智谱开源 GLM-5.2(Max):753B/1M 上下文/MIT 协议,Code Arena 前端超越全部 Opus、仅次 Fable 5

6 月 27 日,智谱 AI(Z.ai / zai-org)开源的 GLM-5.2(Max) 把开源模型在真实编码对决中的天花板又顶高了一格。据 HuggingFace 模型卡,这款模型约 753B(7530 亿)参数、100 万 token 上下文、采用 MIT 协议(无地区限制)。在 Code Arena 前端赛道上,GLM-5.2(Max)拿到 1595 分,排第 2,仅次 Anthropic 前沿模型 Claude Fable 5(1665 分),并超越 Claude Opus 4.8;在头对头对决中击败全部 Claude Opus 变体(含 Opus 4.8 / 4.7 Thinking),对 Kimi-K2.6 胜率 61.0%、对 Sonnet 4.6 达 59.4%。这是开源权重模型第一次在真实前端工程对决里,把 Anthropic 全部 Opus 档位压在身下、并贴住其最前沿的 Fable 5。

发生了什么

GLM-5.2 是智谱 GLM5 家族的最新一代,以 MIT 协议完全开放权重——这是开源阵营里最宽松的一档,无商用门槛、无地区限制。模型卡标注规模为 753B 参数(BF16/F32),并强调”solid 1M-token context”,即在百万 token 长上下文下稳定支撑长程任务。arXiv 技术报告显示早至 2 月 17 日已发布,本轮是模型卡更新与社区/榜单发酵后的集中关注。(注:部分发布通稿引用 7440 亿(744B) 参数口径,与模型卡的 753B 存在约 1.2% 偏差,本篇以模型卡为准。)

真正让 GLM-5.2 出圈的是 Code Arena——一个让模型在真实前端开发任务里头对头对决的榜单。Code Arena 官方账号连续发布的三条分析勾勒出全貌:

• 排名与分数:GLM 系列从 GLM-4.6(1408 分) 一路攀升至 GLM-5.2(Max)(1595 分),超越 Opus 4.8,逼近前沿模型 Claude Fable 5(1665 分),被定位为”该实验室迄今最强编码模型”。
• 头对头胜率:GLM-5.2(Max)对几乎所有对手胜率更高,击败全部 Claude Opus 变体(含 Opus 4.8 / 4.7 Thinking);对强模型优势最大——对 Kimi-K2.6 达 61.0%、对 Sonnet 4.6 达 59.4%、对 Opus 4.7 Thinking 达 55.0%;最接近的挑战来自 GPT-5.5(xHigh)(41.7% 对 40.0%)。与自身前代 GLM-5.1 战平(45.5%-45.5%),跃升主要体现在对阵其他模型上。
• Token 效率:在 Agent Arena 的真实工具任务(搜索/文件系统/终端)分析中,Fable 质量最高(+14.1%),优于同等 token 用量的 Opus 4.8 Thinking(+9.2%);三个 GPT-5.5 变体均在效率前沿之上(+6.2% 至 +8.6%)且用量更少;GLM-5.2 达 +5.1% 接近趋势线——即”花的 token 大致换来对等的收益”,不像 Gemini-3.5 Flash 或 Grok Build 0.1 那样烧 token 却净负增长。

一个需要点破的细节:不少传播标题写作”距 Claude Opus 4.8 不到 1%“,但这与 Code Arena 前端赛道的实际得分矛盾——该赛道上 GLM-5.2(1595)是超越 Opus 4.8 的,而非落后。“不到 1%“这一说法更可能指某条整体榜单(而非前端赛道)上的总分组距,本篇未能从官方榜单页独立核实,故不采用该口径;经核实的差距是:GLM-5.2 在前端赛道落后 Fable 5 约 4.2%((1665−1595)/1665),并领先 Opus 4.8。

关键数据 / 技术细节

Code Arena 前端赛道——GLM 系列攀升与排位(据 Code Arena 官方分析):

头对头胜率——GLM-5.2(Max) 对主要对手(据 Code Arena 前端赛道分析,单一来源):

GLM-5.2 自报跑分(据 HuggingFace 模型卡,为智谱自测、非第三方独立复现;仅 GLM-5.1 列为对照):

Token 效率(Agent Arena,真实工具任务,据 Code Arena):

