GLM-5.2 开源：753B 参数、百万 token 上下文，登顶开源模型性能榜

一句话看懂

智谱旗下 Z.ai 开源 GLM-5.2，753B 参数 MoE 模型，百万 token 上下文，登顶开源模型性能榜，但输出 token 消耗较高。

详细发生了什么

6 月 13 日，中国 AI 实验室 Z.ai（智谱旗下）向编程计划订阅者发布了 GLM-5.2，随后于 6 月 16 日以 MIT 许可完全开源权重。该模型拥有 753B 参数（1.51TB 大小），采用 Mixture of Experts 架构，其中 40B 参数为激活参数。GLM-5.2 仅支持文本输入，Z.ai 另有视觉模型系列（最新为 GLM-5V-Turbo），但后者未开源。

GLM-5.2 的上下文窗口从上一代 GLM-5.1 的 200,000 token 提升至 1,000,000 token。独立基准平台 Artificial Analysis 将其评为 Intelligence Index v4.1 上最强的开源模型，得分 51，领先于 MiniMax-M3（44）、DeepSeek V4 Pro（max, 44）和 Kimi K2.6（43）。

不过，该模型 token 消耗较高：每项 Intelligence Index 任务平均输出 43k token，高于 GLM-5.1 的 26k、MiniMax-M3 的 24k、Kimi K2.6 的 35k 和 DeepSeek V4 Pro（max）的 37k。此外，GLM-5.2 在 Code Arena WebDev 排行榜上位列第二，仅次于 Claude Fable 5，该榜单衡量前端 Web 开发任务（包括 agentic coding workflows）。

中文圈视角

GLM-5.2 的开源对国内 AI 社区意义重大。首先，它是目前唯一一个在开源权重下达到如此高性能的国产模型，且采用 MIT 许可，商用友好。国内开发者可以直接在 Hugging Face 下载权重（1.51TB），无需梯子即可本地部署，但硬件门槛极高——至少需要多张 A100/H100 才能运行。

相比 DeepSeek V4 Pro（同样开源但参数更大）和 Kimi K2.6（闭源），GLM-5.2 在纯文本任务上表现更优，尤其适合长文档分析、代码生成等场景。不过，其 token 消耗较高意味着推理成本会上升，对于 API 调用用户来说，性价比可能不如 DeepSeek 或 MiniMax。

值得注意的盲点：GLM-5.2 没有视觉能力，而国内用户对多模态需求强烈。Z.ai 的视觉模型 GLM-5V-Turbo 未开源，这意味着在图像理解、文档 OCR 等场景，仍需依赖闭源方案或国外模型。

几条值得记住的细节

• 模型参数 753B，激活参数 40B（MoE），权重大小 1.51TB，MIT 许可开源。
• 上下文窗口 1,000,000 token，是 GLM-5.1 的 5 倍。
• Artificial Analysis 智能指数得分 51，超越 MiniMax-M3、DeepSeek V4 Pro、Kimi K2.6。
• Code Arena WebDev 排行榜第二，仅次于 Claude Fable 5。
• 输出 token 消耗较高：每任务平均 43k token，高于竞品。

一句话总结

GLM-5.2 是目前最强的开源文本模型，但高 token 消耗和硬件门槛意味着它更适合有充足算力的团队。