Z.ai
GLM-5.3-FlashX
glm-5.3-flashx
最大上下文
1M
最大输出
131.1K
发布日期
暂无
输入$0.2857 / 百万 Token
输出$1 / 百万 Token
GLM-5.2
glm-5.2GLM-5.2 是智谱 AI（Z.ai）面向长程工程任务、Agent 工作流和复杂推理的旗舰基础模型。其可用的 1M token 上下文可承载项目级代码库、系统文档和多步骤持续执行。你可以通过 TokenHub 调用 GLM API / 智谱 API，查看当前价格、可用端点、上下文限制和基准测试结果，再评估其是否适合需求分析、仓库理解、实现、测试与部署等生产级开发流程。
上下文窗口
1M Token
最大输出
131.1K Token
发布日期
2026年6月13日
模态
GLM-5.2 价格
| 输入价格 | 输出价格 | 缓存读取 |
|---|---|---|
| $1.1429/M | $4/M | $0.2857/M |
GLM-5.2 API 能力
推理
支持
工具调用
支持
Temperature 参数
支持
附件
不支持
知识库
—
Endpoint 协议
Completions APIMessages APIgemini
GLM-5.2 模型亮点
GLM-5.2 是面向百万级上下文、长周期代码智能体和复杂软件项目稳定交付的开放权重文本模型。
稳定百万级上下文
可在百万级上下文中保持稳定表现，使完整项目和长时间任务记录处于同一推理链路。
长周期智能体编程
可在长时间自主流程中持续完成项目拆解、架构设计、实现、测试、修复和部署。
生产级编程
增强的前端、后端、移动端和深度调试能力，有助于在完整应用流程中遵循工程约束。
GLM-5.2 使用场景
GLM-5.2 适合端到端应用交付、仓库级软件工程以及长时间研究或优化任务。
端到端应用交付
将产品需求转化为架构、前后端代码、测试、修复以及可供部署的应用成果。
大型项目重构
在上下文中保留大型项目，追踪依赖关系并实施协同修改，同时保持既有工程约束。
长时间技术优化
针对性能工程或自动化研究，持续执行分析、实现、测量和纠正循环。
如何通过 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 基准测试
| 指数分数 | ||
|---|---|---|
| Artificial Analysis 综合能力指数 | Artificial Analysis 综合能力评分 | 51.1 |
| Artificial Analysis 代码能力指数 | Artificial Analysis 软件任务评分 | 68.8 |
| 知识与推理 | ||
| GPQA | 高阶科学问题求解 | 89.5% |
| HLE | 广泛专家级考试集合 | 40.1% |
| 代码与工程 | ||
| SciCode | 科学计算代码挑战 | 50.5% |
| Terminal-Bench Hard | 高难度终端任务执行 | 50.8% |
| 指令遵循与 Agent 任务 | ||
| IFBench | 指令约束遵循 | 73.3% |
| AA-LCR | 长上下文推理 | 71.3% |
| τ²-Bench | Agent 工作流任务 | 99.1% |
指标来源 Artificial Analysis
GLM-5.2 对比
GLM-5.2 API 常见问题
解答关于 GLM-5.2 API、智谱 AI（Z.ai）价格、代码与 Agent 工作流、上下文限制和模型对比的常见问题。
GLM-5.2 是什么？+
GLM-5.2 是智谱 AI（Z.ai）面向长程工程任务、复杂推理和 Agent 工作流的模型。它适合代码仓库理解、变更规划、代码实现、测试，以及需要持续使用大量项目上下文的多步骤任务。
GLM-5.2 适合代码和 Agent 工作流吗？+
当任务需要仓库级上下文、连续工具调用或跨多步骤持续规划时，GLM-5.2 值得优先评估。上线前仍应结合自己的代码或 Agent 工作流，验证基准测试表现、端点支持、延迟和工具调用行为。
如何通过 TokenHub 调用 GLM-5.2 API？+
先创建 TokenHub API Key，复制本页显示的准确 GLM-5.2 模型 ID，再在 API 模块选择支持的端点。可直接以页面生成的请求示例为起点，接入 OpenAI 兼容客户端或其他已支持的调用方式。
如何评估 GLM-5.2 API 或智谱 API 的价格？+
查看本页展示的当前输入、输出和缓存读取价格，再结合典型提示词长度、输出长度、请求量和缓存命中率估算成本。长上下文与 Agent 工作流的成本结构，通常会与短对话请求明显不同。
GLM-5.2 的上下文和最大输出限制是多少？+
请以本页模型参数中的上下文长度和最大输出为准，并将两者一起评估：较大的上下文窗口适合代码仓库和文档输入，最大输出则决定模型单次响应可返回的内容量。
GLM-5.2 和 DeepSeek V4 Flash 应该怎么选？+
先从工作负载出发：长程工程和 Agent 任务可优先评估 GLM-5.2；如果 DeepSeek V4 Flash 的当前价格、最大输出和支持端点更适合高吞吐文本生成或检索工作流，则应优先评估后者。最终请以对比页的实时规格为准。
GLM-5.2 和 Qwen3.8 Max 应该怎么选？+
没有脱离场景的绝对胜者。应围绕真实任务比较两者的代码与 Agent 可靠性、推理质量、上下文与输出限制、价格和端点兼容性。建议先用具有代表性的提示词做小规模评测，再决定在生产工作流中使用 GLM-5.2 还是 Qwen3.8 Max。
准备调用 GLM-5.2？
通过一个 API Key 接入 GLM-5.2 与更多 AI 模型。
媒体与讨论
精选与此模型相关的公开视频和帖子。
X (Twitter)
Reddit
YouTube