Китайский стартап Zhipu AI представил GLM-5.2: контекст в 1 млн токенов и открытая лицензия MIT
Китайская компания Zhipu AI выпустила флагманскую языковую модель GLM-5.2, ориентированную на длинные агентные сценарии и задачи программирования. Решение с открытым исходным кодом получило контекстное окно объемом 1 миллион токенов, лицензию MIT и поддержку локального развертывания.
Технические характеристики и архитектура
Согласно спецификации на Hugging Face, GLM-5.2 предназначена для генерации текста на английском и китайском языках. Объем параметров модели составляет 753 миллиарда. Разработчики внедрили несколько уровней «интенсивности рассуждений», что позволяет гибко балансировать между качеством ответа и задержкой. В архитектуру также интегрированы механизмы IndexShare и обновленный слой MTP для спекулятивной декодировки.
IndexShare повторно использует один индексатор на каждые четыре слоя разреженного внимания, снижая количество операций на токен в 2,9 раза. Обновление MTP увеличивает длину подтверждения до 20%, что существенно ускоряет инференс в сложных сценариях.
Производительность и бенчмарки
В трех ключевых тестах — FrontierSWE, PostTrainBench и SWE-Marathon — GLM-5.2 превзошла все существующие open-source модели. В стандартных бенчмарках производительности программирования китайская разработка также заняла лидирующую позицию среди аналогов с открытым кодом.
Доступность и развертывание
GLM-5.2 распространяется по открытой лицензии MIT. Для локального развертывания заявлена поддержка SGLang, vLLM, Transformers, KTransformers и Docker Model Runner. Кроме того, доступны квантизации для llama.cpp, Ollama и LM Studio, что делает модель пригодной для использования на потребительском оборудовании.
Мнение эксперта: Выпуск GLM-5.2 знаменует собой важный этап в гонке ИИ-моделей с открытым исходным кодом. Контекст в 1 млн токенов и лицензия MIT — это прямой вызов проприетарным решениям от OpenAI и Google. Однако ключевым вопросом остается практическая применимость такой модели на обычном железе: 753 млрд параметров требуют значительных вычислительных ресурсов, даже с учетом квантизации. Рынок ждет независимых тестов производительности в реальных задачах агентного программирования.