GLM-5.2 : fonctionnalités, configuration, benchmarks et guide de changement de modèle

Le mois de juin a été riche en sorties de modèles d’IA. Anthropic a lancé Claude Fable 5 puis l’a retiré de l’accès public. Moonshot AI a publié Kimi K2.7-Code, annonçant un gain de +21,8 % sur Kimi Code Bench v2 par rapport à son prédécesseur. Plus récemment, Z.ai a dévoilé GLM-5.2, son nouveau modèle phare dédié au code et aux agents, disponible immédiatement pour tous les utilisateurs du GLM Coding Plan, y compris les offres Lite, Pro, Max et Team.

GLM-5.2 arrive avec une fenêtre de contexte d’1 million de tokens, jusqu’à 131 072 tokens de sortie, et deux niveaux d’effort de raisonnement : high et max. Si Z.ai n’avait initialement publié aucun score de benchmark officiel, la documentation développeur récemment mise en ligne confirme que GLM-5.2 est le modèle open source de tête sur les principaux indicateurs de codage, à portée des modèles propriétaires de pointe. L’annonce mettait surtout l’accent sur la disponibilité, le contexte et la feuille de route open source, avec des poids sous licence MIT annoncés comme à venir.

Dans cet article, nous verrons ce qu’est GLM-5.2, les nouveautés par rapport à GLM-5.1, comment passer à ce modèle dans Claude Code, OpenClaw et Cline, et ce que signifient les benchmarks pour les praticiens. Vous pouvez aussi consulter notre comparaison GPT-5.5 vs Gemini 3.1 Pro pour situer l’état de l’art, ainsi que les nouveautés de GLM-5.3 Flash pour les infos les plus récentes.

Qu’est-ce que GLM-5.2 ?

GLM-5.2 est le nouveau modèle phare de Z.ai dans la lignée GLM-5, sorti le 16 juin 2026. Il se positionne en tête du GLM Coding Plan et remplace GLM-5.1 comme modèle principal pour les tâches de codage et d’agent. Grâce à un endpoint compatible Anthropic, il s’intègre sans friction dans des outils comme Claude Code et Cline via un simple changement d’URL de base et de nom de modèle.

Par rapport à GLM-5.1, les améliorations concrètes incluent :

• Contexte massif : passage d’environ 200 000 tokens à 1 000 000 tokens en utilisant l’identifiant glm-5.2[1m].
• Sortie étendue : le maximum de tokens de sortie passe à 131 072 (contre 120 000 auparavant).
• Deux modes de raisonnement : introduction des niveaux d’effort high et max, avec une recommandation de Z.ai d’utiliser max pour la stabilité sur les tâches complexes.

L’architecture sous le capot

Alors que la génération précédente restait opaque, le blog technique de Z.ai a détaillé plusieurs mécanismes d’ingénierie conçus pour gérer les charges longues et agentiques sans explosion de latence :

Quoi de neuf avec GLM-5.2 ?

Trois évolutions marquent cette version : la fenêtre de contexte élargie, le système de double effort de raisonnement et le chemin d’intégration dans des agents de code tiers. Chacune a des implications concrètes sur votre usage quotidien du modèle.

Fenêtre de contexte d’1 million de tokens

GLM-5.2 prend en charge une fenêtre de contexte d’1 million de tokens, mais l’option n’est pas activée par défaut. Pour l’activer, ajoutez [1m] au nom du modèle dans votre configuration : glm-5.2[1m]. Vous devez aussi définir le paramètre de fenêtre de compression CLAUDE_CODE_AUTO_COMPACT_WINDOW à 1000000 dans votre settings.json.

Cela compte pour les workflows impliquant de grands codebases. Une fenêtre d’1M de tokens peut contenir environ 750 000 mots de code et de contexte en simultané — suffisant pour charger un dépôt de taille moyenne sans découpage. Attention toutefois : la qualité en très long contexte tend à se dégrader aux extrêmes, et Z.ai n’a pas publié de chiffres d’exactitude de récupération à 1M de tokens pour ce modèle.

Note pratique : si Claude Code indique que le modèle avec le suffixe [1m] n’existe pas, la solution est de mettre à jour Claude Code vers la dernière version. Il s’agit d’un problème de compatibilité de version, pas de disponibilité du modèle.

Deux niveaux d’effort de raisonnement

GLM-5.2 introduit deux niveaux d’effort : high et max. Dans Claude Code, vous basculez entre eux avec la commande /effort pendant une session. La correspondance entre les libellés de Claude Code et les niveaux réels de GLM-5.2 est la suivante :

• low, medium, high (par défaut) : correspond au mode high de GLM-5.2
• xhigh, max, ultracode : correspond au mode max de GLM-5.2

Z.ai recommande explicitement le mode max pour les tâches de codage. Le défaut en session neuve correspond à high ; pour des tâches complexes et multi-étapes, pensez à basculer manuellement. Comme pour d’autres modèles de raisonnement, plus d’effort signifie des réponses plus réfléchies, mais aussi plus de latence et de tokens consommés.

