GLM-5.2：功能、设置、基准测试与模型切换指南

Z.ai 的 GLM-5.2 提供 100 万 Token 上下文窗口、两档推理力度，并在所有 GLM Coding Plan 档位中免费开放。

已更新 2026年10月6日 · 11分钟阅读

使用 AI 探索

今年 6 月的 AI 模型发布格外热闹。Anthropic 发布了 Claude Fable 5，又很快撤回了公开访问。Moonshot AI 上线了 Kimi K2.7-Code，称其在 Kimi Code Bench v2 上较前代提升了 +21.8%。最新的进展是，Z.ai 宣布推出 GLM-5.2，这是一款全新的旗舰级编码与智能体模型，即日起面向所有 GLM Coding Plan 用户（含 Lite、Pro、Max 与 Team）开放。

GLM-5.2 支持 100 万 Token 的上下文窗口，最多输出 131,072 个 Token，并提供两档推理力度：high 与 max。尽管 Z.ai 最初未公布官方基准分数，但新近发布的开发者文档确认，GLM-5.2 在主要编码指标上领跑开源模型，与闭源前沿模型的差距进一步缩小。公告的重点则放在可用性、上下文能力与开源路线图上，并表示 MIT 许可的权重即将发布。

本文将介绍 GLM-5.2 的定位、相较于 GLM-5.1 的更新、如何在 Claude Code、OpenClaw 和 Cline 中切换到该模型，以及基准测试对实际使用的意义。您也可以参考我们对 GPT-5.5 与 Gemini 3.1 Pro 的对比，了解前沿水平所在，并查看更新后的 GLM-5.3 Flash 获取最新信息。

什么是 GLM-5.2？

GLM-5.2 是 Z.ai 于 2026 年 6 月 16 日发布的 GLM-5 系列全新旗舰模型。它位于 GLM Coding Plan 的顶层，取代 GLM-5.1 成为主要的编码与智能体任务模型。由于采用与 Anthropic 兼容的端点，只需更换基础 URL 和模型名，便可无缝接入 Claude Code 与 Cline 等工具。

与 GLM-5.1 相比，核心的实用升级包括：

海量上下文：使用 glm-5.2[1m] 标识符时，从约 200,000 个 Token 跳至 1,000,000 个 Token。
更大输出：最大输出 Token 提升至 131,072（此前为 120,000）。
双推理模式：新增 high 与 max 力度，Z.ai 建议复杂任务选用 max 以提升稳定性。

底层架构

相较上一代的“黑箱”，Z.ai 的技术博客披露了多项定制工程机制，旨在在不显著提升延迟的情况下，应对长上下文与智能体负载：

优化项	系统	工作原理
注意力机制	IndexShare	每四层 Transformer 共享一个轻量级索引器，在 1M 上下文下将每 Token 的 FLOPs 降低 2.9 倍。
内存管理	LayerSplit	实施精细化内存管理，避免因 KV-cache 内存上限导致系统崩溃。
推理速度	MTP + KVShare	重构多 Token 预测层并采用投机式解码，将 Token 接受长度提升最多 20%。
后训练	“slime” 基础设施	专用训练框架，使 Z.ai 得以在两天内合并十余个专家模型。
智能体稳定性	基于 Critic 的 PPO	转向直接的 Actor-Critic 强化学习形式，引入主动“反作弊”模块以稳固长程轨迹。

GLM-5.2 有哪些新变化？

本次发布的三大亮点是：扩展的上下文窗口、双档推理力度，以及与第三方编码智能体的集成路径。它们都会影响您的实际使用方式。

100 万 Token 上下文窗口

GLM-5.2 支持 100 万 Token 的上下文窗口，但需手动启用。方法是在配置中为模型名追加 [1m]：glm-5.2[1m]。此外，需在 settings.json 中将压缩窗口参数 CLAUDE_CODE_AUTO_COMPACT_WINDOW 设为 1000000。

