GLM-5.2：第一个在编程基准上击败 GPT-5 的开源模型

2026 年 6 月 17 日，智谱（现已更名 Z.ai）发布了 GLM-5.2。这不是一次普通的版本迭代——它是历史上第一个在编程基准上击败 GPT-5 的开源权重模型。

一句话总结

753B 参数、MIT 许可证、100 万 token 上下文，专为长时间编程 Agent 任务优化。在 SWE-bench Pro、FrontierSWE、MCP-Atlas 三个核心 Agent 编程基准上全面超越 GPT-5.5，仅次于 Claude Opus 4.8，而 API 调用成本仅为后者的约六分之一。

基准测试：真枪实弹的数据

以下是智谱官方公布的核心基准对比（数值越高越好）：

基准	GLM-5.2	GPT-5.5	Opus 4.8
SWE-bench Pro	62.1	58.6	69.2
FrontierSWE	74.4	72.6	75.1
MCP-Atlas（工具使用）	76.8	75.3	77.8
Terminal-Bench 2.1	81.0	84.0	85.0
SWE-Marathon（长时任务）	13.0	12.0	26.0

数据呈现出清晰的画面：在 Agent 编程的「甜点区」——正常的 feature 开发和 bug 修复——GLM-5.2 稳超 GPT-5.5，紧追 Opus 4.8。但在最残酷的 SWE-Marathon（多步骤、数小时的超长重构任务）上，Opus 4.8 仍然以近乎一倍的差距稳居榜首。这说明：如果你的工作负载是正常的 Agent 循环，GLM-5.2 完全够用；如果是持续整天的重度重构，闭源前沿模型仍然值回票价。

值得一提的是，这些数据来自智谱自己的测试报告，建议在自己的代码库上独立验证。

技术设计：不是为了聊天，是为了持续工作

GLM-5.2 的架构选择透露了一个清晰的信号：它不是为了回答一个漂亮的一次性问题，而是为了支撑一个 Agent 在长达数小时的编码会话中保持连贯。

IndexShare 注意力机制：智谱引入了一种新的注意力方案，在满 100 万 token 上下文下，将每 token 的计算量降低约 2.9 倍。配合投机解码的吞吐量改进，这意味着一个 Agent 可以在一个会话中反复读代码库、编辑多个文件、运行终端命令，而不至于越跑越慢。

MIT 许可证：这是整个故事里最关键的一行字。不是"开放权重仅供研究"，不是"商用需授权"，而是简单粗暴的 MIT。这在 753B 级别的模型中极为罕见，意味着任何人都可以下载、修改、商用、再分发，没有任何附加条件。

ZCode：官方 Agent 工具免费了

7 月 2 日，智谱将官方 Agent 编程工具 ZCode 设为免费下载（版本 3.2.2，支持 macOS / Windows / Linux）。ZCode 是一个 Agent-first 的开发环境：你描述目标，Agent 读取代码库、规划方案、编辑文件、执行终端命令、迭代修正。它支持接入任何兼容 OpenAI 或 Anthropic 协议的 API，所以你可以用 Claude、DeepSeek 或任何你喜欢的模型来驱动它。

免费版附带 5 天的完整 GLM-5.2 试用，付费方案从 $16.20/月（Light）到 $144/月（Max）。对于想低成本体验前沿编程 Agent 的开发者来说，现在的门槛已经降到了零。

API 成本：六分之一，不是噱头

模型	输入（百万 token）	输出（百万 token）
GLM-5.2	~$1.40	~$4.40
GPT-5.5	~$5.00	~$30.00
Opus 4.8	~$5.00	~$25.00

Agent 编程是典型的 token 重度场景——一个小时的 Agent 会话可能消耗数百万 token。在这个量级下，成本差异不是「便宜一点」，而是决定性的架构选择。用一个能跑出 90% 水平、收六分之一价格的模型，对大多数团队来说不是妥协，是策略。

现实中的坑：数据驻留问题

基准图表不会告诉你的一件事：Z.ai 的生产 API 部署在中国境内，这意味着每一次通过官方 API 的调用都受到中国法律的管辖，包括国家安全条款中可能要求服务商配合政府请求的规定。

对于个人项目或非敏感的商业开发，这不是问题。但对于金融、医疗、法律、政府等受监管行业，这个数据驻留风险可能直接让托管 API 方案出局。

这正是开源权重值钱的地方。 因为 GLM-5.2 是 MIT 许可证，有严格数据合规要求的团队可以下载权重，在自己的基础设施上部署，代码永远不会离开公司网络。这是任何闭源 API 模型无论多便宜都无法提供的绝对优势。

代价是：你自己得喂得动一个 753B 参数的模型。这不是笔记本项目。

轻量版：GLM-5.2 Air

如果你的硬件不够跑完整的 753B，智谱还发布了一个 Air 版本：106B 总参数、12B 激活的 MoE 架构，4-bit 量化后约需 60GB 显存，刚好能在 64GB 的 Mac 上运行。它的 SWE-bench Pro 得分是 58%，虽然不如旗舰版，但已经超越了 GPT-5.5 的同项成绩。对于一个能在个人电脑上本地运行的模型来说，这个数字在一年前是不可想象的。

开源编程模型的格局变了

GLM-5.2 的发布，加上同月发布的 Qwen 4.1（32B-A3B，80% SWE-Verified，24GB Mac 可跑）、DeepSeek R3（AIME 95%）、Llama 5 405B 等，共同构成了 2026 年 7 月开源大模型的井喷格局。开源模型在编程能力上不再是「追赶者」的角色——它们已经开始在关键基准上正面挑战甚至超越闭源模型。

对开发者来说，这是一个罕见的时刻：顶级编程能力不再是 API 月费的竞拍战，而是可以下载到本地、按自己的节奏使用的工具。MIT 许可证让这件事从「技术突破」变成了「产业基础设施」。