橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

GLM-5.2

zai-org/GLM-5.2

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：mit 上游版本：b4734de4facf

中文简介

zai-org/GLM-5.2 是 zai-org 在 Hugging Face 发布的模型仓库，当前卡片主要关联文本生成与推理。本站固定记录上游版本 b4734de4facf，同步到 295 个文件，文件元数据合计 1.37 TB；访问状态为“公开”，许可证字段为“mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 zai-org/GLM-5.2 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
zai-org/GLM-5.2 是 zai-org 在 Hugging Face 发布的模型仓库，当前卡片主要关联文本生成与推理。本站固定记录上游版本 b4734de4facf，同步到 295 个文件，文件元数据合计 1.37 TB；访问状态为“公开”，许可证字段为“mit”。

【适用方向】
适合在真实样本上评估文本生成与推理能力，并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：b4734de4facf。 任务标签：文本生成与推理。 语言字段：en, zh。 架构：GlmMoeDsaForCausalLM。 上游 Safetensors 元数据显示参数量约 753.33 B。 库标记：transformers。 模型类型字段：glm_moe_dsa。 上游页面记录的最近更新时间：2026-07-02。

【文件信息】
上游 API 返回 295 个文件，文件元数据合计 1.37 TB。 已保存文件清单中的主要扩展名：.safetensors 91 个、.yaml 4 个、.json 2 个、无扩展名 2 个、.jinja 1 个。 当前较大的文件包括：model-00024-of-00282.safetensors（5.00 GB）；model-00061-of-00282.safetensors（5.00 GB）；model-00072-of-00282.safetensors（5.00 GB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 1.37 TB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.37 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-24 01:09

GLM-5.2 👋 Join our WeChat or Discord community. 📖 Check out the GLM-5.2 blog and GLM-5 Technical report . 📍 Use GLM-5.2 API services on Z.ai API Platform. 🔜 Try GLM-5.2 here . [ Paper ] [ GitHub ] Introduction We're introducing GLM-5.2, our latest flagship model for long-horizon tasks. It marks a substantial leap in long-horizon task capability over its predecessor GLM-5.1 and, for the first time, delivers that capability on a **solid 1M-token context**. GLM-5.2's new capabilities include: **Solid 1M Context:** A solid 1M-token context that stably sustains long-horizon work **Advanced Coding with Flexible Effort**: Stronger coding capabilities with multiple thinking effort levels to balance performance and latency **Improved Architecture**: We propose IndexShare, which reuses the same indexer across every four sparse attention layers, reducing per-token FLOPs by 2.9× at a 1M context length. We also improve GLM-5.2’s MTP layer for speculative decoding, increasing the acceptance length by up to 20% **Pure Open**: An MIT open-source license — no regional limits, technical access without borders Benchmark |Benchmark|GLM-5.2|GLM-5.1|Qwen3.7-Max|MiniMax M3|DeepSeek-V4-Pro|Claude Opus 4.8|GPT-5.5|Gemini 3.1 Pro| |:---|:---:|:---:|:---:|:---:|:---:|:---:|:---:|:---:| |Reasoning||||||||||| |HLE|40.5|31|41.4|37|37.7|49.8*|41.4*|45| |HLE (w/ Tools)|54.7|52.3|53.5|-|48.2|57.9*|52.2*|51.4*| |CritPt|20.9|4.6|13.4|3.7|12.9|20.9|27.1|17.7| |AIME 2026|99.2|95.3|97|-|94.6|95.7|98.3|98.2| |HMMT Nov. 2025|94.4|94|95|84.4|94.4|96.5|96.5|94.8| |HMMT Feb. 2026|92.5|82.6|97.1|84.4|95.2|96.7|96.7|87.3| |IMOAnswerBench|91.0|83.8|90|-|89.8|83.5|-|81| |GPQA-Diamond|91.2|86.2|90|93|90.1|93.6|93.6|94.3| |Coding||||||||||| |SWE-bench Pro|62.1|58.4|60.6|59|55.4|69.2|58.6|54.2| |NL2Repo|48.9|42.7|47.2|42.1|35.5|69.7|50.7|33.4| |DeepSWE|46.2|18|18|20|8|58|70|10| |ProgramBench|63.7|50.9|-|-|47.8|71.9|70.8|39.5| |Terminal Bench 2.1 (Terminus-2)|81.0|63.5|75|65|64| 85|84|74| |Terminal Bench 2.1 (Best R

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在真实样本上评估文本生成与推理能力，并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：b4734de4facf。 任务标签：文本生成与推理。 语言字段：en, zh。 架构：GlmMoeDsaForCausalLM。 上游 Safetensors 元数据显示参数量约 753.33 B。 库标记：transformers。 模型类型字段：glm_moe_dsa。 上游页面记录的最近更新时间：2026-07-02。

文件说明

上游 API 返回 295 个文件，文件元数据合计 1.37 TB。 已保存文件清单中的主要扩展名：.safetensors 91 个、.yaml 4 个、.json 2 个、无扩展名 2 个、.jinja 1 个。 当前较大的文件包括：model-00024-of-00282.safetensors（5.00 GB）；model-00061-of-00282.safetensors（5.00 GB）；model-00072-of-00282.safetensors（5.00 GB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .eval_results/deep-swe.yaml153 B
  • .eval_results/gpqa.yaml149 B
  • .eval_results/hle.yaml298 B
  • .eval_results/swe-bench_pro.yaml161 B
  • .gitattributes1.53 KB
  • chat_template.jinja4.96 KB
  • config.json3.64 KB
  • generation_config.json194 B
  • LICENSE1.04 KB
  • model-00001-of-00282.safetensors4.98 GB
  • model-00002-of-00282.safetensors4.98 GB
  • model-00003-of-00282.safetensors4.99 GB

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 1.37 TB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.37 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。