Är GLM-5.2:s vikter öppna och kan jag köra den lokalt?

Ja — GLM-5.2 är släppt under MIT-licens utan regionala begränsningar, och vikterna finns på Hugging Face. Z.ai stödjer lokal distribution via SGLang, vLLM, Transformers, KTransformers, Unsloth och Ascend NPU-ramverk.

Vad kostar GLM-5.2 och hur stort är dess kontextfönster?

Via Z.ai API kostar det $0.06 per miljon inmatningstokens och $7.00 per miljon utmatningstokens, med ett kontextfönster på 1 048 576 tokens (ungefär 1 miljon).

Hur skiljer sig GLM-5.2 från GLM-5.1?

GLM-5.2 lägger till ett stabilt 1 miljon tokens kontext (jämfört med ett kortare fönster i 5.1), starkare kodningsresultat över SWE-bench Pro och Terminal Bench, flexibla resonemangsinsatsnivåer och arkitektoniska förändringar — IndexShare och ett förbättrat MTP-lager — som minskar beräkning per token vid långa kontexter och ökar längden för spekulativ avkodningsacceptans.

▲

21.7%

den här veckan

GLM 5.2

9057°

#llm #z-ai #resonemang #kodning #agenter #lång kontext

Körs på Graydient

Kör modellen

Erbjudanden / annonser

Easy Creator (Prism) Webb

Obegränsat · fast avgift

Bäst för nybörjare. Kraftfulla arbetsflöden, låg inlärningströskel.

PirateDiffusion Telegram

Obegränsat · fast avgift

Skapa videor, bilder, anpassade chattpersonligheter med mera.

Pro studio (SpyGlass) Webb

Obegränsat · fast avgift

Bläddra bland modeller, rendera och förbättra från vilken webbläsare eller telefon som helst.

Discord bot (Vector)

Obegränsat · fast avgift

Lägg till Vector till din server eller gå med i Vector Discord. Skapa vad som helst!

Unified Editor Webb

Obegränsat · fast avgift

Redigerare för bilder och video: rendera, redigera, förstora och mer på en sida.

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Lokala appar

Kräver installation

Installera lokala program om din dator har tillräcklig prestanda.

ModelDuel Webb

Betala per användning

Generera samma prompt på upp till 50 checkpoint-/basmodeller samtidigt.

Hyra GPU i molnet

Graydient Cloud GPU

Obegränsat · fast avgift

Fast avgift, obegränsad användning. Denna modell installeras med ett klick.

RunPod Cloud GPU

Debiteras per minut

Hyra GPU per minut och installera modellen själv.

Guider för denna modell

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

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.

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

GLM-5.2 är Z.ais flaggskeppsmodell för resonemang, byggd för långsiktigt arbete: projektomfattande mjukvaruutveckling, flerstegsautomatisering och agentbaserade pipelines som behöver hålla kontext över ett helt 1 miljon tokens-fönster. Öppna vikter under MIT-licens utan regionala begränsningar skiljer den från de flesta konkurrenter i frontlinjen. Om ditt arbete involverar långvariga kodningsuppgifter eller komplexa kedjor av verktygsanvändning snarare än snabba engångsfrågor är detta värt en seriös titt.

Känd för

1 miljon tokens kontext som håller över långa, flerdokumentära ingenjörsuppgifter
Justering av resonemangsinsatsnivåer, inklusive en maximal xhigh-inställning
Starka verkliga kodningsbenchmarkar: SWE-bench Pro, Terminal Bench, FrontierSWE
MIT-licens, öppna vikter, inga regionala åtkomstbegränsningar
Arkitektoniska effektivitetsvinster (IndexShare, förbättrad spekulativ avkodning) för långa kontexter

Se upp för

Utdata-prissättning på $7.00 per miljon tokens blir snabbt dyrt vid långa resonemangskedjor; budgetera därefter.
Modellen är stor; lokal distribution kräver seriös hårdvara och ett stödsystem för inferens.
Vikterna är öppna men egen drift av en 1M-kontekstrunda kräver infrastruktur som de flesta individer inte har.

