DIKONFIRMASIKeyakinan tanggal: DIKONFIRMASIDinyatakan pastiSeberapa tegas sumber menyebutkan tanggalnya: dikonfirmasi, dijadwalkan, diperkirakan, tertunda, atau belum diverifikasi.Tampilkan semua pin DIKONFIRMASIKEYAKINAN 84%Keyakinan keseluruhan: 84%Seberapa baik sumber dan referensi pin mendukung tanggalnya.Rata-rata tertimbang dari seberapa kuat 6 referensi, termasuk sumber, mendukung waktu mulai dan berakhir pin; bobot sebuah referensi berkurang setengahnya untuk setiap 180 hari lebih lama dari yang terbaruTampilkan semua pin dengan keyakinan 75% atau lebih tinggi
Repositori Hugging Face[6], API, dan catatan rilis pengembang Z.ai semuanya menetapkan tanggal GLM-5.2 pada 16 Juni 2026, dan Epoch[5] AI mencantumkan "16 Juni 2026". Pelanggan Coding Plan sudah memilikinya sejak 13 Juni (hari Sabtu); AI Weekly[2] menyebut peluncuran itu menjanjikan bobot terbuka dan API pada 16 Juni, sehingga 13 Juni merupakan akses awal bertahap, bukan rilis penuh.- Mulai
- 16 Jun 2026KEYAKINAN 92%dari epoch.ai
GLM-5.2 dirilis
Diterjemahkan otomatis dari aslinya
Judul asli: GLM-5.2 Released
Z.ai (Zhipu AI) merilis GLM-5.2, model andalan berlisensi MIT dengan 753B parameter yang dibuat untuk pemrograman jangka panjang dengan jendela konteks 1M token, mencetak 62.1 pada SWE-bench Pro dan 81.0 pada Terminal Bench 2.1.
- Z.ai, merek internasional Zhipu AI, membuka GLM-5.2 untuk semua tingkatan GLM Coding Plan pada 13 Juni 2026 dan pada 16 Juni menambahkan API, akses obrolan, serta bobot berlisensi MIT di Hugging Face[2][4][6]
- Model ini diposisikan sebagai andalan "untuk era tugas jangka panjang": jendela konteks 1M token yang menurut Z.ai benar-benar dapat dipakai, lima kali lipat 200K milik GLM-5.1, dengan lebih sedikit pergeseran konteks dan tujuan yang terlupakan pada pekerjaan skala proyek[1][2]
- Tabel Z.ai memberinya 62.1 pada SWE-bench Pro (GLM-5.1 58.4, Claude Opus 4.8 69.2), 81.0 pada Terminal Bench 2.1 (Opus 4.8 85.0), 74.4 pada FrontierSWE dibandingkan 75.1 milik Opus 4.8, dan 13.0 pada SWE-Marathon dibandingkan 26.0[6]
- Pemeriksaan independen lebih bersahabat: Artificial Analysis memberinya 51 pada Intelligence Index v4.1, mengungguli MiniMax-M3 dan DeepSeek V4 Pro yang mendapat 44, dan model ini menempati peringkat kedua di Code Arena dengan 1,595 poin[3]
- Harga menjadi bagian dari daya tarik: sekitar $1.40 per juta token input dan $4.40 per juta token output, dibandingkan $5 dan $30 untuk GPT-5.5[3]
- Trending Topics mencatat bahwa rilis open source diumumkan pada hari yang sama ketika pemerintahan Trump memerintahkan Fable 5 dan Mythos 5 milik Anthropic diblokir bagi warga negara asing, dan saham Z.ai yang tercatat di Hong Kong melonjak hingga 48% pada awal pekan itu[3]
Fitur unggulan
- Input dan output teks, konteks 1M token dan keluaran maksimum 128K token, dengan dua tingkat penalaran yang dapat dipilih, High dan Max[1][4]
- Model campuran pakar dengan sekitar 753 miliar parameter total (laporan pers menyebut 744B total dan sekitar 40B aktif) berlisensi MIT[3][6]
- IndexShare menggunakan ulang satu pengindeks untuk setiap empat lapisan perhatian jarang, memangkas komputasi per token 2.9x pada konteks 1M, dan lapisan prediksi multi-token yang disempurnakan menaikkan penerimaan dekode spekulatif hingga 20%[6]
- Berjalan secara lokal di SGLang, vLLM, Transformers, KTransformers, dan Unsloth, dengan dukungan NPU Ascend melalui vLLM-Ascend, xLLM, dan SGLang[6]
- Dokumentasi Z.ai mengarahkan pengguna ke pengambilalihan basis kode tingkat proyek, refaktor panjang dalam mode /goal, dan build multiplatform sebagai tugas yang menjadi target penyetelannya[1]
Benchmark
Tabel hasil Z.ai dari kartu model, sebagaimana dipublikasikan[6]; * menandai hasil pada set uji lengkap.
