核心要点
- 2026 年 6 月 13 日，智谱 AI 同日发布GLM-5.2开源大模型与ZCode 3.0编程工具
- GLM-5.2 参数量754B（激活约 A40B），首次实现「真正可用」的1M 上下文，最大输出 128K
- 在 Artificial Analysis 综合榜单取得51 分，与 Anthropic、OpenAI 一起进入前三，为开源模型 SOTA
- 采用MIT 协议开源，ZCode 3.0 全面切换自研 Agent 内核
- 这是智谱「三个月三版本」的第三步：GLM-5（2 月）→ GLM-5.1（5 月）→ GLM-5.2（6 月）
详细解读
「真正可用的 1M」是什么意思
1M 上下文这两年被很多厂商写进发布稿，但智谱这次特意强调「真正可用」——不是指标上能塞进 1M token，而是在 1M token 范围内推理质量不崩。
这个区分很关键。长上下文常见的坑是：窗口标得很大，但一旦真塞满，模型开始「读了后面忘前面」，中间段落的信息被忽略。智谱针对长程 Coding Agent 场景做了数月强化训练，目标就是让长任务执行更稳、工程规范遵循更可靠、开发场景成功率更高。
从「写代码」到「写工程」
GLM-5 系列的主线，是把能力从「生成一段代码」抬到「完成一个工程」。GLM-5.2 在这条线上继续加码：更长的上下文让模型能同时看到更多文件和依赖，自研 Agent 内核让它能自己拆任务、跑多步、自我校验。
配套的 ZCode 3.0 就是这套能力的载体——用自然语言描述需求，模型自动拆解任务、指挥多智能体并发完成编码、调试、预览全流程。
MIT 开源这张牌
744B~754B 这个参数级别的模型选择 MIT 协议开源，在业内相当罕见。MIT 是最宽松的开源协议之一，允许商用、修改、闭源分发，几乎没有附加限制。
在头部厂商纷纷收紧前沿模型访问的背景下，智谱用「开源 + 自研 + MIT」三张牌，把自己摆到了国产编程大模型「自主可控」路线的核心位置。对企业用户来说，权重可下载、协议够宽松，意味着私有化部署和二次开发的空间更大。
迭代节奏有多快
- 2 月：GLM-5 发布，参数从上一代 355B 扩到 744B，Artificial Analysis 榜单全球第四、开源第一
- 5 月：GLM-5.1，定位「为长程智能体任务而生」，强化 Agent 能力
- 6 月：GLM-5.2，1M 可用上下文 + ZCode 3.0 自研内核
四个月走完三个版本，这个速度本身就是信号。
对开发者意味着什么
- 长程 Agent 任务多了个强开源选项：如果你在做需要长上下文、多步骤的编码 Agent，GLM-5.2 值得进选型清单。
- 私有化部署更现实：MIT 协议 + 开源权重，让「自己部署一套」从想法变成可落地方案。
- 成本结构可能更友好：开源模型 + 国产供给，给了预算敏感型团队更多腾挪空间（实际成本因部署方式和场景而异）。
在 AnyAIGC 上如何使用
不想自己部署、只想直接调 API 的话，AnyAIGC 作为多模型聚合网关，可以让你用同一套 OpenAI SDK 代码在 GLM、GPT、Claude 之间自由切换——只改model字段：
from openaiimportOpenAI client=OpenAI(base_url="https://anyaigc.com/v1",api_key="sk-你的Key",# 在 anyaigc.com 获取)resp=client.chat.completions.create(model="glm-5.2",# 也可换 gpt-5.6 / claude-opus-4-8 等messages=[{"role":"user","content":"帮我把这个需求拆成可执行的开发任务"}],)print(resp.choices[0].message.content)本站为独立第三方技术服务平台，提供多模型 API 聚合接入服务，与 Anthropic、OpenAI、Google 等模型提供商无任何关联、授权或合作关系。
总结
GLM-5.2 的关键词是「可用的长上下文」和「MIT 开源」。前者解决的是长程任务能不能稳定跑完，后者解决的是模型能不能真正拿来用、拿来改。对国产大模型生态而言，智谱这套打法把「自主可控」从口号推向了工程现实。