CONFERMATOAffidabilità della data: CONFERMATOIndicato come definitivoQuanto la fonte è netta sulla data: confermata, programmata, stimata, rinviata o non verificata.Mostra tutti i pin CONFERMATOAFFIDABILITÀ 84%Affidabilità complessiva: 84%Quanto la fonte e le altre fonti del pin ne confermano le date.Media ponderata di quanto 6 fonti, compresa quella principale, confermano gli orari di inizio e fine del pin; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recenteMostra tutti i pin con affidabilità pari o superiore al 75%
Il repository Hugging Face[6], l'API e le note di rilascio per sviluppatori di Z.ai datano tutti GLM-5.2 al 16 giugno 2026 ed Epoch[5] AI indica «16 giugno 2026». Gli abbonati a Coding Plan lo hanno avuto dal 13 giugno (un sabato); secondo AI Weekly[2] quel lancio prometteva i pesi aperti e l'API per il 16 giugno, quindi il 13 giugno fu un accesso anticipato a scaglioni, non il rilascio completo.- Inizio
- 16 giu 2026AFFIDABILITÀ 92%da epoch.ai
GLM-5.2 rilasciato
Tradotto automaticamente dall’originale
Titolo originale: GLM-5.2 Released
Z.ai (Zhipu AI) rilascia GLM-5.2, un modello di punta da 753B parametri con licenza MIT, pensato per la programmazione a lungo orizzonte con una finestra di contesto da 1M token, che ottiene 62.1 su SWE-bench Pro e 81.0 su Terminal Bench 2.1.
- Z.ai, il marchio internazionale di Zhipu AI, ha aperto GLM-5.2 a tutti i livelli del GLM Coding Plan il 13 giugno 2026 e il 16 giugno ha aggiunto l'API, l'accesso via chat e i pesi con licenza MIT su Hugging Face[2][4][6]
- È presentato come il modello di punta «per l'era dei compiti a lungo orizzonte»: una finestra di contesto da 1M token che Z.ai dice essere davvero utilizzabile, cinque volte i 200K di GLM-5.1, con meno derive di contesto e obiettivi dimenticati nei lavori su scala di progetto[1][2]
- Nella tabella di Z.ai ottiene 62.1 su SWE-bench Pro (GLM-5.1 58.4, Claude Opus 4.8 69.2), 81.0 su Terminal Bench 2.1 (Opus 4.8 85.0), 74.4 su FrontierSWE contro il 75.1 di Opus 4.8 e 13.0 su SWE-Marathon contro 26.0[6]
- I controlli indipendenti sono stati più favorevoli: Artificial Analysis gli ha assegnato 51 nel suo Intelligence Index v4.1, davanti a MiniMax-M3 e DeepSeek V4 Pro con 44, ed è arrivato secondo su Code Arena con 1,595 punti[3]
- Il prezzo faceva parte della proposta: circa $1.40 per milione di token in ingresso e $4.40 per milione di token in uscita, contro $5 e $30 di GPT-5.5[3]
- Trending Topics osserva che il rilascio open source è stato annunciato lo stesso giorno in cui l'amministrazione Trump ha ordinato di bloccare Fable 5 e Mythos 5 di Anthropic per i cittadini stranieri, e che le azioni di Z.ai quotate a Hong Kong sono salite fino al 48% all'inizio di quella settimana[3]
Funzionalità principali
- Input e output testuali, contesto di 1M token e output massimo di 128K token, con due livelli di ragionamento selezionabili, High e Max[1][4]
- Modello a mixture-of-experts con circa 753 miliardi di parametri totali (la stampa riporta 744B totali e circa 40B attivi) con licenza MIT[3][6]
- IndexShare riutilizza un unico indicizzatore ogni quattro livelli di attenzione sparsa, riducendo di 2.9x il calcolo per token con un contesto da 1M, mentre un livello di previsione multi-token migliorato aumenta fino al 20% l'accettazione nella decodifica speculativa[6]
- Funziona in locale con SGLang, vLLM, Transformers, KTransformers e Unsloth, con supporto per gli NPU Ascend tramite vLLM-Ascend, xLLM e SGLang[6]
- La documentazione di Z.ai indirizza gli utenti verso la presa in carico di codebase a livello di progetto, i lunghi refactoring in modalità /goal e le build multipiattaforma, ovvero i compiti per cui è stato ottimizzato[1]
Benchmark
Tabella dei risultati di Z.ai tratta dalla scheda del modello, così come pubblicata[6]; * indica i risultati sull'intero set di test.
| 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 |
|---|---|---|---|---|---|---|---|---|
| Ragionamento | ||||||||
| HLE | 40.5 | 31 | 41.4 | 37 | 37.7 | 49.8* | 41.4* | 45 |
| HLE (con strumenti) | 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 |
| Programmazione | ||||||||
| 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 (miglior harness dichiarato) | 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 |
| Agentico | ||||||||
| 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 |