GLM-5.2

Überblick

GLM-5.2 ist das Open-Weight-Flaggschiff von Z.ai (ehemals Zhipu AI, Ausgründung der Tsinghua-Universität) und die dritte große Veröffentlichung der GLM-5-Familie. Es basiert auf einer Mixture-of-Experts-Architektur mit 744B Gesamtparametern und rund 40B aktiven Parametern pro Token. Der Fokus liegt auf agentischem Coding und Long-Horizon-Software-Engineering. GLM-5.2 ist nach Artificial Analysis das aktuell stärkste Open-Weight-Modell auf dem Intelligence Index.

Use Cases

• Agentisches Coding über ganze Repositories dank nutzbarem 1M-Token-Kontextfenster
• Long-Horizon-Workflows: mehrstufige Refactorings, Multi-File-Änderungen, komplexes Debugging
• Tool-Use und Function Calling in autonomen Agenten
• Selbst-Hosting und Fine-Tuning auf eigener Infrastruktur (MIT-Lizenz, freie Gewichte)

Stärken & Grenzen

Stärken: Spitzenwerte unter offenen Modellen bei nahezu allen von Artificial Analysis gemessenen Kategorien – u. a. agentische Realwelt-Aufgaben (GDPval-AA 51 %), agentische Tool-Nutzung (𝜏³-Banking 27 %), agentisches Coding (Terminal-Bench v2.1 78 %), Long-Context-Reasoning (AA-LCR 71 %) und Physik-Reasoning (CritPt 21 %). Großes, praktisch nutzbares 1M-Kontextfenster, permissive MIT-Lizenz, zwei Reasoning-Effort-Stufen (High/Max).

Grenzen: Reine Textmodalität (kein Vision-/Audio-Input). Die 744B Gesamtparameter erfordern auch im MoE-Betrieb erhebliche Hardware (Multi-GPU, FP8/INT4-Quantisierung für Self-Hosting). Bei der Instruction-Following-Disziplin (IFBench 73 %) liegt es nicht an der Spitze. Das „nutzbare" 1M-Fenster ist ein Herstellerclaim, der auf der eigenen Codebasis empirisch zu prüfen ist.

Praxis-Erfahrung

Die hier dokumentierten Werte beziehen sich auf den Max-Reasoning-Modus (Chart-Label „GLM-5.2 (max)"). Z.ai empfiehlt für Coding-Aufgaben den Max-Modus für tiefere Reasoning-Schritte; der High-Modus bietet ausgewogene Reasoning-Tiefe bei höherem Durchsatz. Für Self-Hosting werden FP8 (8×H200) für Hochdurchsatz bzw. INT4 (4×H200) für geringere Concurrency empfohlen.

Gut zu wissen

• Lizenz: MIT, freie Gewichte (auf Hugging Face), kommerziell nutzbar
• Trainiert auf 28,5 Billionen Tokens; nutzt sparse Attention (IndexShare/DeepSeek Sparse Attention) für effiziente Long-Context-Inferenz
• Max. Output: 131.072 Tokens
• Zugang: GLM Coding Plan (Lite/Pro/Max/Team), metered API, Self-Hosting
• Werte ohne Eintrag in der Score-Tabelle (Quelle: Artificial Analysis): GDPval-AA 51 %, 𝜏³-Banking 27 %, Terminal-Bench v2.1 78 %, SciCode 50 %, HLE 40 %, CritPt 21 %, AA-Omniscience Accuracy 25 %, AA-Omniscience Non-Hallucination 72 %, AA-LCR 71 %, AA-Briefcase 38 %

Weitere Benchmarks (Zusatzquellen)

Weitere berichtete Werte, für die in der Score-Tabelle oben kein Eintrag vorliegt.

Quelle: Z.ai/Zhipu (offizielle Model Card):

• HLE (mit Tools) 54,7 % · CritPt 20,9 %
• AIME 2026 99,2 % · HMMT Nov 2025 94,4 % · HMMT Feb 2026 92,5 % · IMOAnswerBench 91,0 %
• SWE-bench Pro 62,1 % · NL2Repo 48,9 % · DeepSWE 46,2 % · ProgramBench 63,7 %
• Terminal-Bench v2.1 (Best Reported Harness) 82,7 %
• MCP-Atlas (Public Set) 76,8 % · Tool-Decathlon 48,2 %

(GPQA Diamond 91,2 %, HLE text-only 40,5 % und Terminal-Bench v2.1/Terminus-2 81,0 % stehen als Zweitquelle oben in der Score-Tabelle.)