GLM 5.2 — нейросеть Z.ai

Флагманская языковая модель линейки GLM: вышла 16 июня 2026 года, работает с текстом и кодом, держит миллион токенов контекста и распространяется с открытыми весами под лицензией MIT. Ниже — паспорт модели, замеры и границы применимости.

Полное название

GLM-5.2

Разработчик

Zhipu AI, международный бренд Z.ai

Дата релиза

16.06.2026

Архитектура

MoE, 753 млрд параметров

Окно контекста

1 000 000 токенов

Модальность

текст → текст

Лицензия весов

MIT

Цена в API вендора

$1.40 / $4.40 за 1M токенов (вход / выход)

Веб-чат

chat.z.ai, chatglm.cn

API

api.z.ai, open.bigmodel.cn

Что это за модель

GLM — линейка больших языковых моделей китайской компании Zhipu AI, название идёт от General Language Model. Версия 5.2 — старшая в линейке на момент сбора данных. Затачивали её под программирование и агентские сценарии: длинные цепочки вызовов инструментов, работа с репозиторием, автоматизация задач в терминале — именно по этим направлениям вендор и приводит замеры.

От большинства моделей сопоставимого класса GLM 5.2 отличается двумя вещами. Первая — открытые веса под MIT: лицензия разрешает коммерческое использование и не требует раскрывать производные работы, что для флагмана редкость. Вторая — соотношение стоимости и качества: в независимом индексе Artificial Analysis модель набирает 51 балл при смешанной цене 0,32 доллара за миллион токенов и скорости 217 токенов в секунду. По этим двум числам в верхней части списка ни у одной модели соотношение цены и качества не лучше.

Разбор линейки по версиям — на странице версии GLM; тарифы и ключи разобраны в разделе API и цены.

Когда вышла GLM 5.2

Официальная дата — 16 июня 2026 года. Она подтверждается тремя источниками вендора сразу: записью 2026-06-16 · GLM-5.2 в релиз-нотах docs.z.ai, публикацией в блоге z.ai и материалом на zhipuai.cn. Косвенная проверка — репозиторий zai-org/GLM-5.2 на Hugging Face: первый коммит датирован тем же 16 июня, 07:39 UTC, задним числом такое не создаётся.

Замеры

Разделяем два типа чисел: заявленные вендором в карточке модели и полученные независимыми площадками. Первые полезны для понимания, на что модель затачивали, вторые — для сравнения.

Строка про arena.ai важна не местом, а контекстом: GLM-5.2 — единственная модель с открытыми весами в первой тридцатке общего зачёта. Остальные двадцать девять позиций занимают закрытые модели OpenAI, Anthropic, Google и xAI. По русскому языку прямых данных о версии 5.2 нет: в бенчмарк MERA подавалась GLM-5.1 — 0,804 балла и восьмое место, а в разделе MERA Code 0,525 и второе место, выше Claude Opus 4.6.

Что модель делает и чего не делает

Полезнее всего смотреть на границы: половина ошибок в статьях про GLM возникает из-за того, что возможности семейства приписывают одной модели.

• Текст и код — основное назначение. Программирование и агентские сценарии — то, под что модель затачивали и по чему её меряют.
• Длинный контекст — миллион токенов, порядка тысячи страниц текста за один запрос; точное соответствие зависит от языка.
• Поиск в интернете и вызов внешних инструментов — поддерживаются как инструменты API.
• Картинки, видео, музыка, речь — нет. Ни на вход, ни на выход: справка описывает GLM-5.2 как модель с текстовым входом и текстовым выходом.
• Понимание изображений и сканов — тоже нет, хотя в веб-чате картинку загрузить можно. За зрение в семействе отвечает отдельная модель GLM-5V-Turbo.
• Управление компьютером — нет. Агент, который кликает по интерфейсу, у Zhipu называется AutoGLM, это самостоятельное семейство, а не режим GLM-5.2.

Как устроена архитектура

GLM-5.2 — модель со смесью экспертов: из 753 млрд параметров на каждый токен активируется только часть. Главная новинка версии называется IndexShare: один индексатор переиспользуется каждыми четырьмя слоями разрежённого внимания, за счёт чего число операций на токен при работе с контекстом в миллион падает примерно в 2,9 раза. Отдельно доработано спекулятивное декодирование — длина принимаемой цепочки выросла до 20 процентов, что напрямую отражается в высокой скорости выдачи.

Практический смысл этих двух пунктов простой: модель такого размера обычно дорого обслуживать на длинном контексте, а здесь миллион токенов не приводит к пропорциональному росту цены — отсюда и место в верхушке рейтинга «цена против интеллекта».

Короткие ответы

Что такое GLM 5.2?

Большая языковая модель китайской компании Zhipu AI, выпущенная 16 июня 2026 года под международным брендом Z.ai. Архитектура — MoE на 753 млрд параметров, окно контекста 1 000 000 токенов, веса опубликованы под лицензией MIT.

Чья это модель и кто её разработал?

Разработчик — Zhipu AI (Пекин). Международный контур — z.ai, оператор зарегистрирован в Сингапуре. Китайский контур работает на доменах chatglm.cn и open.bigmodel.cn.

GLM 5.2 бесплатная?

Веб-чат вендора бесплатен и не требует регистрации. В API у флагманской модели цена 1,40 доллара за миллион входных токенов и 4,40 за миллион выходных, но в прайсе есть и полностью бесплатные модели линейки — GLM-4.7-Flash и GLM-4.5-Flash.

Насколько GLM хороша в русском языке?

Прямых замеров GLM-5.2 на русском вендор не публикует. В российском бенчмарке MERA участвовала предыдущая версия GLM-5.1: 0,804 балла и восьмое место в общем зачёте, 0,525 и второе место в разделе кода.

Можно ли развернуть GLM 5.2 у себя?

Да. Веса выложены на Hugging Face под MIT, вендор называет поддерживаемые способы запуска: Transformers, vLLM, SGLang и KTransformers. Ограничение практическое — модель на 753 млрд параметров требует серверной конфигурации, а не одной видеокарты.

Какое место GLM 5.2 занимает в независимых рейтингах?

В общем зачёте arena.ai — 30-е место с рейтингом 1469 ± 6 по 19 623 голосам, и это единственная модель с открытыми весами в первой тридцатке: остальные двадцать девять позиций занимают закрытые модели OpenAI, Anthropic, Google и xAI. В Intelligence Index у Artificial Analysis — 51 балл при смешанной цене 0,32 доллара за миллион токенов и скорости 217 токенов в секунду.

Что нового в архитектуре GLM 5.2?

Главная новинка называется IndexShare: один индексатор переиспользуется каждыми четырьмя слоями разрежённого внимания, за счёт чего число операций на токен при работе с контекстом в миллион падает примерно в 2,9 раза. Отдельно доработано спекулятивное декодирование — длина принимаемой цепочки выросла до 20 процентов, отсюда и высокая скорость выдачи.