这对跨大型代码库的工作流尤为重要。100 万 Token 窗口可同时容纳约 75 万词的代码与上下文，足以在无需切块的情况下加载一个中型仓库。需要注意的是，超长上下文在极限情况下的质量往往会下降，且 Z.ai 尚未发布该模型在 1M Token 下的检索准确率。

一条实用提示：若 Claude Code 提示带 [1m] 后缀的模型不存在，解决方法是将 Claude Code 升级至最新版本。这是版本兼容性问题，而非模型不可用。

两档推理力度

GLM-5.2 引入 high 与 max 两档推理力度。在 Claude Code 中，您可在会话内通过 /effort 指令切换。Claude Code 的力度标签与 GLM-5.2 实际力度的映射如下：

low、medium、high（默认）：对应 GLM-5.2 的 high 力度
xhigh、max、ultracode：对应 GLM-5.2 的 max 力度

Z.ai 明确建议在编码任务中使用 max 力度。新会话默认映射为 high，若执行复杂的多步任务，建议手动切换。这与其他推理模型类似：更高力度意味着更审慎的输出，同时也会带来更高的延迟与 Token 消耗。

兼容 Anthropic 的端点集成

GLM-5.2 可通过 Z.ai 兼容 Anthropic 的 API 端点 https://api.z.ai/api/coding/paas/v4 访问。这意味着任何支持自定义 Anthropic 基础 URL 的工具，都可在无需等待原生支持的情况下直接使用 GLM-5.2。根据文档，Claude Code、OpenClaw 与 Cline 今日即可使用。

这种集成方式是一种有意的产品定位。Z.ai 认为开发者已有偏好的编码智能体，只希望替换底层模型。代价是，不支持自定义模型配置的工具需要等到 Z.ai 推出官方集成。

GLM-5.2 对所有 GLM Coding Plan 用户免费开放：Lite、Pro、Max 与 Team。

GLM-5.2 与 GLM-5.1：规格对比

属性	GLM-5.2	GLM-5.1
发布日期	June 13, 2026	April 7, 2026
上下文窗口	1,000,000 Tokens（glm-5.2[1m]）	约 200,000 Tokens
最大输出 Tokens	131,072	120,000
推理模式	High、Max	单一模式
架构	GLM-5 系列，含 IndexShare 与 MTP 优化	744B MoE，40B 激活
许可	MIT（权重待发布）	MIT（已发布开源权重）
首发基准	62.1% SWE-bench Pro，81.0 Terminal-Bench 2.1	58.4% SWE-bench Pro，63.5 Terminal-Bench 2.1
首发可用性	GLM Coding Plan、API，权重待发布	Coding Plan、API 与权重

如何切换至 GLM-5.2

具体设置因您使用的编码智能体而异。以下为各工具的配置方法。

在 Claude Code 中切换模型

Claude Code 会将其内部模型环境变量映射到 GLM 模型。默认情况下，Opus 与 Sonnet 槽位指向 GLM-4.7，Haiku 槽位指向 GLM-4.5-Air。要切换至 GLM-5.2，请更新 ~/.claude/settings.json。

在 macOS 上，您可在终端中运行 vim ~/.claude/settings.json 打开文件，或在 Finder 中通过“前往 > 前往文件夹”导航至该路径。在 Windows 上，直接找到 ~/.claude/settings.json。添加或替换如下环境变量块：

{
  "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]"
  }
}

保存后，打开新的终端窗口并运行 claude 启动 Claude Code。输入 /status 以确认当前模型。您应能在状态输出中看到 glm-5.2[1m] 被列为默认模型。

在 OpenClaw 中切换模型

若提供方模型选择器未直接显示 GLM-5.2，OpenClaw 需要手动编辑配置。配置文件位于 ~/.openclaw/openclaw.json。您需要进行三处修改。

首先，将 GLM-5.2 模型对象添加到 models.providers.zai.models 数组中：

{
  "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
}

其次，将 agents.defaults.model.primary 下的默认模型从 "zai/glm-5" 更新为 "zai/glm-5.2"。第三，在 agents.defaults.models 下新增 "zai/glm-5.2": {}。保存三处修改后，通过 openclaw gateway restart 重启网关，并运行 openclaw tui 进行验证。

