16 июня китайская лаборатория Z.ai (бывшая Zhipu AI) выложила в открытый доступ вес GLM-5.2 — Mixture-of-Experts модели на 753 млрд параметров (~40 млрд активных), с 1-миллионным контекстным окном.
Через несколько дней модель возглавила открытый сегмент рейтинга Artificial Analysis Intelligence Index с результатом 51 балл, обогнав MiniMax-M3, DeepSeek V4 Pro и Kimi K2.6, и оказалась на уровне ведущих закрытых моделей — Claude Opus 4.8, GPT-5.5, Claude Fable 5. на Hugging Face, а сообщество само увидело, что это новый стандарт. The Cool Down
Что показывают бенчмарки
Модель создавали, прежде всего, под длинные агентные задачи и автономное программирование. На SWE-bench Pro GLM-5.2 показала 62,1 – это переигрывает GPT-5.5 (58,6). На FrontierSWE (тест "длинного горизонта") — 74,4% против 72,6% у GPT-5.5 и почти паритет с Claude Opus 4.8 (75,1%). На MCP-Atlas (использование инструментов) – 77,0 против 75,3 в GPT-5.5. На Code Arena (Frontend) в режиме Max — 1595 ELO, впереди всех версий Claude Opus, недалеко от Fable 5 (1665). А на Design Arena модель заняла первое место с ELO 1360, обогнав даже Claude Fable 5.
Не на всех тестах паритет: на ARC-AGI-2 GLM-5.2 получила лишь 22,8% против 85% у GPT-5.5 – существенное отставание в "умственной" задаче. Но стоимость исполнения — примерно в 7 раз меньше. Это и есть основной тезис релиза: не "лучшая модель в мире", а "лучшая модель по вашей гривне".

Архитектурный трюк, который это сделал
Самая интересная инженерная часть – новая техника IndexShare. В обычных трансформерах каждый sparse-attention слой отдельно вычисляет, какие токены важны. В GLM-5.2 один "индексер" производит этот расчет только раз и повторно используется на каждых четырех attention-слоях. Результат: при контексте 1 миллиона токенов вычисления на токен уменьшаются в 2,9 раза.
Еще один нюанс – обновленный слой Multi-Token Prediction, который ускоряет inference примерно на 20% из-за спекулятивного декодирования. Это не просто больше параметров – это другое решение задачи дешевого служения длинному контексту.
Цена подтверждает эффект: GLM-5.2 стоит около $1,40 за миллион входных токенов и $4,40 за выходные – против $10/$50 у Claude Fable 5. Подписка стартует от $12,60 в месяц. Запустить модель локально тоже можно, но вес весят 1,51 ТБ — значит нужно ~1,5 ТБ GPU-памяти.
Стратегический контекст: Huawei, экспорт, время
Релиз прошел на фоне повышенного напряжения. 12 июня Министерство торговли США ограничило экспорт двух мощнейших моделей Anthropic — Fable 5 и Mythos 5. Для разработчиков за пределами США GLM-5.2 сразу стала самой доступной альтернативой в классе агентного кодинга.
Отдельно — китайский аспект Z.ai уже способен тренировать модели на чипах Huawei, вписывающихся в стратегию технологической независимости КНР. В 2025 году Z.ai попала в черный список Минторга США из-за якобы связей с оборонным сектором, но это не помешало ей в январе 2026-го провести IPO в Гонконге на $558 млн и привлечь более $1,5 млрд инвестиций от Alibaba, Tencent и других.
Между релизом Claude Opus 4.5 (24 ноября 2025 года) и GLM-5.2 (16 июня 2026 года) — 204 дня. Это и есть нынешняя дистанция между фронтиром закрытых моделей США и ведущим открытым моделированием из Китая – около 6,8 месяца. Ожидаемое расширение разрыва из-за экспортных ограничений пока не произошло.

Почему это важно
Если модель способна на уровне агентного кодинга почти сравняться с закрытыми флагманами Запада, экономика рынка сдвигается: предприятиям становится выгоднее производить собственное развертывание вместо оплаты топового API по двойному тарифу. Основатель Z.ai заявил Илону Маску, что "открытые весы класса Fable" появятся раньше первого квартала 2027 года. В 2024-2025 такое звучало бы самонадеянно. В 2026 – уже нет.




























