GLM-5.2 від Zhipu AI: Китайський гігант із контекстом у 1 млн токенів кидає виклик open-source
Китайський AI-стартап Zhipu AI офіційно представив свою флагманську мовну модель GLM-5.2, орієнтовану на виконання довгих агентних завдань та складне програмування. Це рішення з відкритим вихідним кодом пропонує контекстне вікно об'ємом в 1 мільйон токенів, поширюється під ліцензією MIT та підтримує локальне розгортання.
Технічні характеристики та архітектура
Згідно з даними на Hugging Face, модель налічує 753 мільярди параметрів і призначена для генерації тексту англійською та китайською мовами. Ключова особливість GLM-5.2 — підтримка кількох рівнів «інтенсивності міркувань», що дозволяє користувачам гнучко балансувати між якістю відповіді та часом затримки. В архітектуру також інтегровано механізми IndexShare та оновлений шар MTP для спекулятивного декодування.
Розробники стверджують, що IndexShare повторно використовує один індексатор на кожні чотири шари розрідженої уваги, скорочуючи кількість операцій на токен у 2,9 раза. Оновлення MTP, своєю чергою, збільшує довжину підтвердження до 20%, що суттєво прискорює обробку послідовностей.
Продуктивність та бенчмарки
У трьох ключових тестах — FrontierSWE, PostTrainBench та SWE-Marathon — GLM-5.2 перевершила всі існуючі моделі з відкритим вихідним кодом. У стандартних бенчмарках продуктивності програмування вона також посіла лідируючу позицію серед open-source рішень, що підтверджує її перевагу в цій галузі.
GLM-5.2 поширюється за відкритою ліцензією MIT. Для локального розгортання доступна підтримка фреймворків SGLang, vLLM, Transformers, KTransformers та Docker Model Runner. Також доступні квантизації для llama.cpp, Ollama та LM Studio, що робить модель гнучкою для використання на різному обладнанні.
Експертна думка
Випуск GLM-5.2 — це не просто черговий реліз, а стратегічний крок Zhipu AI у боротьбі за лідерство в сегменті open-source LLM. Можливість обробки контексту в 1 млн токенів у поєднанні з високою продуктивністю в задачах програмування робить цю модель серйозним конкурентом для таких гігантів, як Meta LLaMA та Mistral. Однак варто уважно стежити за реальною ефективністю IndexShare та MTP у продакшн-середовищі — теоретичні заяви розробників не завжди підтверджуються на практиці.