zhipu

GLM-5.2

GLM-5.2 คือ flagship open-weight model ของ Zhipu AI ที่มาพร้อม context window 1 ล้าน token และความสามารถด้าน agentic coding เฉพาะทางภายใต้สัญญาอนุญาต MIT

Open WeightsMIT LicenseCoding Assistant1M ContextReasoning
zhipu logozhipuGLM-516 มิถุนายน 2026
บริบท
1.0Mโทเคน
เอาต์พุตสูงสุด
4Kโทเคน
ราคาอินพุต
$1.40/ 1M
ราคาเอาต์พุต
$4.40/ 1M
โหมด:Text
ความสามารถ:เครื่องมือสตรีมมิ่งการใช้เหตุผล
เกณฑ์มาตรฐาน
GPQA
83%
GPQA: คำถามวิทยาศาสตร์ระดับบัณฑิตศึกษา. เกณฑ์มาตรฐานที่เข้มงวดพร้อม 448 คำถามจากชีววิทยา ฟิสิกส์ และเคมี ผู้เชี่ยวชาญ PhD ทำได้เพียง 65-74% GLM-5.2 ได้คะแนน 83% ในเกณฑ์มาตรฐานนี้
HLE
40%
HLE: การใช้เหตุผลระดับผู้เชี่ยวชาญ. ทดสอบความสามารถของโมเดลในการแสดงการใช้เหตุผลระดับผู้เชี่ยวชาญในสาขาเฉพาะทาง GLM-5.2 ได้คะแนน 40% ในเกณฑ์มาตรฐานนี้
MMLU
94%
MMLU: ความเข้าใจภาษาแบบมัลติทาสก์ขนาดใหญ่. เกณฑ์มาตรฐานที่ครอบคลุมพร้อม 16,000 คำถามใน 57 วิชา GLM-5.2 ได้คะแนน 94% ในเกณฑ์มาตรฐานนี้
MMLU Pro
86%
MMLU Pro: MMLU รุ่นมืออาชีพ. เวอร์ชันที่ปรับปรุงของ MMLU พร้อม 12,032 คำถามและรูปแบบ 10 ตัวเลือกที่ยากขึ้น GLM-5.2 ได้คะแนน 86% ในเกณฑ์มาตรฐานนี้
IFEval
85%
IFEval: การประเมินการปฏิบัติตามคำสั่ง. วัดว่าโมเดลปฏิบัติตามคำสั่งและข้อจำกัดเฉพาะได้ดีเพียงใด GLM-5.2 ได้คะแนน 85% ในเกณฑ์มาตรฐานนี้
AIME 2025
99%
AIME 2025: การสอบคณิตศาสตร์เชิญชวนอเมริกัน. โจทย์คณิตศาสตร์ระดับการแข่งขันจากการสอบ AIME ที่มีชื่อเสียง GLM-5.2 ได้คะแนน 99% ในเกณฑ์มาตรฐานนี้
MATH
97%
MATH: การแก้ปัญหาคณิตศาสตร์. เกณฑ์มาตรฐานคณิตศาสตร์ที่ครอบคลุมทดสอบการแก้ปัญหาในพีชคณิต เรขาคณิต แคลคูลัส GLM-5.2 ได้คะแนน 97% ในเกณฑ์มาตรฐานนี้
GSM8k
98%
GSM8k: คณิตศาสตร์ประถม 8K. 8,500 โจทย์คณิตศาสตร์ระดับประถมศึกษา GLM-5.2 ได้คะแนน 98% ในเกณฑ์มาตรฐานนี้
MGSM
91%
MGSM: คณิตศาสตร์ประถมหลายภาษา. เกณฑ์มาตรฐาน GSM8k แปลเป็น 10 ภาษา GLM-5.2 ได้คะแนน 91% ในเกณฑ์มาตรฐานนี้
SWE-Bench
62%
SWE-Bench: เกณฑ์มาตรฐานวิศวกรรมซอฟต์แวร์. โมเดล AI พยายามแก้ปัญหา GitHub จริงในโครงการ Python GLM-5.2 ได้คะแนน 62% ในเกณฑ์มาตรฐานนี้
HumanEval
97%
HumanEval: โจทย์เขียนโปรแกรม Python. 164 โจทย์เขียนโปรแกรมที่โมเดลต้องสร้างการใช้งานฟังก์ชัน Python ที่ถูกต้อง GLM-5.2 ได้คะแนน 97% ในเกณฑ์มาตรฐานนี้
LiveCodeBench
65%
LiveCodeBench: เกณฑ์มาตรฐานเขียนโค้ดสด. ทดสอบความสามารถในการเขียนโค้ดบนความท้าทายการเขียนโปรแกรมจริงที่อัปเดตอย่างต่อเนื่อง GLM-5.2 ได้คะแนน 65% ในเกณฑ์มาตรฐานนี้
Terminal-Bench
81%
Terminal-Bench: งาน Terminal/CLI. ทดสอบความสามารถในการดำเนินการ command-line GLM-5.2 ได้คะแนน 81% ในเกณฑ์มาตรฐานนี้
ARC-AGI
14%
ARC-AGI: การนามธรรมและการใช้เหตุผล. ทดสอบความฉลาดที่ยืดหยุ่นผ่านปริศนาการจดจำรูปแบบใหม่ GLM-5.2 ได้คะแนน 14% ในเกณฑ์มาตรฐานนี้

