智東西
作者 陳駿達
編輯 漠影

智東西6月17日報道，今天，智譜正式發(fā)布并開源了新一代旗艦模型GLM-5.2。在大模型盲測平臺競技場（Arena.ai）的編程評估系統(tǒng)Code Arena上，GLM-5.2拿下了1595分的高分，排名總榜第二，僅次于Fable 5，并在全球可用模型中排名第一。

在測評“超長程、開放式、高難度軟件工程任務”的基準測試FrontierSWE中，目前GLM-5.2排名僅次于Opus 4.8以及暫時不可用的Fable 5。

在專門評測模型品味（taste）的Design Arena上，GLM-5.2取得全球第一的表現(xiàn)，審美也沖到全球前沿。

知乎上，大V toyama nao打趣道，以后通過中轉(zhuǎn)站用Opus的用戶得面對一個新問題：如果Opus是GLM-5.2冒充的，那用戶可能真的分辨不出來。

體驗到GLM-5.2實際效果的國內(nèi)外用戶反響熱烈。有開發(fā)者直言：“這是國內(nèi)第一款在我工作流上達到Opus級的模型?！?/strong>

海外用戶也反饋，GLM-5.2的表現(xiàn)超出預期，與Fable 5的差距比預期中要小得多。如今，F(xiàn)able 5已無法正常使用，海外網(wǎng)友原本以為它的封禁會拉開差距，沒想到GLM已經(jīng)快追上來了。這下輪到Anthropic頭疼了。

目前，GLM-5.2 API已經(jīng)上線，企業(yè)和用戶也可在Hugging Face等開源平臺直接下載并部署這一模型。

此前，智東西已經(jīng)連續(xù)對智譜的GLM-4.5、GLM-4.7、GLM-5、GLM-5.1等模型進行了深度體驗，此次GLM-5.2發(fā)布后，我們第一時間跑了幾組大型案例，能明顯感覺到一條清晰的進化脈絡：如果說GLM-4.7實現(xiàn)了對彼時頂級編程模型Sonnet 4.6的對齊，在GLM-5.2上，這一模型的“使用體感”，已經(jīng)和Opus級模型基本沒有差別。

在AI編程模型領域，此前公認的全球頭部玩家長期只有Anthropic（Claude系列）和OpenAI（GPT系列）。此次，GLM-5.2通過全球可用編程模型第一的榜單成績和開發(fā)者“Opus平替”真實口碑，正在躋身這一頂級俱樂部?？梢哉f，一個由Anthropic、OpenAI、智譜構(gòu)成的“Coding御三家”格局正在成形。

在閉源巨頭壟斷編程模型話語權(quán)，并且隨時可能收回訪問權(quán)限的當下，GLM-5.2用開源將選擇權(quán)交還給了廣大開發(fā)者。

一、和GLM-5.2協(xié)作編程4小時：幾乎用滿百萬上下文、修16個bug，從零打造一個《文明》復刻版

我的首個實測任務，是讓GLM-5.2從零開始開發(fā)一款《文明》風格的策略游戲，逐步從M0版本迭代到M4版本。

在正式開發(fā)前，我先讓GLM-5.2寫了一份PRD文檔，并與它討論了具體的技術(shù)實現(xiàn)，最后的技術(shù)方案確定為使用Godot引擎、GDScript，實現(xiàn)2.5D畫風的游戲。

M0版本是整個項目的地基。在這一版本中，GLM-5.2一連創(chuàng)建并編寫了十幾個文件，生成了標準的地圖網(wǎng)格、基礎游戲單位等核心內(nèi)容。開發(fā)完成后，GLM-5.2 快速跑了一次驗證，交付了M0版本。

不過，這個版本只是個初步成果，游戲設計還較為粗糙，角色僅用圓形圖標替代，也沒有清晰的游戲機制，還自帶不少交互層面的小bug。

我決定在M0階段逐一優(yōu)化這些bug。GLM-5.2在我的指令下調(diào)整了信息面板無法打開、初始單位無法移動等多個bug，不過，每個bug的修復基本都可以在一兩輪對話中完成，效率還是不錯的。

