专注Coding与长程任务，智谱GLM-5.2接入北京超算MaaS平台

北京超算MaaS平台已上线智谱新一代开源旗舰模型 GLM-5.2。

海量算力，极致性能。立即体验，一键开启您的普惠智算之旅！⬇️

https://ai.blsc.cn/#/lms/model

以下内容来自智谱公众号，点击阅读原文

在全球百万用户参与盲测的前端开发评估系统Code Arena 上，GLM-5.2取得全球可用模型第一的表现。

1M上下文构成GLM-5.2的长程交付能力，在FrontierSWE、SWE-Marathon、PostTrainBench等多个长程任务基准上，GLM-5.2的表现介于Claude Opus 4.7与4.8之间，是排名最高的开源模型。在FrontierSWE（一个测试AI是否能够像顶级软件工程师和研究员一样，在数小时到数十小时尺度上完成复杂技术项目的测试集）上仅比Opus 4.8低1%，超过GPT-5.5（1%）和Opus 4.7（11%）；不过在SWE-Marathon（一个考察Agent能否自主完成超长周期的软件工程工作的测试集）上确实还需要进一步提高，低于Opus 4.8不少（13%）。

在实际体验中，GLM-5.2自主完成开发、联调、测试到打包上线，最终交付一个覆盖Web、移动端与小程序的多端应用。这样一条完整链路累计处理88万以上的tokens，几乎用满1M上下文窗口。过去，这样的大型工程需要一支团队协作数周，GLM-5.2能在一次连续的长程任务中跑完。

GLM-5.2在前端、后端、长程任务等开发场景下的成功率相比前一代GLM-5.1都有长足提升，复杂系统工程与深度调试更稳。在主流编程基准上，GLM-5.2保持开源SOTA，与Claude Opus 4.8处于可比区间。例如在Terminal-Bench 2.1上（评测AI Agent通过命令行操作一台计算机的数据集），GLM-5.2比Opus 4.8低4%，相比GLM-5.1提升了17.5%；在MCP-Atlas上（工具使用tool-use评测的数据集），GLM-5.2仅比Opus 4.8低0.8%。

GLM-5.2还引入了effort level（思考档位）控制，可以在能力、速度、成本之间做出平衡。在相近的token预算下，GLM-5.2的Coding能力大致位于Claude Opus 4.7与Claude Opus 4.8之间。

GLM-5.2的进步来自模型架构、推理系统和训练基础设施的协同设计。智谱提出IndexShare，在每四层稀疏注意力层之间复用同一个索引器（indexer），在1M上下文长度下，将单位token的FLOPs降低至2.9倍。此外改进了用于投机解码（speculative decoding）的 MTP 层，将接受长度（acceptance length）最多提升 20%。训练侧则依赖自研Slime框架支撑大规模Agentic RL和OPD训练。

随着GLM系列的持续迭代与调用量的快速增长，线上服务的稳定性与效率愈发关键。GLM-5.2的线上推理依托多个国产算力平台，已在Day 0完成与华为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞、天数智芯等国产算力平台的推理适配，在国产芯片集群上实现高吞吐、低延迟、大并发的稳定运行。预计下半年昇腾 950 超节点上市后，也将成为GLM-5.2强劲的算力底座。

凭借扎实的1M上下文与稳定的长程任务能力，GLM-5.2能长时间自主推进更复杂、更长链路的任务，锁定高价值场景，改变开发者与知识工作者的工作方式。

开发者：

GLM-5.2在大型重构工程上表现出色。在开发者的Moonshot实验中，它用Rust从零再造了送人类登月的计算机——阿波罗11号制导计算机（AGC）：把约4,600行的定点CPU逐比特移植为Rust，再让当年65,000行、一字未改的登月飞控程序在上面原样起飞。整个过程由Agent全自主走完，直到复现那个差点中止登月的1202报警。

知识工作者：

通过智谱的Agent产品AutoClaw，GLM-5.2的1M上下文与长程任务能力可服务于设计、法务等专业场景，例如从需求一次性生成数十个原型页面，并自主持续迭代和微调，在长上下文中保持品牌规范与一致性。