在 Cline 与其他兼容 OpenAI 的工具中切换模型

对于 Cline 及其他支持自定义 OpenAI 兼容提供方的工具，设置非常直接。使用以下参数：

API Provider：OpenAI Compatible
Base URL：https://api.z.ai/api/coding/paas/v4
API Key：您的 Z.ai API 密钥
Model：Custom Model，填写 glm-5.2
Context Window Size：1000000
Support Images：不勾选

温度等参数可按任务需要调整。不支持自定义模型配置的工具需等待后续版本的官方支持。

GLM-5.2 基准测试

官方基准分现已公布，确认 GLM-5.2 是当前市面上最强的开源模型之一。在标准编码基准中，GLM-5.2 明显领先于前代。其在 Terminal-Bench 2.1 上取得 81.0 分（GLM-5.1 为 62.0），在 SWE-bench Pro 上取得 62.1%（GLM-5.1 为 58.4%）。

这项 SWE-bench Pro 成绩尤为关键。SWE-bench 衡量模型在开源仓库中解决真实 GitHub Issue 的能力。作为对比，GPT-5.5 得分 58.6%，Gemini 3.1 Pro 得分 54.2%。GLM-5.2 不仅超过前代，也优于这些成熟的前沿模型。它正迅速逼近顶级闭源选项，与持有 Terminal-Bench 2.1 上 85.0 分的 Claude Opus 4.8 仅差数分。

来源

Z.ai 还公布了面向长程编码表现的指标。在 FrontierSWE、PostTrainBench 与 SWE-Marathon 上，GLM-5.2 总体稳定位列前茅。其在 FrontierSWE 上仅落后 Claude Opus 4.8 约 1%，并在多项基准中超过 GPT-5.5 与 Claude Opus 4.7，保持其在各项评测中“开源第一”的位置。

来源

这些基准在实践中的意义

官方基准将 GLM-5.2 的表现置于 GPT-5.5 与 Kimi K2.7-Code 等模型之上。数据表明，其 100 万 Token 的上下文窗口转化为切实的工程能力，尤其体现在跨文件、长链式任务上。

Z.ai 发布的早期开发者反馈也与此相呼应，称其在项目级上下文承载与对严格工程规范的遵循方面更为可靠。

更有意思的是，基准测试还揭示了模型的智能体“持久性”。Z.ai 指出，GLM-5.2 在评测中非常容易出现“奖励黑客”行为：智能体会编写脚本在工作区中搜索隐藏的 secret_cases.json 文件，或使用 curl 直接从 GitHub 下载目标源码，而不是老老实实解题。

为此，Z.ai 构建了两阶段、在线的反作弊模块，以强制模型正当解题；一旦尝试作弊，系统会返回虚拟数据，而非让运行崩溃。

话虽如此，对于一线实践者，评估负担始终存在。尽管基准分数竞争力很强（而且是在模型“试图作弊”的条件下艰难取得），您仍应先在自家具代表性的代码库上跑一遍 GLM-5.2，再决定是否将其投入生产工作流。

我们很快会推出一篇完整的 GLM-5.2 教程。

GLM-5.2 的价格与可用性

GLM-5.2 现已在 Z.ai 面向所有 GLM Coding Plan 用户开放，计划档位包括 Lite、Pro、Max 与 Team。

Z.AI 按仓库规模与使用频率提供三档方案。订阅按月计费，选择年付可享 7 折优惠。

档位	月付价格	年付价格（每月）	目标用户	基础配额（5 小时 / 每周）
Lite	$18	$12.60	小型仓库，轻量迭代	约 80 / 约 400 次提示
Pro	$72	$50.40	中型仓库，日常开发	约 400 / 约 2,000 次提示
Max	$160	$112.00	大型仓库，先进工作流	约 1,600 / 约 8,000 次提示