之后，我跳過了M1版本，直接讓GLM-5.2開發(fā)出M2版本，這也是游戲深度的核心。在沒有明確要求的情況下，GLM-5.2自主判斷并決定加入了戰(zhàn)斗系統(tǒng)、科技樹、城市經(jīng)濟和資源限制四大子系統(tǒng)。這些新系統(tǒng)的開發(fā)工作量較大，GLM-5.2持續(xù)工作了30多分鐘才完成。

在這一過程中，GLM-5.2嚴格按照我和它定下的開發(fā)規(guī)則：完成一個功能，跑一次測試，沒問題了再進行下一次開發(fā)。其實，這輪迭代跑到后期，上下文窗口已經(jīng)到30多萬tokens了，GLM-5.2此時還能記得規(guī)矩，實屬不易。

M3版本讓游戲從沙盒變成了能分出輸贏的完整單局。GLM-5.2實現(xiàn)了敵方戰(zhàn)術(shù)AI，并擴大了地圖的尺寸。雖然我的開發(fā)指令主要以游戲本身功能迭代為主，但GLM-5.2還主動考慮到了游戲優(yōu)化的問題。隨著地圖越來越大，GLM-5.2決定將地形渲染拆分為靜態(tài)和動態(tài)層，小地圖也加上了緩存優(yōu)化，這讓游戲跑起來更加順暢。

后期M4版本的工作主要集中在美感和可玩性方面，在這一階段，GLM-5.2展現(xiàn)出了不錯的審美。比如，我告訴它游戲的UI設計“沒有游戲味兒”，全是文字堆砌，它便自己找素材更新圖標，重新設計交互卡片，讓整個游戲的視覺效果上了一個檔次。

最后，我還遇到了一個意想不到的bug，當?shù)貓D擴張到100×100的尺寸時，出現(xiàn)了畫面隨著拖拽劇烈跳動的問題，試了各種方法也無法解決。最后，還是GLM-5.2成功定位了問題：它發(fā)現(xiàn)，這一個問題其實從M0版本開始就貫穿始終，但在地圖放大后才變得明顯，這與UI控件的問題有關(guān)。

這種問題根因的定位，意味著GLM-5.2可以跨越大幾十萬的上下文長度，精準定位了初版代碼中的隱藏bug。

在完成上述所有開發(fā)任務后，我們也簡單統(tǒng)計了下，在這一項目中，GLM-5.2總計使用了87萬的上下文窗口，已經(jīng)接近它的極限。

GLM-5.2復盤了它在接近百萬上下文長度的任務中修復的所有bug。它的統(tǒng)計結(jié)果是16個，與實際數(shù)據(jù)保持一致。同時，GLM-5.2還記得每個bug發(fā)生的原因以及解法，真正展現(xiàn)出在百萬上下文場景內(nèi)的可靠記憶。

二、30小時播客實錄一口氣讀完，GLM-5.1敗下陣來

除了編程之外，GLM-5.2 100萬上下文的能力還可以解鎖很多其他用途。在日常工作中，我常常需要處理大量長文本的信息整合，更大上下文窗口的模型可以起到很好的提效作用。

實測中，我一次性上傳了13份AI領域相關(guān)的播客實錄，總時長超過30小時，文本量約25萬詞，換算下來至少有30萬個token。這些播客來自The Lex Fridman Podcast，涉及不同嘉賓，時間跨度數(shù)周，話題涵蓋大模型架構(gòu)、企業(yè)AI戰(zhàn)略、多模態(tài)、AI安全、開源生態(tài)等多個子領域，信息高度分散且存在大量跨期觀點的呼應、補充與矛盾。

讓GLM-5.2一次性讀入全部13份實錄后，我下達了以下解讀任務：

（1）跨期觀點追蹤：

我讓GLM-5.2定位“scaling law是否遇到瓶頸”這一話題在所有13份實錄中的討論軌跡。GLM-5.2成功識別出了黃仁勛旗幟鮮明否定“預訓練撞墻論”的觀點，也找到了Sam Altman到對Scaling過程中算力重要性的強調(diào)，完整串起了一條跨越30小時對話、相隔數(shù)萬字的觀點演進鏈。