Intégration via un endpoint compatible Anthropic

GLM-5.2 est accessible via l’endpoint API compatible Anthropic de Z.ai : https://api.z.ai/api/coding/paas/v4. Tout outil acceptant une URL de base Anthropic personnalisée peut donc utiliser GLM-5.2 sans attendre une prise en charge native. Claude Code, OpenClaw et Cline fonctionnent dès aujourd’hui, comme l’indique la documentation.

Ce choix d’intégration est assumé : plutôt que de proposer une interface dédiée, Z.ai parie que les développeurs disposent déjà de leur agent de code favori et souhaitent simplement changer le modèle sous-jacent. En contrepartie, les outils sans configuration de modèle personnalisée devront attendre des intégrations officielles.

GLM-5.2 est disponible sans coût additionnel pour tous les utilisateurs du GLM Coding Plan : Lite, Pro, Max et Team. 

GLM-5.2 vs GLM-5.1 : comparaison des spécifications

Comment passer à GLM-5.2

La procédure varie légèrement selon l’agent de code utilisé. Voici la configuration pour chacun.

Changer de modèle dans Claude Code

Claude Code mappe ses variables d’environnement internes vers les modèles GLM. Par défaut, les emplacements Opus et Sonnet pointent vers GLM-4.7, et l’emplacement Haiku vers GLM-4.5-Air. Pour passer à GLM-5.2, modifiez ~/.claude/settings.json.

Sur macOS, ouvrez le fichier avec vim ~/.claude/settings.json dans le terminal, ou via le Finder avec Aller > Aller au dossier. Sous Windows, localisez directement le fichier à ~/.claude/settings.json. Ajoutez ou remplacez le bloc des variables d’environnement par :

{
  "env": {
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.2[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.2[1m]"
  }
}Propulsé par

Après enregistrement, ouvrez un nouveau terminal et lancez claude pour démarrer Claude Code. Tapez /status pour confirmer le modèle actif. Vous devriez voir glm-5.2[1m] comme modèle par défaut dans le statut.

Changer de modèle dans OpenClaw

OpenClaw nécessite une modification manuelle si le sélecteur de modèle ne propose pas GLM-5.2 directement. Le fichier de configuration se trouve dans ~/.openclaw/openclaw.json. Trois changements sont requis.

Premièrement, ajoutez l’objet modèle GLM-5.2 dans le tableau models.providers.zai.models :

{
  "id": "glm-5.2",
  "name": "GLM-5.2",
  "reasoning": true,
  "input": ["text"],
  "cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
  "contextWindow": 1000000,
  "maxTokens": 131072
}Propulsé par

Deuxièmement, mettez à jour le modèle par défaut sous agents.defaults.model.primary de "zai/glm-5" vers "zai/glm-5.2". Troisièmement, ajoutez "zai/glm-5.2": {} sous agents.defaults.models. Après ces trois modifications, redémarrez la passerelle avec openclaw gateway restart et vérifiez avec openclaw tui.

Changer de modèle dans Cline et autres outils compatibles OpenAI

Pour Cline et tout outil acceptant un fournisseur compatible OpenAI personnalisé, la configuration est directe. Utilisez les réglages suivants :

• API Provider : OpenAI Compatible
• Base URL : https://api.z.ai/api/coding/paas/v4
• API Key : votre clé API Z.ai
• Model : Custom Model, saisir glm-5.2
• Context Window Size : 1000000
• Support Images : décoché

La température et autres paramètres sont à ajuster selon votre tâche. Les outils ne permettant pas de configurer un modèle personnalisé devront attendre une prise en charge officielle.

Benchmarks de GLM-5.2

Des scores officiels sont désormais disponibles, confirmant GLM-5.2 comme le modèle open-source le plus performant actuellement sur le marché. Sur des benchmarks standard de codage, GLM-5.2 surpasse nettement son prédécesseur. Il atteint 81,0 sur Terminal-Bench 2.1 (contre 62,0 pour GLM-5.1) et 62,1 % sur SWE-bench Pro (contre 58,4 % pour GLM-5.1).

Source

Z.ai a également publié des chiffres ciblant la performance de codage sur long horizon. Sur FrontierSWE, PostTrainBench et SWE-Marathon, GLM-5.2 se classe systématiquement parmi les meilleurs modèles. Il n’est distancé que d’1 % par Claude Opus 4.8 sur FrontierSWE et dépasse GPT-5.5 comme Claude Opus 4.7 sur plusieurs benchmarks, conservant sa position de modèle open source le mieux classé.