เกี่ยวกับ GLM-5.2

เรียนรู้เกี่ยวกับความสามารถของ GLM-5.2 คุณสมบัติ และวิธีที่จะช่วยให้คุณได้ผลลัพธ์ที่ดีขึ้น

สถาปัตยกรรม Mixture of Experts

GLM-5.2 เป็นโมเดลเรือธงแบบ Mixture of Experts (MoE) ที่ออกแบบมาสำหรับงานระยะยาวและ workflow แบบ autonomous agent ใช้สถาปัตยกรรมขนาด 753 พันล้านพารามิเตอร์ โดยมีพารามิเตอร์ที่ทำงานจริง (active parameters) ประมาณ 4 หมื่นล้านตัวต่อ token การออกแบบนี้ถือเป็นการก้าวกระโดดด้านประสิทธิภาพของตระกูล GLM โดยช่วยลดต้นทุนการประมวลผลในขณะที่ยังคงประสิทธิภาพสำหรับงานเชิงตรรกะที่ซับซ้อนไว้ได้

ประสิทธิภาพด้วย IndexShare

โมเดลนี้นำเสนอ IndexShare ซึ่งเป็นการปรับปรุงสถาปัตยกรรมแบบใหม่ที่ใช้ indexer ซ้ำใน sparse attention layers นวัตกรรมนี้ช่วยลดจำนวนการคำนวณ floating point ต่อ token ลงถึง 2.9 เท่า ที่ความยาว context window สูงสุด 1 ล้าน token ซึ่งประสิทธิภาพนี้ช่วยให้ context window ขนาดใหญ่สามารถใช้งานจริงได้ในโปรเจกต์ขนาดใหญ่ แทนที่จะเป็นเพียงข้อจำกัดทางทฤษฎี

การฝึกฝนด้าน Agentic โดยเฉพาะ

สิ่งที่ทำให้ GLM-5.2 แตกต่างจากทางเลือกอื่น คือการมุ่งเน้นไปที่การเขียนโค้ดระยะยาว มันได้รับการฝึกฝนมาโดยเฉพาะสำหรับงานแก้จุดบกพร่องและการเขียนโค้ด implementation ใน codebases ขนาดใหญ่ นักพัฒนาสามารถสลับระดับความพยายามในการคิดระหว่าง High และ Max ซึ่งช่วยให้โมเดลใช้พลังประมวลผลไปกับการคิดเชิงตรรกะภายในได้มากขึ้น เพื่อการปรับปรุงระบบและการแก้ปัญหาทางคณิตศาสตร์ขั้นสูง

GLM-5.2

กรณีการใช้งานสำหรับ GLM-5.2

ค้นพบวิธีต่างๆ ที่คุณสามารถใช้ GLM-5.2 เพื่อได้ผลลัพธ์ที่ยอดเยี่ยม

วิศวกรรมซอฟต์แวร์แบบ Agentic

ปรับใช้โมเดลภายในเฟรมเวิร์กอัตโนมัติเพื่อจัดการงานพัฒนาตั้งแต่การรวบรวมความต้องการไปจนถึงการ deploy จริง

การ Refactor โค้ดขนาดใหญ่

วิเคราะห์และเขียนโค้ดโปรเจกต์ซอฟต์แวร์ที่มีหลายไฟล์ใหม่ โดยการโหลดโค้ดเบสทั้งหมดลงใน context window ขนาด 1 ล้าน token

การตรวจสอบเอกสารอัตโนมัติ

ประมวลผลชุดเอกสารทางกฎหมายหรือทางเทคนิคขนาดใหญ่เพื่อระบุความไม่สอดคล้องหรือดึงข้อมูลที่มีโครงสร้างด้วยความแม่นยำระดับสูง