| Benchmark | GLM-5.2 | GLM-5.1 | Qwen3.7-Max | MiniMax M3 | DeepSeek-V4-Pro | Claude Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|---|---|---|---|
| Penalaran | ||||||||
| HLE | 40.5 | 31 | 41.4 | 37 | 37.7 | 49.8* | 41.4* | 45 |
| HLE (dengan alat) | 54.7 | 52.3 | 53.5 | - | 48.2 | 57.9* | 52.2* | 51.4* |
| CritPt | 20.9 | 4.6 | 13.4 | 3.7 | 12.9 | 20.9 | 27.1 | 17.7 |
| AIME 2026 | 99.2 | 95.3 | 97 | - | 94.6 | 95.7 | 98.3 | 98.2 |
| HMMT Nov. 2025 | 94.4 | 94 | 95 | 84.4 | 94.4 | 96.5 | 96.5 | 94.8 |
| HMMT Feb. 2026 | 92.5 | 82.6 | 97.1 | 84.4 | 95.2 | 96.7 | 96.7 | 87.3 |
| IMOAnswerBench | 91.0 | 83.8 | 90 | - | 89.8 | 83.5 | - | 81 |
| GPQA-Diamond | 91.2 | 86.2 | 90 | 93 | 90.1 | 93.6 | 93.6 | 94.3 |
| Pemrograman | ||||||||
| SWE-bench Pro | 62.1 | 58.4 | 60.6 | 59 | 55.4 | 69.2 | 58.6 | 54.2 |
| NL2Repo | 48.9 | 42.7 | 47.2 | 42.1 | 35.5 | 69.7 | 50.7 | 33.4 |
| DeepSWE | 46.2 | 18 | 18 | 20 | 8 | 58 | 70 | 10 |
| ProgramBench | 63.7 | 50.9 | - | - | 47.8 | 71.9 | 70.8 | 39.5 |
| Terminal Bench 2.1 (Terminus-2) | 81.0 | 63.5 | 75 | 65 | 64 | 85 | 84 | 74 |
| Terminal Bench 2.1 (harness terbaik yang dilaporkan) | 82.7 | 69 | - | - | - | 78.9 | 83.4 | 70.7 |
| FrontierSWE (Dominance) | 74.4 | 30.5 | - | - | 29.0 | 75.1 | 72.6 | 39.6 |
| PostTrainBench | 34.3 | 20.1 | - | - | - | 37.2 | 28.4 | 21.6 |
| SWE-Marathon | 13.0 | 1.0 | - | - | - | 26.0 | 12.0 | 4.0 |
| Agentik | ||||||||
| MCP-Atlas (Public Set) | 76.8 | 71.8 | 76.4 | 74.2 | 73.6 | 77.8 | 75.3 | 69.2 |
| Tool-Decathlon | 48.2 | 40.7 | - | - | 52.8 | 59.9 | 55.6 | 48.8 |