GLM-5.2

GLM-5.2

GLM 5.2是Z.ai的大规模推理模型。它支持使用 1M 令牌上下文窗口进行文本输入和输出，适用于长期代理工作流程、项目级软件工程和复杂的多步骤自动化。支持推理努力 high 和 xhigh； xhigh 映射到最大推理。它特别擅长跨长时间运行的任务进行编码和工具使用，能够在单个任务中维护工程环境并在整个开发工作流程（从需求到多平台部署）中始终如一地遵循标准。

上下文窗口1.0M

提供商智谱AI

创建时间2026/06/29

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入	输出	缓存命中
1.18/M	4.12/M	0.29/M

介绍

输入

文本

输出

文本

GLM-5.2 API：百万上下文的开源 SOTA 编程模型

GLM-5.2 是智谱（Z.ai）于 2026 年 6 月发布并开源的大规模推理模型，采用 MIT 许可证。它支持 100 万 token 上下文窗口，专注于长周期智能体工作流、项目级软件工程和复杂的多步骤自动化。

在主流编程基准上，GLM-5.2 保持开源 SOTA 地位，与 Claude Opus 4.8 处于可比区间——Terminal-Bench 2.1 上只落后 Opus 4.8 几个百分点，并超过 Gemini 3.1 Pro。在三项长上下文基准测试中，它均位列开源模型第一。

海鲸AI 通过 OpenAI 兼容接口提供 GLM-5.2，支持工具调用、推理强度控制与流式输出。

获取 API 密钥 · 模型 ID：GLM-5.2

为什么选择 GLM-5.2

开源模型中的编程 SOTA —— 主流编程基准上与 Claude Opus 4.8 处于同一区间
100 万 token 上下文 —— 三项长上下文基准中位列开源模型第一
MIT 开源许可 —— 可自由商用、可私有化部署，无授权顾虑
支持 high 与 xhigh 推理强度 —— xhigh 映射到最大推理深度
长周期任务稳定 —— 能在单个任务中维护工程环境并贯穿整个开发流程

核心能力

01 项目级软件工程

GLM-5.2 特别擅长跨长时间运行的任务中的编码和工具使用。相比上一代 GLM-5.1，它在前端、后端和长周期任务开发场景上都有明显提升，复杂系统工程和调试更稳定。

前端与后端的完整功能开发
复杂系统工程与架构演进
长链路调试与问题定位

02 100 万 token 长上下文

100 万 token 让模型可以一次读入数百万字符的长文本、数百页的复杂 PDF，或者整个中大型软件代码仓库，在三项长上下文基准中位列开源模型第一。

完整代码仓库分析
数百页 PDF 与技术文档
长会话历史全量保留

03 长周期智能体工作流

GLM-5.2 能在单个任务中维护工程环境，并在整个开发过程中保持一致性，适合需要长时间自主执行的智能体场景。

多步骤自主规划与执行
工程环境状态维护
复杂业务流程自动化

04 开源与可控性

MIT 许可证意味着可以自由商用、二次开发和私有化部署。对数据敏感或需要完全自主可控的场景，这是闭源模型无法提供的选项。

自由商用无授权风险
支持私有化部署
模型权重可审计

最佳使用场景

场景	说明
项目级编码	前后端完整功能开发与系统工程
长上下文分析	整个代码仓库、数百页 PDF 的一次性处理
长周期智能体	需要长时间维护状态的自动化流程
复杂调试	跨模块的长链路问题定位
国产化替代	需要自主可控的企业级部署
成本优化	开源模型带来的成本优势

GLM-5.2 与 GLM-5.1、Claude Opus 4.8 的差异

能力	GLM-5.2	GLM-5.1	Claude Opus 4.8
模型 ID	`GLM-5.2`	`GLM-5.1`	`claude-opus-4-8`
上下文窗口	100 万 token	13 万 token	100 万 token
最大输出	128K token	131K token	128K token
开源许可	MIT	MIT	闭源
编程基准	开源 SOTA，接近 Opus 4.8	开源领先	前沿
推理强度	high / xhigh	支持	low → max

具体计费以页面上方的实时价格卡片为准。

如何使用 GLM-5.2 API

1. 创建海鲸AI API 密钥 在控制台生成密钥并充值。

2. 长任务用 xhigh 推理强度 GLM-5.2 支持 high 和 xhigh 两档，xhigh 映射到最大推理深度，复杂工程任务建议使用。

3. 调用接口

curl -X POST https://api.haijingai.com/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "GLM-5.2",
    "messages": [
      {"role": "user", "content": "阅读这个仓库的全部代码，设计一套可扩展的插件机制并给出实现。"}
    ],
    "stream": true
  }'

常见问题

GLM-5.2 什么时候发布的？ 2026 年 6 月中旬先向 GLM Coding Plan 用户开放，随后上线 API 并以 MIT 许可证开源。

它和 Claude Opus 4.8 差多少？ 在主流编程基准上处于可比区间，Terminal-Bench 2.1 上落后几个百分点，超过 Gemini 3.1 Pro。长上下文基准中位列开源模型第一。

相比 GLM-5.1 提升了什么？ 上下文从 13 万扩展到 100 万 token，前端、后端和长周期任务开发的成功率明显提升，复杂系统工程和调试更稳定。

开源许可有什么限制？ MIT 许可证，可自由商用、修改和私有化部署，是最宽松的开源许可之一。

上下文能用满 100 万吗？ 可以。GLM-5.2 在三项长上下文基准中位列开源模型第一，实际使用中长文档和大仓库场景表现稳定。

支持工具调用吗？ 支持。函数调用、流式输出、推理强度控制均可使用。

为什么选择海鲸AI 使用 GLM-5.2 API

免部署直接调用 —— 无需自建 GPU 集群即可用上开源 SOTA
OpenAI 兼容接口 —— 现有代码改两行接入
与闭源模型同台对比 —— 同一账户下直接和 Claude、GPT 比效果比成本
人民币结算 —— 国产模型按人民币计价，账目清晰

API

API 接入信息

Model ID在推理接口中指定模型

GLM-5.2

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.haijingai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

GLM-5.2 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

cURLPythonNode.js

curl https://api.haijingai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "GLM-5.2",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

from openai import OpenAI

client = OpenAI(
    base_url="https://api.haijingai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="GLM-5.2",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.haijingai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'GLM-5.2',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}