Zijn de GLM-5.2 weights open en kan ik het lokaal draaien?

Ja — GLM-5.2 is uitgebracht onder een MIT-licentie zonder regionale beperkingen, en de weights staan op Hugging Face. Z.ai ondersteunt lokale inzet via SGLang, vLLM, Transformers, KTransformers, Unsloth en Ascend NPU frameworks.

Wat kost GLM-5.2 en hoe groot is het contextvenster?

Via de Z.ai API kost het $0,06 per miljoen inputtokens en $7,00 per miljoen outputtokens, met een contextvenster van 1.048.576 tokens (ongeveer 1 miljoen).

Hoe verschilt GLM-5.2 van GLM-5.1?

GLM-5.2 voegt een stabiel contextvenster van 1 miljoen tokens toe (tegenover een korter venster in 5.1), sterkere scores voor coderen in SWE-bench Pro en Terminal Bench, flexibele niveaus van redeneervermogen, en architecturale veranderingen — IndexShare en een verbeterde MTP-laag — die de rekentijd per token bij lange contexten verminderen en de acceptatielengte van speculatieve decoding vergroten.

▲

21.7%

deze week

GLM 5.2

9057°

#llm #z-ai #redeneren #coderen #agenten #lange context

Draait op Graydient

Voer dit model uit

Aanbiedingen / Advertenties

Easy Creator (Prism) Web

Onbeperkt · vast bedrag

Het beste voor beginners. Krachtige workflows, lage leercurve.

PirateDiffusion Telegram

Onbeperkt · vast bedrag

Maak video's, afbeeldingen, aangepaste chatpersonages en meer.

Pro studio (SpyGlass) Web

Onbeperkt · vast bedrag

Blader door modellen, render en verfijn vanaf elke browser of telefoon.

Discord bot (Vector)

Onbeperkt · vast bedrag

Voeg Vector toe aan je server of sluit je aan bij de Vector Discord. Maak alles wat je wilt!

Unified Editor Web

Onbeperkt · vast bedrag

Editor voor afbeeldingen en video: render, bewerk, schaal op en meer op één pagina.

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

Lokale apps Lokaal

Installatie vereist

Installeer lokale programma's als je computer krachtig genoeg is.

ModelDuel Web

Betaal per gebruik

Genereer dezelfde prompt op maximaal 50 checkpoint-/basismodellen tegelijk.

Huur een GPU in de cloud

Graydient Cloud GPU

Onbeperkt · vast bedrag

Vast bedrag, onbeperkt gebruik. Dit model installeer je met één klik.

RunPod Cloud GPU

Per minuut afgerekend

Huur een GPU per minuut en stel het model zelf in.

Gidsen voor dit model

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Z.ai | 1,048,576 token context | $0.04/M input, $9.00/M output. GLM 5.2 is a large-scale reasoning model from Z.ai. It supports text input and output with a 1M-token context window, and is suited for long-horizon agent workflows, project-level software engineering, and complex multi-step automation. Reasoning efforts high and xhigh are supported; xhigh maps to max reasoning. It is particularly strong at coding and tool use across long-running tasks, able to maintain engineering context and follow standards consistently through a full development workflow, from requirements to multi-platform deployment, in a single task.

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

GLM-5.2 is het vlaggenschip redeneringsmodel van Z.ai, ontworpen voor werk met een lange horizon: software-engineering op projectniveau, multi-stap automatisering en agentachtige pipelines die context moeten vasthouden over een volledig venster van 1 miljoen tokens. Open weights onder een MIT-licentie zonder regionale beperkingen onderscheiden het van de meeste concurrenten in de frontlinie. Als je werk langdurige codeertaken of complexe ketens van toolgebruik omvat in plaats van snelle eenmalige queries, is dit een serieuze aanrader.

Bekend om

1 miljoen token context die standhoudt bij lange, multi-bestand engineeringtaken
Instelbare niveaus van redeneervermogen, inclusief een maximale xhigh-stand
Sterke benchmarks voor coderen in de praktijk: SWE-bench Pro, Terminal Bench, FrontierSWE
MIT-licentie, open weights, geen regionale toegangsbeperkingen
Architecturale efficiëntiewinsten (IndexShare, verbeterde speculatieve decoding) voor lange contexten

Let op

Outputkosten van $7,00 per miljoen tokens lopen snel op bij lange redeneerketens; budgetteer hierop.
Het model is groot; lokale inzet vereist serieuze hardware en een ondersteund inferentiekader.
Weights zijn open, maar zelf hosten van een run met 1 miljoen contexttokens vraagt infrastructuur die de meeste individuen niet hebben.

Het beste voor

Coderen

Agenten en toolgebruik

Redeneren

Lange context

Draait lokaal

Prompts om te proberen

Full-stack feature bouwen

Je werkt in een monorepo met een Node.js REST API en een React frontend. Voeg een gebruikersnotificatiesysteem toe: ontwerp het databaseschema, schrijf de API-eindpunten met inputvalidatie, implementeer de frontendcomponent die nieuwe notificaties opvraagt, en schrijf integratietests. Volg de bestaande codeconventies en leg elke beslissing uit terwijl je werkt.

