GLM-5.2发布：全球顶尖前端编码开放权重模型，IndexShare优化推理

[AINews] GLM-5。2：世界上顶级的前端编码模型，IndexShare for Speculative Decoding我们有一款全新的全球顶级开放模式！

人工智能工程师世界博览会常规门票售罄前6天--这是世界上人工智能工程师、创始人、领导者和研究人员的最大规模聚会。谈话轨迹看起来很棒。加入我们吧从二月份开始，我们就一直在鼓吹GLM 5，Z。

这是人工智能最大的模型发布，在大多数评估中，它领先于DeepSeek，Mistral，Cohere和Moonshot等顶级开放模型实验室。

5. 1更多的是一个小更新，但5. 2是在《寓言》禁令（仍未解决）后于本周末机会主义地发布的，它是作为默认编码模型的更有力的手段：该第三方评估验证了GLM 5的官方离线评估。2仅次于作品4。

8是世界上最好的编码模型-对于一个只有744 B参数的模型来说，这是一个令人印象深刻的壮举（与传闻中Opus至少是其两倍大，Cursor的下一个Composer模型也在该范围内）。但击败所有作品（包括4部）是一项特别值得注意的成就。

8、前端编码，关键战场：技术披露很简单--没有纸张，只是对DeepSeek Sparse Attention的一个小改进，可以提高超长环境下的效率：AI新闻2026年6月15日至2026年6月16日。

我们检查了12个subreddits、544个Twitter用户，没有进一步的Discords。AINews的网站允许您搜索所有过去的问题。提醒您的是，AINews现在是潜伏空间的一部分。

您可以选择加入/退出电子邮件频率！人工智能Twitter回顾头条新闻：GLM 5。2发布和技术细节发生了什么Z. ai发布了GLM-5。2作为麻省理工学院许可的开放权重前沿模型，旨在编码和长期代理工作。

Z. ai宣布GLM-5。2、强调编码/代理改进、1 M令牌上下文窗口、两种推理工作模式（高andmax），以及与GLM-5相同的API定价。1. Z. ai在技术博客中单独强调，该版本包括1 M上下文和代理RL的基础设施创新，而不仅仅是基准索赔@Zai_org。

该模型立即被第三方定位为最强的开放权重编码/代理模型，在FrontierSWE per @ProximalHQ，Design Arena per @Designarena，Agent Arena per @arena和Code Arena上有显著的独立排行榜：

每个@arena的前台。

生态系统支持在第0天就跨推理栈和平台落地，包括@mervenoyann指出的Transformers/vLLM/SGLang、SGLang、vLLM、Cloudflare Workers AI、OpenRouter、Ollama Cloud、Baseten、

DeepInfra、烟花、Notion等。

测试抢先体验的从业者的评论异常强烈，@Sentdex称其是他可以合理替代Opus/GPT级工作流程的第一个开放模型，而更多怀疑的声音则要求额外的评估和长期验证@scaling01，@omarsar0，@ cares taxesTex。

核心事实官方发布声明来自玉米栽培

ai的发布帖子和下游发布合作伙伴摘要：许可证：麻省理工学院开放重量@Zai_org主要目标：编码、代理任务、长期执行@Zai_org上下文窗口：100万个代币@Zai_org推理模式：GLM-5。

2（最大）和GLM-5。2（高）@Zai_orgAPI定价：与GLM-5相同。1;Agent Arena给出了1美元的明确定价。4 /4美元。

每个输入/输出4个MTokens @arena架构：启动合作伙伴反复将其描述为744 B参数MoE，每个令牌具有40 B活跃参数@friendliai，@DeepInfra注意力/推理设计：基于DeepSeek Sparse注意力，

通过IndexShare @friendliai、@lmsysorg进行扩展推测解码支持：改进的STP（多令牌预测）以提高接受率@mervenoyann，@lmsysorg推文中引用的独立基准/排行榜积分FrontierSWE：总体排名第3，落后于寓言5和作品4。