การสร้างฉาก 3D

ใช้จุดเด่นเฉพาะด้านใน WebGL และ HTML5 เพื่อสร้างภาพจำลอง 3D แบบโต้ตอบที่ซับซ้อนจาก text prompt

ระบบอัตโนมัติสำหรับตรรกะธุรกิจ

เชื่อมต่อโมเดลเข้ากับระบบปฏิบัติการแบบ agent เพื่อจัดการหน่วยความจำร่วมและดำเนินขั้นตอนการทำงานแบบหลายชั่วโมงโดยไม่ต้องคอยควบคุม

การพัฒนาแบบเน้นความเป็นส่วนตัว (Local First)

รันโมเดลแบบ open weights บนฮาร์ดแวร์คลัสเตอร์ส่วนตัวเพื่อให้มั่นใจในอธิปไตยของข้อมูลสำหรับโปรเจกต์วิศวกรรมขององค์กรที่มีความละเอียดอ่อน

จุดแข็ง

ข้อจำกัด

อัจฉริยภาพในการเขียนโค้ดที่ยอดเยี่ยม: โมเดลอยู่ในอันดับ #3 บน FrontierSWE ด้วยคะแนน 74.4% พิสูจน์ให้เห็นถึงความสามารถในงานวิศวกรรมที่ใช้เวลานานหลายชั่วโมง
ความยาวของ Token สูง: โมเดลมีแนวโน้มที่จะสร้างโทเคนมากกว่ารุ่นก่อนหน้าประมาณ 2 เท่าเพื่อให้ได้ผลลัพธ์ ซึ่งจะเพิ่ม latency ให้สูงขึ้น
ความคุ้มค่าต่อประสิทธิภาพที่เหนือชั้น: ด้วยราคา 1.40/4.40 ดอลลาร์ต่อล้าน tokens ทำให้ได้สติปัญญาในระดับ frontier ในราคาเพียงประมาณ 1/6 ของคู่แข่งแบบปิด
ข้อกำหนดด้านฮาร์ดแวร์มหาศาล: ด้วยขนาด 753B parameter การรันในเครื่องเป็นเรื่องที่ยากเกินเอื้อมสำหรับนักพัฒนาทั่วไปหากไม่มีการทำ quantization ที่ดีพอ
Context 1 ล้าน token ที่ใช้งานได้จริง: ได้รับการปรับแต่งสำหรับแนวทางการเขียนโค้ดที่ซับซ้อนและยาวนาน ซึ่งโมเดลก่อนหน้านี้มักล้มเหลวในการรักษาความต่อเนื่อง
ความเร็วในการตอบสนองช้ากว่า: เวลาในการตอบสนองอาจยาวนานกว่าโมเดลจากฝั่งตะวันตกถึง 3 เท่า เนื่องจากรอบการใช้เหตุผลภายในที่เพิ่มขึ้น
อธิปไตยและความเป็นส่วนตัวเต็มรูปแบบ: ด้วยสัญญาอนุญาต MIT ทำให้นักพัฒนาสามารถรันโมเดลในเครื่องได้ หลีกเลี่ยงความเสี่ยงจาก API ภายนอกและการรั่วไหลของข้อมูล
ความสร้างสรรค์ในการออกแบบยังคงที่: แม้ว่าจะมีความเชี่ยวชาญด้านการเขียนโค้ดฝั่ง frontend แต่ในด้านความสร้างสรรค์ทางความสวยงามอาจยังทำได้ไม่ดีเท่า Claude Opus

เริ่มต้นด่วน API

zhipu/glm-5.2

ดูเอกสาร
zhipu SDK
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'YOUR_Z_AI_API_KEY',
  baseURL: 'https://api.z.ai/api/paas/v4/',
});

async function main() {
  const completion = await client.chat.completions.create({
    model: 'glm-5.2',
    messages: [{ role: 'user', content: 'Design a WebGL 3D city scene.' }],
    // @ts-ignore - พารามิเตอร์เฉพาะของ Z.ai
    thinking: { type: 'enabled' },
    reasoning_effort: 'max',
  });

  console.log(completion.choices[0].message.content);
}

main();

