Китайський стартап Zhipu AI представив GLM-5.2: контекст в 1 млн токенів і відкрита ліцензія MIT
Китайська компанія Zhipu AI випустила флагманську мовну модель GLM-5.2, орієнтовану на довгі агентні сценарії та завдання програмування. Рішення з відкритим вихідним кодом отримало контекстне вікно об'ємом 1 мільйон токенів, ліцензію MIT та підтримку локального розгортання.
Технічні характеристики та архітектура
Згідно зі специфікацією на Hugging Face, GLM-5.2 призначена для генерації тексту англійською та китайською мовами. Об'єм параметрів моделі становить 753 мільярди. Розробники впровадили кілька рівнів «інтенсивності міркувань», що дозволяє гнучко балансувати між якістю відповіді та затримкою. В архітектуру також інтегровано механізми IndexShare та оновлений шар MTP для спекулятивного декодування.
IndexShare повторно використовує один індексатор на кожні чотири шари розрідженої уваги, знижуючи кількість операцій на токен у 2,9 раза. Оновлення MTP збільшує довжину підтвердження до 20%, що суттєво прискорює інференс у складних сценаріях.
Продуктивність та бенчмарки
У трьох ключових тестах — FrontierSWE, PostTrainBench та SWE-Marathon — GLM-5.2 перевершила всі існуючі open-source моделі. У стандартних бенчмарках продуктивності програмування китайська розробка також посіла лідируючу позицію серед аналогів з відкритим кодом.
Доступність та розгортання
GLM-5.2 поширюється за відкритою ліцензією MIT. Для локального розгортання заявлено підтримку SGLang, vLLM, Transformers, KTransformers та Docker Model Runner. Крім того, доступні квантизації для llama.cpp, Ollama та LM Studio, що робить модель придатною для використання на споживчому обладнанні.
Думка експерта: Випуск GLM-5.2 знаменує собою важливий етап у гонці ШІ-моделей з відкритим вихідним кодом. Контекст в 1 млн токенів та ліцензія MIT — це прямий виклик пропрієтарним рішенням від OpenAI та Google. Однак ключовим питанням залишається практична застосовність такої моделі на звичайному залізі: 753 млрд параметрів потребують значних обчислювальних ресурсів, навіть з урахуванням квантизації. Ринок чекає на незалежні тести продуктивності в реальних завданнях агентного програмування.