GLM-5.2: 長期タスク向けに構築

GLM-5.2 の概要

GLM-5.2は、長期タスク向けに設計されたフラッグシップモデルであり、堅実な1Mトークンのコンテキストを特徴とし、MITオープンソースライセンスでリリースされています。

主な機能

GLM-5.2は、長期的な作業を維持する堅実な1Mトークンのコンテキスト、柔軟な努力レベルを備えた高度なコーディング、計算コストを削減するアーキテクチャの改善、そして完全なオープンアクセスを提供します。

堅実な1Mコンテキスト

GLM-5.2は、コーディングエージェントのシナリオ向けに1Mコンテキストのトレーニングを大幅に拡張することにより、単に多くのトークンを受け入れるだけでなく、長くて乱雑なコーディングエージェントの軌跡にわたって品質を維持します。

柔軟な努力レベルを備えた高度なコーディング

GLM-5.2は、パフォーマンスとレイテンシのバランスをとるために複数の思考努力レベルを提供し、ユーザーがより高いパフォーマンスを必要とする場合に、追加の計算を割り当てることができるようにします。

改善されたアーキテクチャ

GLM-5.2は、4つのスパースアテンションレイヤーごとに同じインデクサーを再利用するIndexShareを導入し、1Mコンテキスト長においてトークンあたりのFLOPsを2.9×削減し、投機的デコーディングのためのMTPレイヤーを改善して、受け入れ長を最大20%向上させました。

純粋なオープン

GLM-5.2は、地域制限のないMITライセンスの下でリリースされており、境界のない技術的アクセスを提供します。

長期コーディングベンチマークにおけるパフォーマンス

GLM-5.2は強力な長期デリバリー能力を示しており、3つのベンチマークにおいて最高ランクのオープンソースモデルとしてランク付けされています。

FrontierSWEでは、GLM-5.2はOpus 4.8にわずか1%差で続き、GPT-5.5を1%上回り、Opus 4.7を11%上回ります。

PostTrainBenchでは、GLM-5.2はOpus 4.7とGPT-5.5の両方を上回り、Opus 4.8に次いで第2位となります。

SWE-Marathonでは、GLM-5.2はOpus 4.8に13%差で続きますが、Opusシリーズに次いで第2位を維持しています。

3つのベンチマークすべてにおいて、GLM-5.2は最高ランクのオープンソースモデルであり、その1Mコンテキストが実用的な長期能力に変換されていることを示しています。

標準的なコーディングベンチマークにおけるパフォーマンス

GLM-5.2は標準的なコーディングベンチマークで強力な結果を達成しており、前身モデルから著しく改善され、クローズドソースのフロンティアモデルとの差を縮めています。

Terminal‑Bench 2.1では、GLM-5.2は81.0を記録し、GLM-5.1の63.5に対して、Claude Opus 4.8の85.0の数ポイント以内に位置し、Gemini 3.1 Proをリードしています。

SWE‑bench Proでは、GLM-5.2は62.1を記録し、GLM-5.1の58.4を上回っています。

努力レベルの制御

GLM-5.2の努力レベル制御により、ユーザーはモデルの能力と実行速度および計算コストを明示的にバランスさせることができます。

同等のトークン予算において、GLM-5.2はGLM-5.1よりも大幅に強力なエージェント的コーディングパフォーマンスを提供し、その能力は概ねClaude Opus 4.7とClaude Opus 4.8の間に位置しています。

Max努力レベルでは、困難なタスクに対して追加の計算が許可され、コーディング能力がさらに拡張されます。

この設計により、ユーザーは異なるシナリオに対して最も適切な推論モードを選択できる柔軟性が得られます。

1Mコンテキストのためのアーキテクチャ

GLM-5.2のアーキテクチャ変更により、非常に長いシーケンスの効率的な処理が可能になります。

DSAのためのIndexShare

GLM-5.2では、4つのTransformerレイヤーごとに軽量なインデクサーが共有され、最初のレイヤーに配置され、次の3つのレイヤーで再利用されます。これにより、レイヤーの4分の3においてインデクサーのドット積およびtopk演算の計算が削減されます。

GLM-5.2は、128Kのシーケンス長を使用してトレーニングの途中からIndexShareを用いてトレーニングされており、より少ない計算量で長コンテキストベンチマークにおいてGLM-5.1を上回っています。

IndexShareとKVShareを備えたMTP

GLM-5.2のMTPレイヤーは、コスト削減のためにIndexShareを適用し、トレーニングと推論の乖離をなくすためにKVキャッシュの再利用を使用することで、投機的デコーディング向けに改善されています。

アブレーションスタディでは、IndexShare + KV Shareの追加により受け入れ長が4.56から5.10に上昇し、拒絶サンプリングの追加により5.29に上昇し、エンドツーエンドのTV lossの追加により5.47に上昇することが示されており、これはベースラインから20%の増加です。