ติดตั้ง SDK และเริ่มเรียก API ภายในไม่กี่นาที

ผู้คนพูดอะไรเกี่ยวกับ GLM-5.2

ดูว่าชุมชนคิดอย่างไรเกี่ยวกับ GLM-5.2

ผมพูดมาหลายเดือนแล้วว่าโมเดล AI แบบ open source นั้นล้าหลัง frontier model อยู่ 6 เดือน วันนี้พวกเขาทันแล้ว GLM 5.2 ดีพอๆ กับ Opus 4.8
Alex Finn
twitter
การก้าวกระโดดระหว่าง 5.1 ไป 5.2 นั้นใหญ่มาก... มันชอบการใช้ chain of thought ยาวๆ ในรุ่นนี้ และกำลังเอาชนะโมเดลแบบปิดได้หลายตัว
Sam Witteveen
youtube
โมเดล 2-bit ยังคงความแม่นยำได้ ~82% หลังจากที่เราย่อจาก 1.51TB เหลือ 238GB GLM-5.2 คือโมเดลเปิดที่แข็งแกร่งที่สุดในปัจจุบัน
Unsloth AI
twitter
มันเป็นผู้นำในกลุ่มโมเดล open-weight และขึ้นเป็นอันดับหนึ่งบน Design Arena แซงหน้า Claude Fable 5 ที่หาใช้งานไม่ได้แล้ว
Brian Roemmele
twitter
context window 1 ล้าน token นั้นไม่มีการสูญเสียข้อมูล ซึ่งน่าประทับใจสำหรับโมเดล open weight
DevGuru
reddit
ตัวเลข benchmark เป็นเรื่องหนึ่ง แต่ใน workflow การใช้งานจริง รู้สึกว่ามันแข็งแกร่งมาก
TechInnovator
hackernews

วิดีโอเกี่ยวกับ GLM-5.2

ดูบทเรียน รีวิว และการสนทนาเกี่ยวกับ GLM-5.2

การก้าวกระโดดระหว่าง 5.1 ไป 5.2 นั้นถือว่าใหญ่มาก... มันชอบใช้ chain of thought ยาวๆ ในรุ่นนี้จริงๆ

ผมไม่เห็นเหตุผลที่จะต้องใช้โมเดลอย่าง Sonnet หรือ Gemini Flash ถ้าเจ้าตัวนี้สามารถแทนที่ได้ในราคาที่ถูกกว่ามาก

context window ขนาด 1 ล้าน token นั้นไม่มีการสูญเสียข้อมูล ซึ่งน่าประทับใจมากสำหรับโมเดลแบบ open weights

มันถูกเจาะจงเป้าหมายไปที่นักพัฒนาที่ต้องการการควบคุมเครื่องยนต์การใช้เหตุผลแบบ local

ตัวเลข benchmark เป็นเรื่องหนึ่ง แต่ใน workflow การใช้งานจริง รู้สึกว่ามันแข็งแกร่งมาก

มันเป็นโมเดล open-weight ตัวแรกที่ทำคะแนนได้เกิน 80 ใน Terminal Bench และขึ้นไปเทียบชั้นกับ GPT 5.5 แล้ว

คุณเปลี่ยนจาก 15,000 token เป็น 30,000 นี่มันคือการใช้งาน token แบบโหดมาก... คุณจะต้องรอผลลัพธ์นานขึ้นเป็นสองเท่า

การทดสอบแบบ local แสดงให้เห็นว่ามันจัดการโครงสร้างไฟล์ที่ซับซ้อนได้ดีกว่า DeepSeek v4

โหมด reasoning effort Max นั้นรีดพลังฮาร์ดแวร์หนักมาก แต่ตรรกะที่ได้นั้นถือว่าใช้ได้เลย

สัญญาอนุญาต MIT หมายความว่าคุณสามารถใช้ตัวนี้ทำอะไรก็ได้โดยไม่ต้องกังวลเรื่องเงื่อนไข

ผมเห็น benchmark บ้าๆ ที่ทำคะแนนได้สูงกว่า Fable บน design bench และมันกำลังเป็นกระแสอยู่

ผมลองให้ GLM 5.2 ออกแบบแอปใหม่... ไม่มีจุดไหนที่แก้ไขพลาดเลย บอกตามตรงว่าสะอาดตามาก

ความสามารถด้าน frontend เป็นจุดเด่นสำคัญของเวอร์ชันนี้

มันให้ความรู้สึกเหมือนเป็นเครื่องมือสำหรับสร้างเครื่องมืออื่นๆ มากกว่าแค่แชทบอท

ความสามารถในการตรวจสอบ thinking tokens คือความฝันของนักพัฒนาสำหรับการแก้จุดบกพร่องทางตรรกะ

