级别：Max 拼极限，High 省 Token
GLM-5.2 提供两种推理努力级别——GLM-5.2（Max）追求极致性能，GLM-5.2（High）在性能与 Token 效率之间取得平衡。上述基准成绩均为 Max 模式。
这个设计回应了 Agent 产品的核心矛盾：性能越好 Token 消耗越高，但不是每个任务都需要"满血"推理。High 模式让开发者在日常任务中控制成本，遇到复杂问题时切换 Max 模式全力输出。
配合 MTP（Multi-Token Prediction）层的优化，GLM-5.2 的投机解码接受长度提升最高 20%，进一步压缩推理开销。
从 GLM-5 到 5.2：三个月三个版本的产品节奏
智谱在 2026 年上半年的发版节奏极其密集：2 月发布 GLM-5（744B MoE），3 月发布 GLM-5.1（SWE-Bench Pro 58.4，当时开源最优），6 月发布 GLM-5.2。三个月三个版本，每一版都在编程和 Agent 基准上有可量化的提升。
这不是"憋大招"式的发布策略，而是"持续交付"式的产品迭代。智谱显然选择了在 Agentic 编程这一条垂直赛道上用密度换速度——不追求全品类全能力，而是在一个方向上连续跑出成绩，用版本号建立开发者心智。
我们怎么看
GLM-5.2 最值得关注的不是任何单项数字，而是两件事的叠加效应：编程和设计两个竞技场同时进入头部 + MIT 开源。
Code Arena 第二、DesignArena 第一——这两个都是用户体感驱动的竞技场，不是厂商自报的基准分数。一个 MIT 开源模型同时在编程和设计两个维度压过绝大多数闭源旗舰，意味着开源模型的"可用性"已经跨过了一个临界点——不只是"差不多能用"，而是"在多个场景下比闭源更好用"。
从基准数据看，GLM-5.2 并不是全面超越闭源模型。NL2Repo 和 DeepSWE 的差距说明在仓库级代码生成和深度工程任务上，Claude Opus 4.8 仍然有明显优势。但在 Tool-Decathlon、MCP-Atlas、Humanity's Last Exam 这些 Agent 和工具调用导向的测试中，GLM-5.2 已经与闭源旗舰平起平坐甚至反超。
对企业来说，这意味着模型选型的逻辑变了。不再是"开源还是闭源"的二选一，而是"哪些任务用开源就够了，哪些任务值得为闭源付费"。GLM-5.2 的 MIT 协议 + 自部署能力 + 与闭源接近的 Agent 性能，让这个分层决策第一次有了可操作的基础。
AI 速览
