GLM 5.2

Zhipuтекстрелиз 16.06.2026reasoning

GLM 5.2 is a large-scale reasoning model from Z.ai. It supports text input and output with a 1M-token context window, and is suited for long-horizon agent workflows, project-level software engineering,...

Характеристики

Контекст
1.0M токенов
Максимум на выход
944K токенов
Входные данные
text
Выходные данные
text
Knowledge cutoff
—
Токенизатор
Other

Возможности

✓ Вызов функций✓ Structured output✓ Открытые веса— Приём файлов✓ Reasoningeffort: none/high/max

Цены

Вход
$1.4342
за 1M токенов
Выход
$5.0197
за 1M токенов
Из кэша
$0.1434
за 1M токенов

Статистика у нас · за 30 дней

Запросов
2
Успешных
100%
Медиана ответа
3344 мс
Средняя
3344 мс

Бенчмарки

независимые замеры: Vals AI и Design Arena

ProgramBench

отраслевые задачи · #27 из 40

  • Claude Fable 5.219.0%
  • Claude Opus 5.518.5%
  • Claude Fable 5.17.0%
  • Claude Sonnet 5.56.5%
  • GPT-6 Astra5.5%
  • ▸ GLM 5.20.5%

SkillsBench

отраслевые задачи · #27 из 35

  • DeepSeek V4.1 Flash0.0%
  • Grok 4.50.0%
  • Gemini 3.7 Flash0.0%
  • GPT 5.50.0%
  • GPT 5.50.0%
  • ▸ GLM 5.20.0%

SRE Bench

отраслевые задачи · #34 из 37

  • GPT-6 Astra56.9%
  • GPT-6.1 Sol50.8%
  • Gemini 4 Argon44.3%
  • Claude Opus 5.533.6%
  • Daybreak Blue31.7%
  • ▸ GLM 5.20.0%

Design Arena · DataViz

слепые сравнения · #25 из 156 · побед 51.8%

  • claude-opus-5-51390
  • claude-sonnet-5-51362
  • kimi-k31348
  • claude-fable-5-11342
  • muse-spark-1.31340
  • ▸ glm-5.21283

Design Arena · UI Component

слепые сравнения · #31 из 186 · побед 55.3%

  • gpt-6-astra1398
  • kimi-k3.1-pro1392
  • claude-sonnet-5-51382
  • muse-wonder-1.01372
  • claude-opus-5-51372
  • ▸ glm-5.21288

Design Arena · 3D

слепые сравнения · #34 из 179 · побед 52.8%

  • gpt-6-astra-max1518
  • claude-fable-5-21513
  • claude-opus-5-51461
  • california1459
  • gpt-6-astra1458
  • ▸ glm-5.21271

Design Arena · ASCII

слепые сравнения · #41 из 99 · побед 46%

  • claude-opus-5-51358
  • claude-opus-51354
  • gpt-6-astra1348
  • gpt-6-astra-max1342
  • claude-fable-51323
  • ▸ glm-5.21185

Показаны 4 лучшие категории из 7. Остальные — на сайте Design Arena.

Arena, место
#29
Рейтинг
0.003
Голосов
99 130
Официальный анонс модели ↗Источники: Vals AI, Design Arena, Arena (LMArena).

Подключение

curl https://aicombiner.net/v1/chat/completions \
  -H "Authorization: Bearer $AICO_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "glm-5.2", "messages": [{"role": "user", "content": "Привет"}]}'

Один ключ открывает все модели каталога. Документация

Официальные источники

Hugging Face

Подробно о модели GLM 5.2

GLM 5.2 — модель компании Zhipu, выпущенная 16 июня 2026 г. Держит в контексте 1 000 тысяч токенов — это примерно 2 000 страниц текста. Поддерживает вызов функций (function calling), структурированный вывод по схеме, режим рассуждений, открытые веса.

Сколько стоит работа

Входные токены — 1.4342 $ за миллион, выходные — 5.0197 $. Повторная отправка того же контекста тарифицируется по кэшу — 0.1434 $. Тысяча запросов, в каждом 500 токенов вопроса и 500 токенов ответа, обойдётся примерно в 3.23 $.

Что показывают бенчмарки

Бенчмарк — это набор задач с проверяемым ответом. Место в нём говорит не о «силе» модели вообще, а о том, насколько хорошо она решает именно такие задачи. Разница в один-два процента обычно лежит внутри статистической погрешности, разрыв в десять и больше — уже реальная разница.

  • ProgramBench — отраслевые задачи с проверяемым ответом. Результат: 0.5%, место #27 из 40. Лидер — Claude Fable 5.2 с 19.0%, разрыв 18.5 п.п.
  • SkillsBench — отраслевые задачи с проверяемым ответом. Результат: —%, место #27 из 35.
  • SRE Bench — отраслевые задачи с проверяемым ответом. Результат: 0.0%, место #34 из 37. Лидер — GPT-6 Astra с 56.9%, разрыв 56.9 п.п.

Лучше всего модель показывает себя в «ProgramBench» (#27), слабее — в «SRE Bench» (#34). Это нормально: модели обучают на разных данных, и профиль получается неровным.

Дизайн и интерфейсы

Design Arena сравнивает результаты слепым голосованием: два ответа показывают человеку, он выбирает лучший, из исходов считается Elo — как в шахматах. Здесь модель участвует в 7 категориях:

  • DataViz — графики и дашборды по набору данных. Elo 1283, место #25 из 156, побед 51.8%.
  • UI Component — отдельные элементы интерфейса: кнопки, формы, таблицы. Elo 1288, место #31 из 186, побед 55.3%.
  • 3D — трёхмерные сцены и объекты. Elo 1271, место #34 из 179, побед 52.8%.
  • ASCII — текстовая графика из символов. Elo 1185, место #41 из 99, побед 46%.
  • GameDev — игровые прототипы и механики. Elo 1260, место #43 из 194, побед 49.1%.
  • Website — сгенерированные сайты: две версии показывают людям, они выбирают лучшую. Elo 1264, место #45 из 201, побед 48.9%.
  • SVG — векторные иконки по текстовому описанию. Elo 1135, место #89 из 142, побед 38.4%.

Общий рейтинг

В общем зачёте Arena (слепые сравнения ответов на любые вопросы) модель занимает #29 место. Рейтинг 0.003 построен на 99 130 голосах — чем больше голосов, тем уже доверительный интервал. Свежие релизы часто стоят ниже, чем окажутся через месяц: у них просто меньше оценок.

Как ведёт себя у нас

За последние 30 дней через сервис прошло 2 запросов к этой модели, успешных 100%. Медианный ответ — 3344 мс, средний 3344 мс.

Как подключить

Модель вызывается через OpenAI-совместимый API: адрес https://aicombiner.net/v1, ключ в заголовке Authorization: Bearer, имя модели — glm-5.2. Один ключ открывает весь каталог, поэтому переключение между моделями — это смена одного поля в запросе. Деньги списываются по факту: за фактические токены, а не за попытку.