Apakah bobot GLM-5.2 terbuka dan dapat saya jalankan secara lokal?

Ya — GLM-5.2 dirilis dengan lisensi MIT tanpa pembatasan regional, dan bobotnya tersedia di Hugging Face. Z.ai mendukung penerapan lokal melalui SGLang, vLLM, Transformers, KTransformers, Unsloth, dan kerangka Ascend NPU.

Berapa biaya GLM-5.2 dan berapa besar jendela konteksnya?

Melalui API Z.ai harganya $0,06 per juta token input dan $7,00 per juta token output, dengan jendela konteks 1.048.576 token (sekitar 1 juta).

Apa perbedaan GLM-5.2 dengan GLM-5.1?

GLM-5.2 menambahkan konteks stabil 1 juta token (dibandingkan jendela lebih pendek di 5.1), skor pengkodean lebih kuat di SWE-bench Pro dan Terminal Bench, tingkat usaha penalaran yang fleksibel, dan perubahan arsitektural — IndexShare dan lapisan MTP yang ditingkatkan — yang mengurangi komputasi per token pada konteks panjang dan meningkatkan panjang penerimaan decoding spekulatif.

▲

21.7%

minggu ini

GLM 5.2

9057°

#llm #z-ai #penalaran #pemrograman #agen #konteks panjang

Berjalan di Graydient

Jalankan model ini

Penawaran / Iklan

Easy Creator (Prism) Web

Tak terbatas · biaya tetap

Terbaik untuk pemula. Alur kerja yang kuat, kurva pembelajaran rendah.

PirateDiffusion Telegram

Tak terbatas · biaya tetap

Buat video, gambar, persona chat kustom, dan lainnya.

Pro studio (SpyGlass) Web

Tak terbatas · biaya tetap

Jelajahi model, render, dan perbaiki dari browser atau ponsel mana pun.

Discord bot (Vector)

Tak terbatas · biaya tetap

Tambahkan Vector ke servermu atau gabung Discord Vector. Buat apa saja!

Unified Editor Web

Tak terbatas · biaya tetap

Editor untuk gambar dan video: render, edit, tingkatkan kualitas, dan lainnya dalam satu halaman.

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Aplikasi lokal

Perlu pengaturan

Install program lokal kalau komputermu punya hardware yang cukup.

ModelDuel Web

Bayar per penggunaan

Hasilkan prompt yang sama pada hingga 50 model checkpoint/base sekaligus.

Sewa GPU di cloud

Graydient Cloud GPU

Tak terbatas · biaya tetap

Biaya tetap, penggunaan tanpa batas. Model ini terpasang dengan satu klik.

RunPod Cloud GPU

Dikenakan per menit

Sewa GPU per menit dan atur model sendiri.

Panduan untuk model ini

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

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.

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

GLM-5.2 adalah model penalaran unggulan dari Z.ai yang dirancang untuk pekerjaan jangka panjang: rekayasa perangkat lunak skala proyek, otomatisasi multi-langkah, dan pipeline agen yang perlu mempertahankan konteks sepanjang jendela 1 juta token penuh. Bobot terbuka dengan lisensi MIT tanpa pembatasan regional membedakannya dari sebagian besar pesaing kelas depan. Jika pekerjaan Anda melibatkan tugas pengkodean berkelanjutan atau rantai penggunaan alat yang kompleks daripada kueri satu kali cepat, ini layak untuk dipertimbangkan secara serius.

Dikenal untuk

Konteks 1 juta token yang bertahan dalam tugas rekayasa multi-berkas yang panjang
Tingkat usaha penalaran yang dapat disesuaikan, termasuk pengaturan maksimum xhigh
Tolok ukur pengkodean dunia nyata yang kuat: SWE-bench Pro, Terminal Bench, FrontierSWE
Lisensi MIT, bobot terbuka, tanpa pembatasan akses regional
Peningkatan efisiensi arsitektural (IndexShare, decoding spekulatif yang ditingkatkan) untuk konteks panjang

Waspadai

Harga output $7,00 per juta token cepat bertambah pada rantai penalaran panjang; sesuaikan anggaran Anda.
Model ini besar; penerapan lokal membutuhkan perangkat keras serius dan kerangka inferensi yang didukung.
Bobot terbuka tetapi menjalankan konteks 1 juta token secara mandiri membutuhkan infrastruktur yang biasanya tidak dimiliki individu.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Pembangunan fitur full-stack

Anda bekerja dalam monorepo dengan API REST Node.js dan frontend React. Tambahkan sistem notifikasi pengguna: desain skema basis data, tulis endpoint API dengan validasi input, implementasikan komponen frontend yang melakukan polling untuk notifikasi baru, dan tulis tes integrasi. Ikuti konvensi kode yang ada dan jelaskan setiap keputusan saat Anda melakukannya.