Multi-stap deployment plan

Ik heb een Python FastAPI-service die momenteel op een enkele VM draait. Plan en implementeer een migratie naar een containergebaseerde, multi-platform deployment: schrijf de Dockerfile, een docker-compose bestand voor lokale ontwikkeling, een Kubernetes-manifest voor productie, en een GitHub Actions workflow die bouwt, test en deployt bij push naar main. Geef eventuele aannames die je maakt aan.

Moeilijke redeneerpuzzel

Vijf engineers beheersen elk een andere programmeertaal, drinken een ander drankje en zitten in een rij van vijf bureaus. De Rust-engineer zit naast degene die espresso drinkt. De Python-engineer zit aan een uiteinde. De Go-engineer drinkt thee. De TypeScript-engineer zit direct links van de Java-engineer. De koffiedrinker zit niet aan een van de uiteinden. Wie drinkt water en aan welk bureau zitten ze? Toon je redenering stap voor stap.

Vergelijk met

GLM 5.3 FlashX
Alleen API-model
1,048,576 token context · $0.37/M invoer, $1.25/M uitvoer
GLM 5V Turbo
Alleen API-model
202,752 token context · $1.20/M invoer, $4.00/M uitvoer
GLM 5 Turbo
Alleen API-model
202,752 token context · $1.20/M invoer, $4.00/M uitvoer
GLM 5.3 Prime
Alleen API-model
1,000,000 token context · $2.80/M invoer, $8.80/M uitvoer

Meer tekstmodellen van z-ai

Veelgestelde vragen

Zijn de GLM-5.2 weights open en kan ik het lokaal draaien?: Ja — GLM-5.2 is uitgebracht onder een MIT-licentie zonder regionale beperkingen, en de weights staan op Hugging Face. Z.ai ondersteunt lokale inzet via SGLang, vLLM, Transformers, KTransformers, Unsloth en Ascend NPU frameworks.
Wat kost GLM-5.2 en hoe groot is het contextvenster?: Via de Z.ai API kost het $0,06 per miljoen inputtokens en $7,00 per miljoen outputtokens, met een contextvenster van 1.048.576 tokens (ongeveer 1 miljoen).
Hoe verschilt GLM-5.2 van GLM-5.1?: GLM-5.2 voegt een stabiel contextvenster van 1 miljoen tokens toe (tegenover een korter venster in 5.1), sterkere scores voor coderen in SWE-bench Pro en Terminal Bench, flexibele niveaus van redeneervermogen, en architecturale veranderingen — IndexShare en een verbeterde MTP-laag — die de rekentijd per token bij lange contexten verminderen en de acceptatielengte van speculatieve decoding vergroten.

Oordeel van de kapitein
Een zeldzame combinatie: frontlinie-klasse coderen met lange horizon en agentcapaciteit, MIT-gelicentieerd, met weights die je zelf kunt draaien.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #18 Hottest Text / LLM model · #18 Hottest Text / LLM text model

Not this creator?

Get your own badge

Populariteitstrend van GLM 5.2

Heat score sinds 16 Jun 2026

Heat score

9,057°

Deze week

▲

21.7%

9,030° toen, 9,057° nu

Deze maand

▲

155%

8,931° toen, 9,057° nu

Afgelopen jaar

n.v.t.

Nog niet uitgebracht/getrackt

7,000°

Basis

De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.

+1,739°

OpenRouter tokens

6,248,561,667,512 tokens heeft dit model in de afgelopen 30 dagen verwerkt via OpenRouter, prompts en antwoorden samen. Elke 10,000,000 tokens telt als één download in de downloadterm, in totaal 624,856; de tokens van de laatste dag tellen mee voor het adoptiecijfer. Bron: OpenRouter (openrouter.ai/rankings).

+318°

Adoptiesnelheid

Ongeveer 17,563 downloads per dag, gemeten tussen twee metingen van de bronnen, nooit geschat op een levenslange gemiddelde. Snelheid weegt een kwart van de downloadterm, zodat een verse piek zichtbaar is zonder dat een dagpiek jaren gebruik overstemt.

Toon gedetailleerde uitsplitsing

Elk getal op deze site is te controleren. De heat-score van dit model is 9,057°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.

1
Begin bij de basis.
Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
7,000°
lopende totaal
2
Voeg de downloads toe.
624,856 download-equivalenten in totaal, van OpenRouter tokens. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,739°
8,739°
lopende totaal
3
Voeg de adoptiesnelheid toe.
Ongeveer 17,563 downloads per dag op dit moment, gemeten tussen twee metingen, met een kwart van het gewicht.
+318°
9,057°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
9,057°

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.

Vergelijkbare modellen

Grok 4.20 Multi Agent

TEXT / LLM

AI-modellen voor het genereren van afbeeldingen, video en tekst

GLM 5.2 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen, bekijk de populariteitsscore om de trend te zien en open het op PirateDiffusion of BitVector om het te proberen.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm z-ai redeneren coderen agenten lange context lokaal

Bladeren op modelfamilie