มากกว่าแค่พรอมต์

เพิ่มพลังให้เวิร์กโฟลว์ของคุณด้วย ระบบอัตโนมัติ AI

Automatio รวมพลังของ AI agents การอัตโนมัติเว็บ และการผสานรวมอัจฉริยะเพื่อช่วยให้คุณทำงานได้มากขึ้นในเวลาน้อยลง

AI Agents
การอัตโนมัติเว็บ
เวิร์กโฟลว์อัจฉริยะ

เคล็ดลับมือโปรสำหรับ GLM-5.2

เคล็ดลับจากผู้เชี่ยวชาญเพื่อช่วยให้คุณใช้ประโยชน์สูงสุดจาก GLM-5.2 และได้ผลลัพธ์ที่ดีขึ้น

เปิดใช้งาน Max Reasoning เพื่อผลลัพธ์ทางตรรกะที่ดีขึ้น

เปิดใช้งานระดับ Max reasoning สำหรับงานเขียนโค้ดหรือคณิตศาสตร์ที่ซับซ้อน ซึ่งความแม่นยำมีความสำคัญมากกว่าความเร็วในการประมวลผล

โหลดทั้งโปรเจกต์

ใช้ context window ขนาด 1 ล้าน token เพื่อป้อนเอกสารประกอบโปรเจกต์และคู่มือสไตล์โค้ดทั้งหมดให้กับโมเดล เพื่อให้แน่ใจว่าโค้ดที่ได้มีความสอดคล้องกัน

เพิ่มประสิทธิภาพด้วยการทำ Quantization

ใช้ FP8 หรือ 2-bit quantization สำหรับการรัน local เพื่อให้โมเดลที่มีขนาด 753B parameter สามารถใช้งานบนฮาร์ดแวร์ระดับไฮเอนด์ได้

ตรวจสอบ Thinking Tokens

ใช้ประโยชน์จากการรองรับ thinking tokens แบบ native เพื่อตรวจสอบตรรกะภายในก่อนได้คำตอบสุดท้าย เพื่อตรวจหาข้อผิดพลาดที่อาจเกิดขึ้นได้ตั้งแต่เนิ่นๆ

คำรับรอง

ผู้ใช้ของเราพูดอย่างไร

เข้าร่วมกับผู้ใช้ที่พึงพอใจนับพันที่ได้เปลี่ยนแปลงเวิร์กโฟลว์ของพวกเขา

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

ที่เกี่ยวข้อง AI Models

alibaba

Qwen3.5-Omni

alibaba

Qwen3.5-Omni is a natively omnimodal AI by Alibaba Cloud, offering seamless audio-visual reasoning, real-time voice chat, and 256k context for low-latency apps.

256K context
$0.40/$4.80/1M
openai

GPT-5.4

OpenAI

GPT-5.4 is OpenAI's frontier model featuring a 1.05M context window and Extreme Reasoning. It excels at autonomous UI interaction and long-form data analysis.

1M context
$2.50/$15.00/1M
moonshot

Kimi K2 Thinking

Moonshot

Kimi K2 Thinking is Moonshot AI's trillion-parameter reasoning model. It outperforms GPT-5 on HLE and supports 300 sequential tool calls autonomously for...

256K context
$0.60/$2.50/1M
openai

GPT-5.3 Codex

OpenAI

GPT-5.3 Codex is OpenAI's 2026 frontier coding agent, featuring a 400K context window, 77.3% Terminal-Bench score, and superior logic for complex software...

400K context
$1.75/$14.00/1M
openai

GPT-5.2

OpenAI

GPT-5.2 is OpenAI's flagship model for professional tasks, featuring a 400K context window, elite coding, and deep multi-step reasoning capabilities.

400K context
$1.75/$14.00/1M
alibaba

Qwen3.6-Max-Preview

alibaba

Qwen3.6-Max-Preview is Alibaba's flagship MoE model featuring 1M context, a native thinking mode, and SOTA scores in agentic coding and reasoning.

1M context
$1.25/$10.00/1M
zhipu

GLM-5

Zhipu (GLM)

GLM-5 is Zhipu AI's 744B parameter open-weight powerhouse, excelling in long-horizon agentic tasks, coding, and factual accuracy with a 200k context window.

200K context
$1.00/$3.20/1M
zhipu

GLM-5.1

Zhipu (GLM)

GLM-5.1 is Zhipu AI's flagship reasoning model, featuring a 202K context window and an autonomous 8-hour execution loop for complex agentic engineering.

203K context
$1.40/$4.40/1M

คำถามที่พบบ่อยเกี่ยวกับ GLM-5.2

ค้นหาคำตอบสำหรับคำถามทั่วไปเกี่ยวกับ GLM-5.2