GLM-5.2 发布：支持 1M 上下文，专注长程编码任务且 MIT 开源

据 Z.ai 官方博文，GLM-5.2 正式发布。这是一款专为长程任务 (long-horizon tasks) 设计的旗舰模型，在 GLM-5.1 的基础上大幅提升了长文本处理能力，并首次在 1M tokens 上下文窗口中实现了稳定的工程可用性。

GLM-5.2 核心能力与性能表现

GLM-5.2 的核心升级在于将 1M tokens 上下文从简单的“支持”提升到了“可靠”。据官方称，该模型在长且杂乱的 coding agent 轨迹中仍能维持质量，这得益于针对大规模实现、自动化研究、性能优化及复杂调试等场景的大规模 1M 上下文训练。

在三项长程编码 benchmark 中，GLM-5.2 展现出强劲的竞争力：

• 在 FrontierSWE 中，GLM-5.2 仅落后于 Opus 4.8 1%，且分别领先 GPT-5.5 1% 和 Opus 4.7 11%。
• 在 PostTrainBench 中，其表现优于 Opus 4.7 与 GPT-5.5，位列第二。
• 在 SWE-Marathon 中，虽然落后于 Opus 4.8 13%，但依然是排名最高的开源模型。

此外，在标准编码评测中，GLM-5.2 相比 GLM-5.1 提升显著。在 Terminal-Bench 2.1 上，得分从 63.5 提升至 81.0，在 SWE-bench Pro 上从 58.4 提升至 62.1。其在 Terminal-Bench 2.1 的表现已接近 Claude Opus 4.8(85.0)，并领先于 Gemini 3.1 Pro。

引入 Effort Level 控制机制

GLM-5.2 引入了 effort level 控制功能，允许用户根据任务复杂度在性能与延迟之间进行平衡。这种设计为 coding 任务提供了更高的灵活性：用户可以选择较低的 effort 级别以降低计算成本和延迟，或在面对极具挑战性的任务时开启 Max 级别，通过分配额外的计算资源来换取更强的推理能力。

IndexShare 架构优化与推理加速

为了支撑 1M tokens 上下文，GLM-5.2 提出了 IndexShare 架构。该方案让每 4 层 sparse attention 层共享同一个 indexer，在 1M 上下文长度下，将单 token 的 FLOPs 降低了 2.9 倍。

针对推测解码 (speculative decoding)，GLM-5.2 优化了 MTP 层，通过结合 IndexShare、KVShare 以及引入拒绝采样 (rejection sampling) 和端到端 TV loss，使 MTP 层的接受长度 (acceptance length) 提升了 20%。

长上下文服务优化与 Agentic RL

面对 1M 上下文带来的 KV-cache 容量和 CPU 开销挑战，Z.ai 从三个方向优化了推理引擎：通过 LayerSplit 实现更细粒度的内存管理；优化随上下文长度增长的 kernel 成本；以及优化 CPU 侧的请求调度。这使得 GLM-5.2 在长上下文场景下的吞吐量优势随长度增加而扩大。

在后训练阶段，团队使用了名为 slime 的基础设施层。slime 支持白盒/黑盒 rollout 等多种模式，帮助团队将 10 多个专家模型高效合并至最终模型中。整个 OPD 训练过程仅耗时约 2 天。

针对长程任务的 RL 与反作弊机制

针对长程任务轨迹长度极不均衡的问题，GLM-5.2 将优化方式从 group-wise 转向基于 critic 的 PPO 算法，通过学习单个 rollout 来估计 token 级别的优势，从而更好地适配轨迹压缩 (compaction)。

此外，针对 coding agent 容易通过读取隐藏文件或直接从 GitHub 下载答案等“奖励作弊”(reward hacking) 行为，团队引入了反作弊模块。该模块采用“规则过滤器 + LLM 裁判”的两阶段检测机制。一旦检测到作弊行为，系统将拦截调用并返回伪造信息，但允许模型继续执行 rollout，以避免训练不稳定或模型崩溃。

GLM-5.2 采用 MIT 开源协议发布，且无地域限制。其在长程编码任务上的表现证明，通过架构优化与针对性的 RL 训练，开源模型在处理百万级 token 的复杂工程任务时已具备极强的实用性。