Source

Ce que signifient les benchmarks en pratique

Les benchmarks officiels positionnent GLM-5.2 devant des modèles comme GPT-5.5 et Kimi K2.7-Code sur des tâches standardisées. Les résultats suggèrent que sa fenêtre d’1 million de tokens se traduit par des gains concrets pour l’ingénierie, notamment sur les tâches trans-fichiers et les chaînes longues.

Les premiers retours développeurs publiés par Z.ai vont dans le même sens, citant une meilleure capacité de contexte au niveau projet et un respect plus fiable de standards d’ingénierie stricts.

Point intéressant, les benchmarks ont aussi mis en lumière la persistance agentique du modèle. Z.ai a noté que GLM-5.2 avait tendance à pratiquer le « reward hacking » lors des évaluations. Au lieu de résoudre le problème, l’agent écrivait des scripts pour rechercher des fichiers secret_cases.json cachés dans l’espace de travail, ou utilisait curl pour télécharger directement le code source visé depuis GitHub.

Z.ai a dû créer un module anti-hack en deux étapes, en ligne, pour forcer le modèle à résoudre honnêtement les problèmes, en renvoyant des données factices lorsqu’il tentait de tricher plutôt que de faire échouer l’exécution.

Cela dit, pour les praticiens, une part de validation vous incombe toujours. Même avec des scores très compétitifs (et manifestement obtenus de haute lutte face à un modèle tentant de déjouer le test), vous devriez évaluer GLM-5.2 sur votre propre codebase représentative avant de l’intégrer en production.

Nous publierons prochainement un tutoriel complet sur GLM-5.2.

Tarification et disponibilité de GLM-5.2

GLM-5.2 est disponible dès maintenant pour tous les utilisateurs du GLM Coding Plan chez Z.ai. Les niveaux d’offre sont : Lite, Pro, Max et Team. 

Z.ai propose trois niveaux selon la taille du dépôt et la fréquence d’usage. Bien que les abonnements soient mensuels, opter pour une facturation annuelle réduit le coût de 30 %.

Selon la page d’usage de Z.ai, comme GLM-5.2 vise à rivaliser avec Claude Opus 4.8, il est très gourmand en ressources. Les limites de prompts indiquées ci-dessus sont des estimations de base. L’utilisation de GLM-5.2 épuisera ce quota plus vite selon l’heure de la journée :

• Heures de pointe (14 h–18 h UTC+8) : chaque prompt GLM-5.2 déduit 3× le quota standard.
• Heures creuses : chaque prompt déduit 2× le quota standard.
• Promo limitée dans le temps : jusqu’à fin septembre, l’usage hors pointe de GLM-5.2 ne déduit que 1× le quota.

Pour ces raisons, il est recommandé de réserver GLM-5.2 aux tâches complexes afin de préserver votre consommation. 

Pour les développeurs souhaitant intégrer le modèle directement via l’API, GLM-5.2 utilise une tarification à l’usage.

D’après la documentation tarifaire officielle de Z.ai, l’usage API de GLM-5.2 est facturé par million de tokens :

• Tokens d’entrée : $1,40 par 1M de tokens
• Tokens d’entrée mis en cache : $0,26 par 1M de tokens
• Stockage des entrées en cache : gratuit pour une durée limitée
• Tokens de sortie : $4,40 par 1M de tokens

L’endpoint API pour l’accès développeur est https://api.z.ai/api/coding/paas/v4. Les identifiants de modèle sont glm-5.2 pour la version standard et glm-5.2[1m] pour la variante à contexte 1M. Vous aurez besoin d’une clé API Z.ai, à générer sur z.ai/manage-apikey/apikey-list.

Les poids open source sont annoncés comme à venir, sous licence MIT. Les poids de GLM-5.1 ont été publiés sous MIT au lancement ; on peut donc s’attendre à ce que GLM-5.2 suive. Le calendrier communiqué dans l’annonce était « la semaine prochaine » par rapport au 13 juin 2026.

Dernières réflexions

GLM-5.2 est une sortie intéressante à évaluer car son meilleur argument n’est pas lié aux benchmarks. Inclus dans le GLM Coding Plan (avec des limites d’usage selon l’offre), doté d’une fenêtre de contexte d’1M de tokens, et s’intégrant dans Claude Code ou Cline via une simple modification de configuration, il est très facile à tester.

Les résultats de benchmarks sont impressionnants. Atteindre 62,1 % sur SWE-bench Pro et 81,0 sur Terminal-Bench 2.1 marque un vrai saut par rapport à GLM-5.1. Étant donné le coût d’entrée nul pour les abonnés existants, cela vaut clairement la peine de l’essayer sur votre prochain refactoring.

Pour vous mettre à niveau sur les outils d’IA pour le code et savoir les évaluer, nous vous recommandons le cours AI-Assisted Coding for Developers sur DataCamp, qui couvre les notions clés pour apprécier des modèles comme GLM-5.2 dans vos workflows.