Bäst för

Kodning

Agenter och verktygsanvändning

Resonemang

Lång kontext

Kör lokalt

Promptar att prova

Fullstack-funktionsbyggnad

Du arbetar i ett monorepo med en Node.js REST API och en React frontend. Lägg till ett användarnotifikationssystem: designa databasschemat, skriv API-endpoints med inmatningsvalidering, implementera frontend-komponenten som pollar efter nya notifikationer, och skriv integrationstester. Följ befintliga kodkonventioner och förklara varje beslut under arbetets gång.

Flerstegsdistributionsplan

Jag har en Python FastAPI-tjänst som för närvarande körs på en enda VM. Planera och implementera en migrering till en containeriserad, multiplattformsdistribution: skriv Dockerfile, en docker-compose-fil för lokal utveckling, en Kubernetes-manifest för produktion och ett GitHub Actions-workflow som bygger, testar och distribuerar vid push till main. Markera eventuella antaganden du gör.

Svårt resonemangsproblem

Fem ingenjörer äger varsin programmeringsspråk, dricker olika drycker och sitter i en rad med fem skrivbord. Rust-ingenjören sitter bredvid den som dricker espresso. Python-ingenjören sitter i ena änden. Go-ingenjören dricker te. TypeScript-ingenjören sitter omedelbart till vänster om Java-ingenjören. Kaffedrickaren sitter inte i någon av ändarna. Vem dricker vatten och vid vilket skrivbord sitter hen? Visa ditt resonemang steg för steg.

Jämför med

GLM 5.3 FlashX
Endast API-modell
1,048,576 tokens kontext · $0.37/M indata, $1.25/M utdata
GLM 5V Turbo
Endast API-modell
202,752 tokens kontext · $1.20/M indata, $4.00/M utdata
GLM 5 Turbo
Endast API-modell
202,752 tokens kontext · $1.20/M indata, $4.00/M utdata
GLM 5.3 Prime
Endast API-modell
1,000,000 tokens kontext · $2.80/M indata, $8.80/M utdata

Fler textmodeller från z-ai

Vanliga frågor

Är GLM-5.2:s vikter öppna och kan jag köra den lokalt?: Ja — GLM-5.2 är släppt under MIT-licens utan regionala begränsningar, och vikterna finns på Hugging Face. Z.ai stödjer lokal distribution via SGLang, vLLM, Transformers, KTransformers, Unsloth och Ascend NPU-ramverk.
Vad kostar GLM-5.2 och hur stort är dess kontextfönster?: Via Z.ai API kostar det $0.06 per miljon inmatningstokens och $7.00 per miljon utmatningstokens, med ett kontextfönster på 1 048 576 tokens (ungefär 1 miljon).
Hur skiljer sig GLM-5.2 från GLM-5.1?: GLM-5.2 lägger till ett stabilt 1 miljon tokens kontext (jämfört med ett kortare fönster i 5.1), starkare kodningsresultat över SWE-bench Pro och Terminal Bench, flexibla resonemangsinsatsnivåer och arkitektoniska förändringar — IndexShare och ett förbättrat MTP-lager — som minskar beräkning per token vid långa kontexter och ökar längden för spekulativ avkodningsacceptans.

Kaptens omdöme
En sällsynt kombination: frontlinjeklassad långsiktig kodning och agentkapacitet, MIT-licensierad med vikter du faktiskt kan köra själv.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Popularitetstrend för GLM 5.2

Värmenpoäng sedan 16 Jun 2026

Värmescore

9,057°

Den här veckan

▲

21.7%

9,030° då, 9,057° nu

Den här månaden

▲

155%

8,931° då, 9,057° nu

Senaste året

n/a

Inte släppt/spårad än

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,739°

OpenRouter-token

6,248,561,667,512 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 624,856; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

+318°

Adoptionshastighet

Ungefär 17,563 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 9,057°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
624,856 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,739°
8,739°
löpande total
3
Lägg till adoptionshastigheten.
Ungefär 17,563 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
+318°
9,057°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
9,057°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

Nemotron 3.5 Super VL

TEXT / LLM

granite 4.2 3b

TEXT / LLM

Nano Banana Pro (Gemini 3 Pro Image Preview)

TEXT / LLM

GPT 4 Turbo

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

GLM 5.2 är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller, se dess hettapoäng och prova den på PirateDiffusion eller BitVector.

Fler Text / LLM-modeller llm z-ai resonemang kodning agenter lång kontext lokal

Bläddra efter modellfamilj