GLM-5.2 от Zhipu AI: китайская open-source модель с контекстом в 1 млн токенов и архитектурой для агентных задач
Китайский стартап Zhipu AI представил свою новую флагманскую языковую модель — GLM-5.2. Это решение с открытым исходным кодом, которое сразу привлекло внимание рынка благодаря контекстному окну в 1 миллион токенов. Модель ориентирована на длинные агентные сценарии и задачи программирования, что делает её серьёзным инструментом для разработчиков и исследователей.
GLM-5.2 распространяется под лицензией MIT и поддерживает локальное развертывание. Размер модели составляет 753 миллиарда параметров. Разработка предназначена для генерации текста на английском и китайском языках, что подтверждается её карточкой на Hugging Face.
Архитектурные инновации и производительность
Одной из ключевых особенностей GLM-5.2 является поддержка нескольких уровней «интенсивности рассуждений». Это позволяет гибко балансировать между качеством ответов и задержкой, адаптируясь под конкретные задачи. В архитектуру встроены механизмы IndexShare и обновлённый слой MTP для спекулятивной декодировки.
IndexShare, по заявлению разработчиков, повторно использует один индексатор на каждые четыре слоя разреженного внимания, что снижает количество операций на токен в 2,9 раза. Обновление MTP, в свою очередь, увеличивает длину подтверждения до 20%. Эти оптимизации делают модель эффективнее при работе с большими объёмами данных.
Бенчмарки и позиционирование на рынке
В трёх ключевых тестах — FrontierSWE, PostTrainBench и SWE-Marathon — GLM-5.2 обошла другие open-source модели. В стандартных бенчмарках производительности программирования она также заняла лидирующие позиции среди открытых решений. Это подтверждает её потенциал для автоматизации кодинга и сложных агентных цепочек.
Для локального развертывания GLM-5.2 поддерживает SGLang, vLLM, Transformers, KTransformers и Docker Model Runner. Кроме того, доступны квантизации для llama.cpp, Ollama и LM Studio, что упрощает интеграцию в различные инфраструктуры.
Мой экспертный комментарий: GLM-5.2 — это не просто очередная open-source модель, а продуманный инструмент для работы с длинными контекстами и агентными сценариями. Снижение операций на токен в 2,9 раза — это серьёзный шаг вперёд для локального развертывания. Однако, учитывая размер в 753 млрд параметров, эффективная работа потребует мощного оборудования. Интересно, как модель проявит себя в реальных проектах, особенно в сравнении с закрытыми аналогами.