智譜 GLM-5.2 全面開源：7440 億參數，以國產晶片訓練
智譜 AI，這家總部位於北京、也以 Z.AI 為人所知的實驗室，推出了 GLM-5.2，並在幾天內釋出完整的開放權重。該模型總參數達 7440 億，每個 token 約啟用 400 億參數，採用混合專家（MoE）架構，並搭載一項名為 IndexShare 的獨特稀疏注意力優化技術。
授權條款為 MIT。對任何打算以其為基礎進行開發的人來說，這就是最重要的頭條：沒有地區排除條款、沒有營收觸發條件、沒有月活躍使用者上限。商業部署、修改與再散布皆無需額外許可。
IndexShare 能帶來什麼
IndexShare 架構會跨層重複使用稀疏注意力索引器，根據技術文件的說法，在模型完整的 100 萬 token 上下文視窗下，每個 token 的運算量可降低 2.9 倍。這個數字作為單獨的基準測試意義較小，作為一項經濟事實則更為重要。長上下文代理工作階段正是 token 成本累積的地方，而在上下文視窗頂端降低 2.9 倍，會改變哪些工作負載在特定叢集上可行。
GLM-5.2 原生支援 100 萬 token，並在 Artificial Analysis Intelligence Index 上名列開放權重模型之首。在 SWE-bench Pro 上得分 62.1%，領先 GPT-5.5 的 58.6%。在 Terminal-Bench 2.1 上取得 81.0，是所有開放權重模型中回報的最高分數。
硬體故事才是地緣政治關鍵
GLM-5.2 之中比基準測試話題更經得起時間考驗的部分，是它運作在哪裡。整個 GLM-5 系列都是在華為昇騰晶片上，使用 MindSpore 框架訓練而成。這是沒有任何西方實驗室能做出的宣稱，也是這款模型吸引那些重視供應鏈韌性、而非只看原始分數的買家的原因。
智譜的發布資料補充，線上推論可跨多個國內運算平台運行，並首日相容於華為昇騰、平頭哥（T-Head）、摩爾線程、寒武紀、崑崙、沐曦、海光與壁仞。該公司將此描述為在國內晶片叢集上，以高吞吐量、低延遲與高併發穩定運行。
對中國境外的企業而言，實際問題在於這些權重是否能提供一條自行託管路徑，從而消除按 token 計費的成本。對中國境內的企業而言，問題更廣泛：能否在不依賴無法穩定購得的硬體下，打造並提供一個具備前沿能力的模型。
費用是多少，以及自行託管改變了什麼
定價級距區分明確。直接 API 存取約為每百萬輸入 token 1.40 美元、每百萬輸出 token 4.40 美元，快取輸入則為 0.26 美元。透過 OpenRouter，價格約為 1.00 美元與 4.00 美元。GLM Coding Plan 訂閱方案為每月 10 至 18 美元，屬於開發者導向層級，並非為生產規模而設計。
自行託管才是算術開始轉變的地方。地端部署會帶來基礎設施成本，但沒有按 token 計費的費用。對於每天處理數百萬 token 的工作負載而言，這個差異相當可觀。取捨在於 GPU 叢集、維護，以及受管 API 所隱藏起來的擴展工作。MIT 授權在經濟考量之上，進一步降低了法律摩擦。
量化是另一項槓桿。據報導，使用量化權重後，該模型可在消費級硬體上運行，這為隱私敏感的應用開啟了一條自行託管路徑，例如處理醫療紀錄或專有程式碼庫的代理。
值得一讀的安全註腳
在任何人把開放權重當成免費午餐之前，有一項發現值得注意。Anthropic 的紅隊評估報告指出，GLM-5.3 展現出 Mythos 級自主網路能力，且對開放權重遭濫用的防護措施薄弱。開放權重無法收回。一旦下載，模型就會無限期留在部署組織手中。