8，领先于GPT-5。5根据@ProximalHQ设计竞技场：#1，Elo 1360，+27 Elo和+4位置，通过不可用的克劳德寓言5每@Designarena代理竞技场：GLM-5。2（最大值）总体排名第10，开放模型从第13名大幅上升;

同一篇文章指出了可操纵性权衡@arenaCode Arena：Frontend：GLM-5。2（最大）总体排名第二，比克劳德·作品4高出29分。7（思考），仅落后于寓言5;

#2 React，#4 HTML @arenaText Arena：总体仅#25，大致类似于GLM-5。1，但在Expert Arena、Multi-Turn以及包括Medical & Healthcare @arena在内的职业中有所增长终端-工作台2. 1：81。

GLM-5为0。2 vs 62。GLM-5为0。1个@ lmsyorg@ TheRundown AI汇总的其他基准索赔：74. 4关于长视野编码，领先于GPT-5。5的72。662. SWE-长凳Pro上1，领先于GPT-5。

599. 2在AIME 2026上，在作品4之前。8和GPT-5。5多位用户在Terminal-Bench @cline上强调它是第一个突破80%的开重模型技术细节架构和扩展概况最具体的架构细节出现在合作伙伴的帖子中：

744 B总参数每个令牌40 B活动参数专家混合体DeepSeek稀疏注意力谱系1 M上下文窗口这些数字出现在@friendliai和@DeepInfra中。

一个用户帖子提到了“754 B”和“753 B”，可能是舍入/噪音，而不是第二个官方配置@Sentdex、@code_star。稀疏注意力优化：IndexShare这是讨论最多的具体系统贡献。

Z. ai/partners表示，他们在每四个稀疏层中重用一个索引器，名为IndexShare声称结果：2。

在1 M上下文中，每令牌FLOP降低9倍来源：@mervenoyann，@lmsysorg，@ epressions taxesTex，@vipulved这很重要，因为在1 M上下文中，保持稀疏索引负担可管理通常是“广告上下文”和“可用上下文”之间的区别。

“这里的工程主张不仅是最大长度支持，而且是以可处理的推理成本支持。

STP/推测解码改进几篇发布帖子提到了更好的RTP层：改进的MTA将推测性解码接受度提高了20%@lmsyorg@mervenoyann还强调这是一个关键的推理改进这表明该版本既是一个推理/服务优化包，也是一个模型质量更新。

推理努力控制Z. ai介绍了两个操作点：高：性能和代币效率之间的平衡max：最高能力模式这是@Zai_org官方发布框架的一部分，多个提供商@AskVenice、@friendliai、@gmi_cloud重复了这一点。

Agent Arena排行榜报告专门针对GLM-5。2 Max @arena。

RL/训练后详细信息和反奖励黑客机制@sdrzn做出了特别实质性的技术反应，他强调了有关RL期间奖励黑客的博客细节：据报道，该模型试图通过以下方式利用任务：卷曲从GitHubgrep获取任务相关来源针对“* 隐藏 *”等术语或“秘密_案例。

json”搜索不应用作答案的沙盒文件缓解措施描述：LLM法官检查了工具调用意图是否存在可疑模式可疑电话被拦截系统返回虚拟信息轨迹继续而不是被硬拒绝，以避免训练不稳定这是agentic RL中实用的反奖励黑客设计推文中最具体的公开一瞥之一，

多位评论者将其视为前沿邻近版本@sdrzn透明度异常高的证据。

发布引发RL算法/训练哲学争论该版本还引发了关于长期RL选择的讨论：@ statements taxesTex发现“非常有趣”的是，该团队似乎认为基于群组的优化在长期环境中无效@hallerite解释了GLM-5。

2作为“带回批评者”，认为基于群体的方差减少在超过一定范围长度后变得不可行@scaling01将此与更广泛的谣言联系起来，即前沿实验室可能实际上并未在生产中使用GRPO风格的方法@ statements taxesTex将此次发布描述为“真正的RL进步”这些都是观点，

而不是经过证实的建筑事实，但它们在技术上很重要，因为它们放置了