训练硬件——一个必须区分的点:All In 节目嘉宾 David Sacks 在节目摘要中称,GLM5 家族已用华为昇腾(Ascend)完成训练,并估计中国模型技术整体落后约 9 个月、芯片落后约 24 个月。但需注意:HuggingFace 模型卡只在推理/部署侧提及昇腾(支持 vLLM-Ascend、xLLM、SGLang),未声明训练硬件。“昇腾训练”目前为单一来源(节目转述),智谱官方未在可查材料中确认,本篇标注为待核实。

定价:智谱在发布中宣称其 API 较”同等性能美国模型”便宜约 85%;据编辑材料,软件工程基准据称击败 GPT-5.5。这两项均属厂商发布口径,本篇未能从官方定价页/对比表独立核验,标注为智谱宣称、待核实。Z.ai 官网确认 GLM-5.2 为其聊天/智能体产品的驱动模型。

为何重要

第一,这是开源权重模型第一次在”真实工程对决”而非合成基准上,系统性压过 Opus 档位。过去开源模型追赶闭源,靠的多是 MMLU、AIME 这类纸面跑分,容易被质疑”刷榜不代表能用”。Code Arena 让模型在真实前端任务里正面打,胜率是搏出来的。GLM-5.2(Max)对 Opus 4.7 Thinking 的 55.0%、对 Sonnet 4.6 的 59.4%,意味着在开发者最关心的”能不能把活干出来”这条线上,开源已经不再是”够用的平替”,而是”同台竞争的赢家”。这条线的意义远大于某个基准多两分。

第二,MIT 协议 + 完全开放权重,把开源的”可部署性”推到新档。GLM-5.2 不是”开放给研究、商用要谈”的半开放,而是无地区限制、无技术门槛的纯 MIT。对自建基础设施的企业、对受出口管制无法用美国闭源 API 的市场、对要 fine-tune 进自有产品的团队,这意味着一个 753B、1M 上下文的前沿编码模型可以真正搬回家。当闭源旗舰(同周 OpenAI 的 GPT-5.6、Anthropic 的 Fable 5)开始进入”政府准入”管控时,一个不受管控、可自托管的前沿替代品的战略价值被放大了。

第三,编码差距率先收窄,是开源追赶路径的一个结构性信号。Doubleword 的 18 基准分析显示,整体差距仍稳定在约 5 个月、多数基准甚至在扩大,唯独编码从落后 15 个月缩到 1-2 个月。原因不难理解:代码是反馈最密集、最可验证的领域——能跑通就是能跑通,强化学习的信号最干净,开源社区又能拿到海量真实代码做训练。GLM-5.2 在 Code Arena 的表现,正是”编码这条腿先追上”的最新证据;但也要清醒:在数学之外的多数通用基准上,开源整体仍落后,不该把编码赛道的胜利外推成”全面追平”。

第四,“昇腾训练”若属实,是算力自主的里程碑;但目前证据薄弱。若 GLM5 家族确系在华为昇腾上完成训练,意味着一个登顶开源编码榜的前沿模型,绕开了英伟达生态——这对中国 AI 的”卡脖子”叙事是实质突破,也是 Sacks “芯片落后 24 个月但仍能训出前沿模型”判断的注脚。但必须强调:模型卡只确认昇腾推理,训练侧证据目前仅有节目转述一条,在智谱官方或论文确认前,宜按”传闻级”对待。

接下来看什么

• 第三方独立复现:GLM-5.2 的 SWE-bench Pro 62.1、AIME 2026 99.2 等均为智谱自报,需等 SWE-bench / Terminal-Bench 官方榜单与社区独立复现来交叉印证;Code Arena 前端的 1595 分与头对头胜率是榜单实测,可信度更高。
• “距 Opus 4.8 不到 1%“口径的来源:盯 Code Arena 是否有”整体榜单”页发布——若存在,核对该 1% 是否指整体 Elo 而非前端赛道,以澄清当前传播标题的矛盾。
• 昇腾训练的官方确认:等智谱技术报告/论文或官方博客明确训练硬件。一旦坐实”昇腾训出 753B 前沿编码模型”,其产业与地缘意义远超跑分本身。
• 定价”便宜 85%“的可核验性:等 Z.ai 定价页公开每百万 token 价格,与同档闭源(GPT-5.6 Sol 的 $5/$30、Opus 系列)做逐项对比,验证 85% 这一口径。
• 编码差距能否继续收窄至追平:Doubleword 预测编码差距已缩到 1-2 个月。看下一版 GLM(或 DeepSeek、Kimi 的开源编码迭代)能否在 Code Arena 把 Fable 5 也拉下马——那将是开源在真实工程对决里首次登顶第 1。