觀點 · 資訊分享
Z.ai 開源 GLM-5.2：能讀 100 萬 token、MIT 授權，寫程式測試 81.0 分逼近 Opus 4.8
Z.ai 發表新旗艦模型 GLM-5.2，權重公開下載、採 MIT 授權，上下文從 20 萬拉到 100 萬 token。官方自己公布的寫程式成績明顯進步，但數字尚待外部實測。
- 發布
- 2026-06-18
- 篇幅
- 約 5 分鐘 · 2,070 字
- 結構
- 8 節 + 4 題常見問題
- 標籤
一句話看懂：Z.ai 發表新旗艦模型 GLM-5.2，權重公開、採 MIT 授權，上下文拉到 100 萬 token，官方自己公布的寫程式成績進步很多，逼近 Claude Opus 4.8。
先用白話講：上下文長度是什麼？
想像你在考一場開書考試，桌子只有一張小桌，每次只能攤開幾本參考書。桌子越大，你能同時攤開的資料越多，寫到一半就不用一直翻回去找。
AI 的「上下文長度（context window）」就是這張桌子的大小，單位是 token（AI 計算文字量的單位）。GLM-5.2 的桌子從原本的 20 萬 token，一口氣加大到 100 萬 token。對需要連續做好幾個小時的程式開發任務來說，桌子大，AI 比較不容易做到一半忘了前面改過什麼。
發生什麼事
Z.ai 在 6 月 17 日，於 Hugging Face 部落格發表 GLM-5.2：
- 定位：官方稱它是旗艦模型，主打「長時間任務」，比前代 GLM-5.1 進步很多
- 上下文：最大 100 萬 token，前代是 20 萬
- 授權：MIT 開源授權，官方說明沒有地區限制
- 取得方式：權重放在 Hugging Face 與 ModelScope，也能在 Z.ai 網站上對話，或透過 GLM Coding Plan 使用
- 彈性：新增多段思考強度（High、Max），讓你在「想得多」與「回得快」之間取捨
跟前代、跟 Claude 比
以下是 Z.ai 公布的部分成績（全部是官方自報）：
| 測試項目 | GLM-5.1 | GLM-5.2 | Claude Opus 4.8 |
|---|---|---|---|
| Terminal-Bench 2.1（Terminus-2） | 63.5 | 81.0 | 85.0 |
| SWE-bench Pro | 58.4 | 62.1 | 69.2 |
官方的說法是：GLM-5.2 是目前開源模型裡寫程式最強的，在 Terminal-Bench 2.1 離 Opus 4.8 只差幾分，但在 SWE-bench Pro 還有明顯差距。三個長任務測試（FrontierSWE、PostTrainBench、SWE-Marathon）也都是開源模型第一，但有的項目還是落後 Opus 4.8，例如 SWE-Marathon 落後 13%。
怎麼讓 100 萬 token 跑得動
光是把數字寫大不難，難的是便宜又穩定地跑。官方提到兩個做法：
- IndexShare：每 4 層共用同一個索引器，官方說在 100 萬 token 的長度下，每個 token 的運算量減少 2.9 倍
- 加強預測解碼：讓小模型先猜下一步、大模型再驗證的流程，平均一次猜中的長度提升最多 20%（4.56 到 5.47）
給開發者的技術細節
- 下載：Hugging Face 與 ModelScope，可用 transformers、vLLM、SGLang、xLLM、ktransformers 部署
- GLM Coding Plan：訂閱者已可使用，把模型名稱改成
GLM-5.2；在 Claude Code 要開 100 萬上下文，用GLM-5.2[1m] - 額度消耗：官方說這是最強的模型，尖峰時段（北京時間 14:00 到 18:00）消耗 3 倍額度，離峰 2 倍；限時優惠到 9 月底，離峰只算 1 倍
- 評測註記：Terminal-Bench 2.1 是用 Terminus-2 框架、256K 上下文跑出來的；FrontierSWE 由 Proximal 執行、SWE-Marathon 由 Abundant AI 執行、PostTrainBench 由該基準自己的團隊執行，而且都用最高強度設定，與日常使用不一定相同
- 模型大小：Hugging Face 模型頁標示約 7530 億參數（我整理時的頁面資訊），自架前先估算硬體
我的看法
我自己會用本地的 Ollama 跑小模型，也會在 Claude Code 之類的工具裡換模型試試。這次最讓我在意的不是分數，而是「MIT 授權加上 100 萬上下文」的組合：做接案專案時，客戶常常擔心程式碼送到國外，開源權重至少讓「在自己控制的機器上跑」變成可談的選項。
但我也不會直接相信這張成績表。分數都是官方整理，長任務測試用的是最高強度設定，日常寫網站、改系統的狀況不一定一樣。如果打算導入，我會挑一個真實專案的小功能，拿它跟現在用的模型各跑一次，比較改對的比例與花費，再決定。另外，模型太大也是現實問題，多數小團隊比較可能是透過 API 或訂閱方案使用，而不是自己養一台。
名詞小辭典
- 上下文長度（Context Window）：AI 一次能同時參考的內容量上限，數字越大，能處理的資料越多。
- 開放權重（Open Weights）：把訓練好的模型檔公開，讓大家下載後自己部署、微調。
- MIT 授權：很寬鬆的開源授權，商用、修改、再散布都可以，主要條件是保留原本的授權聲明。
- Terminal-Bench：測試 AI 能不能在命令列環境裡完成實際工作的基準測試，分數越高代表完成率越高。