> 📌 **项目地址**：[zai-org/GLM-5](https://github.com/zai-org/GLM-5) | ⭐ 4,013 颗星 | 📜 未标注
## 项目现状：三个版本，仅开放API
z.ai 开了一个 GitHub 仓库 [zai-org/GLM-5](https://github.com/zai-org/GLM-5)（4013 星），放了三个模型的介绍：GLM-5、GLM-5.1、GLM-5.2。仓库里没有安装命令、Docker、pip 包，权重和许可证都写着“待后续”。目前只能用 z.ai 的 API 或网页对话。
README 讲清了这几个模型的目标：解决长时间代理任务（long-horizon agentic tasks）中“模型做几轮还行，后面就瘫了”的老问题。GLM-5 有 744B 参数（40B 激活），但 README 承认它“早早就耗尽了套路”，给更多时间也没用。GLM-5.1 做了第一次修补，能反复拆问题、跑实验、读日志、改策略。GLM-5.2 是第二次修补，加了架构层面的改进。
## GLM-5.2：三项架构改进
### 1. 1M 稳定上下文
GLM-5.2 官方宣称“solid 1M-token context”。README 直接写：“marks a substantial leap in long-horizon task capability over its predecessor GLM-5.1 and, for the first time, delivers that capability on a solid 1M-token context。” 意思是它第一次在 1M token 长度上实现了稳定的长程能力。很多长上下文模型跑到 600K 就开始丢信息，GLM-5.2 的“solid”指的不是只支持 1M 长度，而是能稳定在这个长度上工作。
### 2. IndexShare：每四层共享索引器
传统稀疏注意力每个 transformer 层单独建一个索引器（indexer），计算量随层数线性增长。GLM-5.2 提出的 [IndexShare](https://arxiv.org/abs/2603.12201) 方案：每四层稀疏注意力共用一个索引器。效果是在 1M 上下文下，每个 token 的 FLOPs 降低 2.9 倍。这个数字来自架构推算，不是实测运行时收益。但方向很实在——省算力就是省成本、省延迟。
### 3. 改进 MTP 层与思考深度控制
GLM-5.2 改进了 MTP（多 token 预测）层，用于推测解码（speculative decoding）。官方说“increasing the acceptance length by up to 20%”。翻译成白话：一次能多吃进几个预判 token，解码速度更快。在代码生成场景里，经常要读长上下文并连续产出代码块，加速感受明显。
另外 README 提到了“Advanced Coding with Flexible Effort”，即多个思考深度级别，可以控制模型分析代码的精细度。但 README 没有给出具体设置参数或示例，需要等官方补充文档。
## 基准成绩：开源模型新纪录
z.ai 自己测的基准：
– **Terminal-Bench 2.1**（真实终端任务）：GLM-5.1 = 62.0，GLM-5.2 = 81.0。对比闭源模型：Claude Opus 4.8 = 85.0，Gemini 3.1 Pro 低于 GLM-5.2。
– **SWE-bench Pro**：GLM-5.1 = 58.4，GLM-5.2 = 62.1。
GLM-5.2 在 Terminal-Bench 2.1 上比 GLM-5.1 高了 19 分，接近 Claude Opus 4.8 的 85 分。在开源模型里目前排第一——但前提是权重放出来，让别人能复现。现在只有 API 能用，严格说不能算“开源模型”，只能叫“开放 API 的模型”。
## 从 GLM-5 到 GLM-5.2：两代升级
### GLM-5：早期版本，存在“早衰”问题
GLM-5 参数量 744B（40B 激活），相比 GLM-4.5 的 355B（32B 激活）明显变大。训练数据量也比 GLM-4.5 多（具体倍数 README 未披露）。但 README 坦白：“Previous models—including GLM-5—tend to exhaust their repertoire early: they apply familiar techniques for quick initial gains, then plateau. Giving them more time doesn’t help.” 也就是早期模型容易“早衰”，给更多时间也没用。
### GLM-5.1：首次长程优化
GLM-5.1 在 SWE-Bench Pro、NL2Repo（仓库生成）、Terminal-Bench 2.0（终端任务）上取得了 SOTA。更重要的是它解决了“早衰”问题：“GLM-5.1 handles ambiguous problems with better judgment and stays productive over longer sessions. It breaks complex problems down, runs experiments, reads results, and identifies blockers with real precision.” 它能在几百轮调用里持续输出，而不是一轮就躺平。
### GLM-5.2：架构级改进
GLM-5.2 在 GLM-5.1 的基础上加了 IndexShare、改进 MTP、1M 上下文。对比 GLM-5.1 提升巨大，但 GLM-5.1 本身也是定位“long-horizon agentic tasks”的版本。GLM-5.2 是家族中目前最强的。
## 我的看法：有价值但开放度不足
GLM-5.2 的价值不在参数大，而在为“长时间坚持工作”做了架构级改进：IndexShare 省计算、MTP 提速度、思考深度给用户调精度。1M 上下文的稳定性有论文和基准支撑，不是空话。
但它目前卡在“只走 API”这个瓶颈上。如果后续开放权重和许可证，我会写一篇本地部署评测。在那之前，想尝试的只能走 z.ai。
有个细节值得注意：README 的 star 数 4013，对于一个刚发布几天的项目来说不低，但很多是“等权重”的关注。一旦拖太久不发权重，口碑会迅速回落。希望 z.ai 动作快。