GLM-5.2最后給出總結(jié)，2023年時大家討論的還是單一預訓練Scaling，但之后Scaling Law的定義不斷擴展，演變出了四條曲線，涵蓋預訓練、后訓練、測試時以及智能體。它還判斷，目前主要的難點仍然是在架構(gòu)層面——能否真正再做出一個Transformer級別的技術(shù)創(chuàng)新，并從播客實錄中找到了Hassabis、陶哲軒對相關(guān)問題的論述，做到有理有據(jù)。

（2）主題聚類：

之后，我還讓GLM-5.2將散落各處、形式各異的討論，按“推理能力提升路徑”、“合成數(shù)據(jù)的有效性邊界”、“Agent架構(gòu)的主流選擇”等主題自動歸類，生成每個主題下的共識摘要與待解爭議。

GLM-5.2僅用時1分多鐘就完成了梳理，找到9大主題，每個主題下都有來自多個不同人物的觀點，顯示出對數(shù)十萬上下文內(nèi)容的把握。我抽檢了幾個關(guān)鍵的引語，發(fā)現(xiàn)GLM-5.2基本沒有出現(xiàn)幻覺，相關(guān)觀點在播客實錄中都可以找到印證。

這類任務如果用常規(guī)上下文窗口的模型處理，只能分段投入、分批總結(jié)再人工拼接，跨實錄的邏輯關(guān)聯(lián)和隱性矛盾或多或少會有些丟失。為驗證這一現(xiàn)象，我們讓GLM-5.1（20萬上下文窗口）試了試同一個跨期觀點追蹤任務。

最終，GLM-5.1雖然也可以逐步讀完這些內(nèi)容，但其輸出的總結(jié)更像是逐個閱讀文件后，對每個文件進行提煉然后匯總，觀點在不同時期如何變化、彼此之間有何聯(lián)系，這些需要跨越多文件才能提煉出來的細節(jié)，GLM-5.1沒能成功定位。

不過，并不是所有任務，都必然需要GLM-5.2的百萬上下文能力。在一些輕量級任務上，GLM-5.1和GLM-5.2并不會帶來明顯的使用體感差異。

比如，我讓GLM-5.1和GLM-5.2做了同樣的輕量Web UI開發(fā)工作，兩個模型的輸出速度和質(zhì)量都基本一致。

在像是單文件代碼補全、簡單腳本編寫、日常問答或短文檔摘要這類任務上，兩個模型的輸出質(zhì)量也基本持平。百萬上下文的優(yōu)勢主要顯現(xiàn)在需要跨區(qū)段關(guān)聯(lián)信息的超長任務中，日常開發(fā)中大部分小修小改，200K窗口已經(jīng)足夠，不必為了1M而1M。

三、百萬上下文的真正挑戰(zhàn)：裝下只是開始，好用便宜才是關(guān)鍵

那么，智譜在GLM-5.2上到底采用了哪些技術(shù)，才實現(xiàn)了百萬上下文窗口，并讓模型真正能有效利用它？

其實，智譜在GLM-4時代就曾推出過百萬上下文窗口的模型，但其大部分模型此前仍維持著較小的上下文窗口。

在百萬級上下文窗口中，單純強調(diào)“長度”本身意義有限。真正的挑戰(zhàn)在于，隨著上下文規(guī)模擴展，模型注意力機制的計算復雜度呈平方式增長。要讓100萬token的上下文不只是參數(shù)表上的一個數(shù)字，而是真正可用，就要解決兩個核心問題：模型效果能否在從0到100萬token的全程中不出現(xiàn)明顯衰減，以及推理成本能否控制在可用的范圍內(nèi)。

這背后涉及大量的工程工作。GLM-5.2在這一問題上的思路是從推理基礎設施層面和模型架構(gòu)層做協(xié)同優(yōu)化。圍繞長序列的效率瓶頸，智譜引入了IndexShare 、KVShare、LayerSplit和HiSparse的組合方案。

模型架構(gòu)層，智譜改進了GLM-5.2的MTP層以實現(xiàn)更好的推測解碼。他們在MTP層應用了IndexShare和KVShare的組合方案。此前，MTP每預測一步，都要做一次注意力計算，而GLM-5.2在多步MTP中，只在第一步計算索引器（indexer），得到topk索引后，后續(xù)所有步驟直接復用，不再重復計算。

