Z.ai
GLM-5.3-FlashX
glm-5.3-flashx
最大上下文
1M
最大輸出
131.1K
發布日期
暫無
輸入$0.2857 / 百萬 Token
輸出$1 / 百萬 Token
GLM-5.2
glm-5.2GLM-5.2 是 Z.ai 面向長程工程任務的旗艦基礎模型，重點提升了可用的 1M token 上下文能力，可承載專案級程式碼、系統文件與工程背景資訊。它強調長任務執行穩定性、工程規範遵循能力，以及從需求分析、倉庫理解到實作、測試與多平台部署的完整開發流程能力。相比一般對話模型，GLM-5.2 更適合需要大上下文、持續規劃與可靠 Agent 執行的工程場景。
上下文視窗
1M Token
最大輸出
131.1K Token
發布日期
2026年6月13日
模態
GLM-5.2 價格
| 輸入價格 | 輸出價格 | 快取讀取 |
|---|---|---|
| $1.1429/M | $4/M | $0.2857/M |
GLM-5.2 API 能力
推理
支援
工具呼叫
支援
Temperature 參數
支援
附件
不支援
知識庫
—
Endpoint 協議
Completions APIMessages APIgemini
GLM-5.2 模型亮點
GLM-5.2 是針對百萬級內容脈絡、長週期程式 Agent 與複雜軟體專案穩定交付設計的開放權重文字模型。
穩定百萬級內容脈絡
可在百萬級內容脈絡中維持穩定表現，讓完整專案與長時間工作記錄留在同一條推理鏈路。
長週期 Agent 程式開發
可在長時間自主流程中持續完成專案拆解、架構設計、實作、測試、修正與部署。
正式環境程式開發
強化的前端、後端、行動端與深度除錯能力，有助於在完整應用流程中遵循工程限制。
GLM-5.2 使用情境
GLM-5.2 適合端到端應用交付、儲存庫層級軟體工程，以及長時間研究或最佳化工作。
端到端應用交付
將產品需求轉化為架構、前後端程式碼、測試、修正，以及可供部署的應用成果。
大型專案重構
在內容脈絡中保留大型專案、追蹤相依關係並實施連動修改，同時維持既有工程限制。
長時間技術最佳化
針對效能工程或自動化研究，持續執行分析、實作、量測與修正循環。
如何透過 TokenHub API 使用 GLM-5.2
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)GLM-5.2 基準測試
| 指數分數 | ||
|---|---|---|
| Artificial Analysis 綜合能力指數 | Artificial Analysis 綜合能力評分 | 51.1 |
| Artificial Analysis 程式碼能力指數 | Artificial Analysis 軟體任務評分 | 68.8 |
| 知識與推理 | ||
| GPQA | 高階科學問題求解 | 89.5% |
| HLE | 廣泛專家級考試集合 | 40.1% |
| 程式碼與工程 | ||
| SciCode | 科學計算程式碼挑戰 | 50.5% |
| Terminal-Bench Hard | 高難度終端任務執行 | 50.8% |
| 指令遵循與 Agent 任務 | ||
| IFBench | 指令約束遵循 | 73.3% |
| AA-LCR | 長上下文推理 | 71.3% |
| τ²-Bench | Agent 工作流程任務 | 99.1% |
指標來源 Artificial Analysis
GLM-5.2 比較
GLM-5.2 API 常見問題
解答關於 GLM-5.2 API、Z.ai 價格、程式開發與 Agent 工作流程、上下文限制和模型比較的常見問題。
GLM-5.2 是什麼？+
GLM-5.2 是 Z.ai 面向長時程工程任務、複雜推理與 Agent 工作流程的模型。它適合程式碼庫理解、變更規劃、程式實作、測試，以及需要持續使用大量專案上下文的多步驟任務。
GLM-5.2 適合程式開發和 Agent 工作流程嗎？+
當任務需要程式碼庫等級的上下文、連續工具呼叫或跨多步驟持續規劃時，GLM-5.2 值得優先評估。正式上線前，仍應以自己的程式開發或 Agent 工作流程驗證基準表現、端點支援、延遲與工具呼叫行為。
如何透過 TokenHub 呼叫 GLM-5.2 API？+
先建立 TokenHub API Key，複製本頁顯示的正確 GLM-5.2 模型 ID，再於 API 區塊選擇支援的端點。你可直接以頁面產生的請求範例為起點，接入 OpenAI 相容用戶端或其他已支援的呼叫方式。
如何評估 GLM-5.2 API 或 Z.ai API 的價格？+
查看本頁展示的目前輸入、輸出和快取讀取價格，再結合典型提示詞長度、輸出長度、請求量和快取命中率估算成本。長上下文與 Agent 工作流程的成本結構，通常會與短對話請求明顯不同。
GLM-5.2 的上下文和最大輸出限制是多少？+
請以本頁模型參數中的上下文長度和最大輸出為準，並將兩者一起評估：較大的上下文視窗適合程式碼庫和文件輸入，最大輸出則決定模型單次回應可傳回的內容量。
GLM-5.2 和 DeepSeek V4 Flash 應該怎麼選？+
先從工作負載出發：長時程工程和 Agent 任務可優先評估 GLM-5.2；如果 DeepSeek V4 Flash 的目前價格、最大輸出和支援端點更適合高吞吐文字生成或檢索工作流程，則應優先評估後者。最終請以比較頁的即時規格為準。
GLM-5.2 和 Qwen3.8 Max 應該怎麼選？+
沒有脫離情境的絕對勝者。應圍繞真實任務比較兩者的程式開發與 Agent 可靠性、推理品質、上下文與輸出限制、價格和端點相容性。建議先以具代表性的提示詞做小規模評測，再決定在正式工作流程中使用 GLM-5.2 或 Qwen3.8 Max。
準備呼叫 GLM-5.2？
透過一個 API Key 接入 GLM-5.2 與更多 AI 模型。
媒體與討論
精選與此模型相關的公開影片和貼文。
X (Twitter)
Reddit
YouTube