GLM-5.2登顶开源权重模型排行榜2026年6月在AI模型竞争版图上一个来自北京的团队将名字写在了开源权重模型排行榜的最顶端。6月17日权威基准测试平台Artificial Analysis发布了最新的Intelligence Index v4.1测评结果Z.ai原智谱AI推出的GLM-5.2以51分登顶所有开源权重模型大幅领先MiniMax-M344分、DeepSeek V4 Pro44分和Kimi K2.643分。GLM-5.2代码能力表现出色相较于GLM-5.1的40分GLM-5.2实现了11分的代际式跳跃。在开发者核心场景中它的表现也十分亮眼。在衡量深度编程能力的SWE-bench Pro上GLM-5.2以62.1%的成绩超越了GPT-5.558.6%在面向长时间跨度工程任务的FrontierSWE上以74.4%紧追Claude Opus 4.875.1%超越GPT-5.572.6%在Code Arena前端编程排行榜上排名全球第二在所有开源模型中位列第一。在代理能力测评GDPval-AA v2上GLM-5.2得分1524与GPT-5.5的xhigh推理模式基本持平。综合来看这是开源权重模型首次在代码能力维度上系统性进入与最昂贵闭源前沿模型对齐的区间。GLM-5.2技术架构升级GLM-5.2延续了GLM-5.1的混合专家Mixture-of-Experts, MoE设计总参数量744B但每次推理仅激活约40B参数。这个“总744B激活40B”的配置与GLM-5.1保持一致但能力的巨大跃升说明参数量的规模并非限制因素架构效率和训练方法才是。最关键的升级来自三项变革一是上下文窗口从GLM-5.1的20万token扩展至100万token使模型能够处理完整的代码仓库或长篇技术文档而无需切分二是引入了自研的IndexShare架构在每四个稀疏注意力层之间共享一个轻量级索引器使得在全量100万token上下文下的单token浮点运算量降低至原来的约三分之一三是推理模式下最大输出提升至131,072 token为复杂多步推理和长代码生成提供了充足的空间。Z.ai团队产品定义权衡意识清晰这些设计决策表明Z.ai团队在产品定义上有清晰的权衡意识不是在每一个benchmark上都争第一而是在开发者实际工作流所关心的维度上如大上下文、长输出、代码能力、代理任务等方面做集中突破。事实上在Artificial Analysis的Omniscience Index上GLM-5.2得分4分准确率25.1%幻觉率28.1%说明模型在事实性广泛的问答能力上仍有明显提升空间但这也反过来说明Z.ai的资源投入是高度方向性的优先保障了编程和推理能力。GLM-5.2模型能力提升结构Intelligence Index的逐项拆解展示了模型能力的提升结构。与GLM-5.1相比GLM-5.2在科学推理CritPt上跳跃了16个百分点至21%在HLE上提升了12个百分点至40%在AA-LCR语言理解上提升了9个百分点至71%在tau3银行业务评测上提升了15个百分点至27%在SciCode科学编程上提升了7个百分点至50%在TerminalBench v2.1终端操作能力上提升了16个百分点至78%在GPQA Diamond常识推理上提升3个百分点至89%。提升幅度最集中的领域并非传统NLP任务而是那些需要将语言理解与结构化操作能力相结合的“硬技能”任务这与模型在SWE-bench和FrontierSWE上的表现方向一致。GLM-5.2的战略影响力武器开源权重加MIT许可证的组合是GLM-5.2最具战略影响力的武器。在当前的AI模型竞争格局中MIT许可是最宽松的开源协议任何人都可以下载模型权重、修改、微调、商业部署无版权限制、无地域限制。这意味着GLM-5.2可以被部署在任何基础设施上、在任何产品中集成、为任何垂直行业定制而不会产生许可合规风险或供应商锁定。GLM-5.2的效率权衡Artificial Analysis的分析也指出了一个值得关注的效率权衡。GLM-5.2在执行Intelligence Index任务时平均输出43,000个token其中37,000个是推理token明显高于GLM-5.1的26,000个也超过了MiniMax-M324,000、Kimi K2.635,000和DeepSeek V4 Pro37,000。推理token的膨胀意味着模型在“思考”上的消耗更多这也是每次任务成本上升的直接原因。在Intelligence vs Output Tokens的图表上GLM-5.2的位置处于“偏离最佳象限”的边缘但在Intelligence vs Cost per Task的帕累托前沿上GLM-5.2仍然占据了“在同等智力水平下成本最低”的位置。GLM-5.2标志开源权重模型进入新阶段从技术趋势的角度观察GLM-5.2的成功强化了一个正在加速形成的共识在模型能力逐渐趋近于可用性天花板之后开源权重、宽松许可以及推理成本将成为比“谁多拿了一两个百分点”更重要的差异化因素。过去两年间AI模型生态经历了一场从“闭源独大”到“开源权重追平”的结构性变化而GLM-5.2标志着这场变化进入了第二阶段开源权重模型不再是闭源模型的“廉价替代品”而是在核心能力上与之对等、在成本和自由度上显著领先的独立选项。Z.ai给出了一个清晰的答案你可以用MIT许可获得一个在编码和代理任务上与GPT-5.5旗鼓相当的模型以六分之一的成本调用它部署在自己选择的任何基础设施上不受任何供应商锁定不承担任何许可合规风险。对于全球范围内的开发者群体和试图在AI应用中控制成本的企业而言这种价值主张的吸引力是压倒性的。