Z.ai выпустила GLM-5.2: открытая модель метит в длинные задачи для ИИ-агентов
Z.ai, бывшая Zhipu AI, выпустила GLM-5.2 — новую открытую модель для длинных задач. Главная заявка не в очередном чат-боте, а в агентной работе: код, терминал, инструменты, длинные репозитории и сценарии, где модель должна удерживать контекст часами, а не отвечать одной репликой.
Компания говорит о контексте до 1 млн токенов и публикует веса на Hugging Face и ModelScope под MIT-лицензией. Это важно для команд, которые хотят запускать сильную модель в своей инфраструктуре или через альтернативных провайдеров, а не полностью зависеть от закрытых API.
Что заявляет Z.ai
В официальном блоге Z.ai сравнивает GLM-5.2 с GLM-5.1, Qwen, MiniMax, DeepSeek, Gemini, GPT-5.5 и Claude Opus. На Terminal-Bench 2.1 модель набирает 81,0 против 63,5 у GLM-5.1; на SWE-bench Pro — 62,1 против 58,4. На FrontierSWE компания ставит GLM-5.2 почти рядом с Claude Opus 4.8 и выше GPT-5.5, но эти цифры стоит читать осторожно: часть тестов свежая, методики быстро меняются, а независимые проверки ещё важнее пресс-релиза.
Для пользователей coding-агентов интереснее другое. GLM-5.2 получила режимы усилия рассуждения, поддержку длинного контекста и оптимизации инференса для больших промптов. Z.ai отдельно пишет, что модель можно использовать в ZCode, Claude Code, OpenCode и других агентных средах через её Coding Plan.
Почему это важно
Открытые модели долго конкурировали с закрытыми в коротких чатах и локальных задачах. Но рынок быстро уходит в другую сторону: агенту нужно читать документацию, помнить историю проекта, вызывать инструменты, чинить ошибки и не терять нить через десятки шагов. Там длинный контекст и цена инференса становятся не украшением, а рабочим ограничением.
GLM-5.2 показывает, что китайские AI-команды теперь бьют именно в этот слой: не просто «модель дешевле», а модель для реальных рабочих циклов вокруг кода и автоматизации. Если независимые тесты подтвердят заявленный уровень, у разработчиков появится ещё один серьёзный вариант между дорогими закрытыми моделями и более слабыми локальными компромиссами.