這會造成特定的部署問題。在代理框架內運行的開放權重模型，需要封閉 API 供應商在自己那端處理的隔離層。MIT 授權移除了供應商鎖定，同時也移除了供應商提供的安全保證。在代理迴圈中部署 GLM-5.2 的團隊，應為執行階段隔離編列預算，而不是把它當成別人的問題。
為什麼這次發布的意義不同
每個月都有大量開放模型發布。GLM-5.2 之所以意義不同，是因為三個相互加乘的原因。
在這種參數規模下，真正寬鬆的授權相當罕見。多數前沿級開放發布都附帶商業條件、地區限制或使用者上限。GLM-5.2 這些都沒有。
硬體路徑獨立於 NVIDIA。對於把供應鏈風險視為首要考量的買家而言，無論基準測試排名如何，這都會改變候選名單。
而且長上下文下的運算效率，讓持續的多步驟工作階段在較小叢集上具備經濟可行性，相較於 NVIDIA 的 Nemotron 3 Ultra 這類模型，後者在其文件記載的最低需求下需要 8xH100 節點。
GLM-5.2 並非在所有任務上都是最佳模型，而且安全警告確實存在。但作為一個訊號，顯示開放發布如今能達到什麼樣貌：具備前沿競爭力、授權寬鬆，且不以美國製造的 GPU 打造，它是這個週期中最清晰的一個。
圍繞旗艦的模型家族
把 GLM-5.2 看成一個梯子的頂端，而非獨立發布，會更有幫助。GLM 家族從針對邊緣部署、僅 9B 的輕量級 GLM-4.6V-Flash，一路延伸到 744B 的旗艦模型。特化變體包括用於多模態視覺任務的 GLM-5V-Turbo，以及用於複雜多步驟規劃的 AutoGLM 代理框架。
寬鬆的授權適用於整條梯子，這正是團隊選擇技術堆疊時最重要的部分。一家公司可以在小型邊緣模型上製作原型，擴展到旗艦模型，並在兩者之間移動，而不必在每一步重新協商權利。這種連續性在開放生態系中並不尋常，因為實驗室的小型與大型發布，授權條款往往不同。
效率宣稱在實務上意味著什麼
在完整上下文下，每 token 運算量降低 2.9 倍，這類數字在未連結到實際工作負載前，讀起來就只是規格。
設想一個代理要對大型程式碼庫或長文件集進行推理。每一步都會重新讀取不斷增長的上下文，而這種重新讀取的成本，正是讓長時間工作階段昂貴的原因。在上下文視窗頂端降低近三倍，會降低長時間執行工作階段變得不值得的門檻。工作階段仍然要花錢，但損益平衡點移動了。
這也是量化路徑重要的原因。據報導，使用量化權重後，該模型可在消費級硬體上運行，這會讓長上下文代理從需要叢集的東西，變成小型團隊可在本機運行的東西。對於處理敏感資料的應用，例如醫療紀錄或專有原始碼，本機運行是唯一符合合規限制的部署方式，而成本只是次要好處。
安全但書的實際影響
紅隊的發現很容易被歸類為別人的問題。但事實並非如此，原因在於結構。
封閉 API 供應商可以在事後更新模型、更改政策，或切斷濫用案例。開放權重發布則移除了這項槓桿。權重一旦下載，就會留在部署組織手中，沒有任何供應商能撤銷它們。這正是開放權重的重點，也是為何隔離措施必須由部署它們的團隊自行打造。
在實務上，這意味著運行 GLM-5.2 的代理需要同樣的執行階段紀律，就像團隊會套用於任何具有寫入權限的強大工具一樣：範圍受限的權限、用於不受信任動作的沙箱、可在崩潰後留存的日誌記錄，以及針對重大決策的人工升級路徑。這些都不是授權條款所提供的，也不會隨著權重免費附上。MIT 條款在法律面移除了供應商鎖定，並且在設計上於營運面移除了供應商提供的安全性。