其中，LayerSplit已在GLM-5系列模型“降智”問題優(yōu)化的工程實踐中得到驗證。GLM主打的Coding Agent工作負載以上下文長、Prefix緩存命中率高為特點，這使得Context Parallel（CP，上下文并行）成為Prefill節(jié)點的主要并行策略。

在基礎設施層，智譜提出的LayerSplit已在GLM-5系列模型“降智”問題優(yōu)化的工程實踐中得到驗證。

這項技術(shù)針對Coding Agent工作負載以上下文長、Prefix緩存命中率高特點，重點解決KV緩存冗余存儲問題，其核心思路是：每張GPU僅持有部分層的KV Cache，從而顯著降低單卡顯存占用。計算時，持有某一層Cache的CP rank會在Attention計算前將其廣播給其他rank。

為進一步減少開銷，智譜設計了KV Cache廣播與Indexer計算的重疊機制，使二者在時間上相互掩蓋。整個流程僅額外引入約為KV Cache體量1/8的Indexer Cache廣播，通信成本對性能影響可忽略。

實驗結(jié)果表明，在32k-1024k的請求長度區(qū)間內(nèi)，GLM-5.2的系統(tǒng)吞吐量較GLM-5.1實現(xiàn)了3%-192%的提升，且上下文越長收益越顯著。

同時，智譜還根據(jù)模型的稀疏注意力特性，設計了一套名為HiSparse的分層內(nèi)存系統(tǒng)。該系統(tǒng)可以主動將非活躍的KV緩存條目卸載至主機內(nèi)存，大幅緩解GPU顯存壓力，同時在GPU HBM中維護熱點設備緩存區(qū)，存放高頻訪問的KV緩存區(qū)域，以此最小化關(guān)鍵路徑上的數(shù)據(jù)遷移開銷。

這些優(yōu)化共同降低了長序列推理的顯存占用和延遲，使100萬上下文從僅僅”能跑”，變成真的“用得起”、“好用”。

智譜稱，GLM-5.2的線上推理依托多個國產(chǎn)算力平臺，已在Day 0完成與華為昇騰、平頭哥、摩爾線程、寒武紀、昆侖芯、沐曦、海光、壁仞等國產(chǎn)算力平臺的推理適配。

此外，GLM-5.2還新增了High與Max兩檔思考強度（thinking effort）設定，復雜編碼任務中可啟用更高檔位以確保架構(gòu)級邏輯的嚴謹性。

智譜GLM-5.2的百萬級上下文能力，將解鎖許多新的AI應用場景。

例如，在復雜的Web Search類任務中，GLM-5.2可以基于公開資料，調(diào)研12-15個主流K12在線編程教育品牌，并輸出完整的xlsx數(shù)據(jù)庫、分析報告和圖表。

結(jié)合智譜的Agent產(chǎn)品AutoClaw，GLM-5.2的100萬上下文與長程任務能力可以服務于設計、法務等白領場景，例如一次性寫出數(shù)十個原型頁面，自主迭代和微調(diào)，在設計中保持品牌規(guī)范與一致性。

在這些類型的任務上，GLM-5.2帶來的本質(zhì)差異不在于結(jié)果好還是壞，而是“能用還是不能用”。這些任務的量級、復雜度，是其他不具備百萬上下文能力的模型所難以想象的。

結(jié)語：智譜補齊長程任務技術(shù)拼圖

回顧智譜近期的技術(shù)路線，從GLM-5.1將開源模型的長程任務能力推進8小時級，到GLM-5.2以1M上下文將這一能力進一步延展，其技術(shù)拼圖的脈絡是清晰的：先讓模型能持續(xù)工作更久，再為它配備足夠大的記憶容量。長程任務的失敗，很多時候不是模型不夠聰明，而是它忘了最初的約束，1M上下文解決的正是這個問題。

當補齊這些能力拼圖后，智譜GLM系列模型在真正工程任務中的可用性有望進一步提升。在實測中，GLM-5.2已經(jīng)完整跑通理解需求、設計方案、寫代碼、跑測試、修bug，到最終交付的閉環(huán)，我不再需要逐段拆解任務、反復喂入背景信息、檢查中間步驟是否偏離初衷。

當模型既能工作得久、又能記得住，它才真正具備了成為長期協(xié)作伙伴的基礎。這也是從“對話式AI”走向“執(zhí)行式AI”的關(guān)鍵一步。