Rencana deployment multi-langkah

Saya memiliki layanan Python FastAPI yang saat ini berjalan di satu VM. Rencanakan dan implementasikan migrasi ke deployment containerized multi-platform: tulis Dockerfile, file docker-compose untuk pengembangan lokal, manifest Kubernetes untuk produksi, dan workflow GitHub Actions yang membangun, menguji, dan menerapkan saat push ke main. Tandai asumsi apa pun yang Anda buat.

Teka-teki penalaran sulit

Lima insinyur masing-masing menguasai bahasa pemrograman berbeda, minum minuman berbeda, dan duduk berbaris di lima meja. Insinyur Rust duduk di sebelah yang minum espresso. Insinyur Python berada di salah satu ujung. Insinyur Go minum teh. Insinyur TypeScript duduk tepat di kiri insinyur Java. Peminum kopi tidak berada di ujung manapun. Siapa yang minum air, dan di meja mana mereka duduk? Tunjukkan penalaran Anda langkah demi langkah.

Bandingkan dengan

GLM 5.3 FlashX
Model hanya API
konteks 1,048,576 token · $0.37/M input, $1.25/M output
GLM 5V Turbo
Model hanya API
konteks 202,752 token · $1.20/M input, $4.00/M output
GLM 5 Turbo
Model hanya API
konteks 202,752 token · $1.20/M input, $4.00/M output
GLM 5.3 Prime
Model hanya API
konteks 1,000,000 token · $2.80/M input, $8.80/M output

Model teks lain dari z-ai

Pertanyaan yang sering diajukan

Apakah bobot GLM-5.2 terbuka dan dapat saya jalankan secara lokal?: Ya — GLM-5.2 dirilis dengan lisensi MIT tanpa pembatasan regional, dan bobotnya tersedia di Hugging Face. Z.ai mendukung penerapan lokal melalui SGLang, vLLM, Transformers, KTransformers, Unsloth, dan kerangka Ascend NPU.
Berapa biaya GLM-5.2 dan berapa besar jendela konteksnya?: Melalui API Z.ai harganya $0,06 per juta token input dan $7,00 per juta token output, dengan jendela konteks 1.048.576 token (sekitar 1 juta).
Apa perbedaan GLM-5.2 dengan GLM-5.1?: GLM-5.2 menambahkan konteks stabil 1 juta token (dibandingkan jendela lebih pendek di 5.1), skor pengkodean lebih kuat di SWE-bench Pro dan Terminal Bench, tingkat usaha penalaran yang fleksibel, dan perubahan arsitektural — IndexShare dan lapisan MTP yang ditingkatkan — yang mengurangi komputasi per token pada konteks panjang dan meningkatkan panjang penerimaan decoding spekulatif.

Putusan Kapten
Kombinasi langka: pengkodean jangka panjang kelas depan dan kemampuan agen, berlisensi MIT, dengan bobot yang benar-benar bisa Anda jalankan sendiri.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Tren popularitas GLM 5.2

Skor panas sejak 16 Jun 2026

Skor panas

9,057°

Minggu ini

▲

21.7%

9,030° dulu, 9,057° sekarang

Bulan ini

▲

155%

8,931° dulu, 9,057° sekarang

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,739°

Token OpenRouter

6,248,561,667,512 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 624,856; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

+318°

Tingkat adopsi

Sekitar 17,563 unduhan per hari, diukur antara dua pembacaan sumber, tidak pernah ditebak dari rata-rata seumur hidup. Kecepatan dihitung seperempat dari istilah unduhan, jadi lonjakan baru terlihat tanpa membiarkan lonjakan satu hari mengalahkan penggunaan bertahun-tahun.

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 9,057°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
624,856 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,739°
8,739°
total berjalan
3
Tambahkan tingkat adopsi.
Sekitar 17,563 unduhan per hari sekarang, diukur antara dua pembacaan, dengan bobot seperempat.
+318°
9,057°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
9,057°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

Laguna XS 2.1

TEXT / LLM

Qwen3 30B A3B Instruct 2507

Model AI untuk Pembuatan Gambar, Video & Teks

GLM 5.2 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya, lihat skor popularitasnya untuk mengetahui trennya, dan buka di PirateDiffusion atau BitVector untuk mencobanya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm z-ai penalaran pemrograman agen konteks panjang lokal

Jelajahi berdasarkan Keluarga Model