1Mコンテキスト長の効率的なサービング

GLM-5.2は最大コンテキスト長を200Kから1Mトークンに拡張し、推論のボトルネックを計算から、KVキャッシュ容量、長コンテキストカーネルのオーバーヘッド、およびCPU側のオーバーヘッドへとシフトさせました。

これに対処するため、推論エンジンは、よりきめ細かなメモリ管理（LayerSplitに基づく）、キャッシュ転送と連携するカーネル最適化、およびパイプラインバブルを減らすためのCPU側のキャッシュ管理とリクエストスケジューリングを介して最適化されています。

その結果、GLM-5.2はコンテキスト長が長くなるにつれてますます大きなスループットの利点を得て、長コンテキスト推論シナリオにおける強力なスケーラビリティを示しています。

Agentic RLのためのslime

slimeフレームワークは、GLM-5.2のagentic RLポストトレーニングのための統合インフラストラクチャレイヤーとして機能し、複数のトレーニングおよびタスク組織モードをサポートします。

ポストトレーニングプロセスにおいて、slimeは並列OPDトレーニングを実施するために使用され、10以上のエキスパートモデルを最終モデルに効率的にマージし、OPDトレーニング全体は約2日間でした。

slimeは推論システムに対して高度にオープンで柔軟なインターフェースを提供し、トレーニング側がさまざまな形式で推論サービスに接続し、さまざまな並列化戦略、ルーティングポリシー、PD分離設定、およびデプロイメントパターンに適応できるようにします。

RLロールアウト中に蓄積された構成体験、スケジューリング戦略、および最適化パスは、プロダクションサービングで再利用でき、ポストトレーニングからデプロイメントへの直接的なパスを作成します。

柔軟なトレーニング・推論リソースの組織化とKVキャッシュFP8とともに、slimeはGLM-5.2の大規模なagentic RLトレーニングに重要なインフラストラクチャサポートを提供し、システム効率、ロールアウトスループット、および大規模な推論同時実行性を向上させます。

Anti-hackingを備えた長期タスクのためのRL

GLM-5.2の長期タスク向けRLは、グループ単位の最適化から、個々のロールアウトから学習するクリティックベースのPPO定式化へと移行し、クリティックを使用してトークンレベルの利得を推定します。

このシングルロールアウト定式化は、プロンプトによって生成されるトレースの数や長さに制約を設けないため、自然に圧縮を許容します。

コーディングエージェントにおける報酬ハッキングに対抗するために、GLM-5.2は2段階のアンチハックモジュールを導入しています。1つ目は、高い再現率のために潜在的なハックをフラグを立てるルールベースのフィルタであり、2つ目は、高い適合性を維持するために意図を確認するLLMジャッジです。

システムは各ステップでのツール呼び出しを監視します。ハックが検出された場合、呼び出しはブロックされ、ダミー情報が返され、無効な動作が処理された後にロールアウトを継続できるようにします。

このオンラインガードは、ロールアウトが突然停止したときに発生する可能性のあるトレーニングの不安定化とモデルの崩壊を防ぎます。

GLM-5.2を始める

GLM Coding PlanでGLM-5.2を使用する

GLM-5.2は、ZCode、Claude Code、OpenCodeなどの一般的なコーディングエージェントで使用可能です。

GLM Coding Planの購読者の場合、モデルはすでに展開されています。ユーザーはモデル名を"GLM-5.2"（または1Mコンテキストを有効にするためにClaude Codeで"GLM-5.2[1m]"）に設定することで有効にできます。

タスクに応じて、異なる思考努力レベル（HighまたはMax）を選択できます。

GLM-5.2は、ピーク時には3倍、オフピーク時には2倍のクォータを消費します。9月末までの期間限定プロモーションとして、オフピーク時の使用は1倍で請求されます。

ピーク時間は、毎日14:00–18:00 UTC+8（北京時間）と定義されています。

GLM-5.2を搭載したデスクトップエージェントであるZCodeは、長期タスクのための/goalコマンド、SSHリモート開発、およびモバイルコントロールを提供します。

特別オファー：ZCode内のCoding Planを通じてGLM-5.2を使用すると、6月30日まで実効クォータが1.5倍になります。

ユーザーは https://z.ai/subscribe から構築を開始できます。

Z.aiでGLM-5.2とチャットする

GLM-5.2は、現在 https://chat.z.ai/ でチャットとして利用可能です。

GLM-5.2をローカルでサーブする

モデルの重みは、Hugging Faceの https://huggingface.co/zai-org/GLM-5.2 および ModelScopeの https://modelscope.cn/models/ZhipuAI/GLM-5.2 で公開されています。

ローカルデプロイメントのために、GLM-5.2は transformers、vLLM、SGLang、xLLM、ktransformers を含む推論フレームワークをサポートしています。