GLM-5.2: Lahir untuk Tugas Siklus Panjang
Judul asli:GLM-5.2: Built for Long-Horizon Tasks
Ringkasan AI
GLM-5.2 dirilis, mendukung konteks 1M token, menggunakan arsitektur IndexShare—setiap 4 lapisan attention sparse berbagi satu pengindeks ringan, mengurangi FLOPs per token pada konteks 1M sebesar 2,9 kali; peningkatan lapisan MTP meningkatkan panjang penerimaan decoding spekulatif sebesar 20%. Pada benchmark pengodean siklus panjang, FrontierSWE hanya tertinggal 1% dari Opus 4.8 dan unggul 1% dari GPT-5.5; PostTrainBench hanya di bawah Opus 4.8; SWE-Marathon tertinggal 13% dari Opus 4.8 tetapi berada di peringkat kedua. Pada uji pengodean standar Terminal-Bench 2.1 meraih 81,0 poin (GLM-5.1 sebesar 63,5), mendekati Opus 4.8 dengan 85,0. Model ini memperkenalkan kontrol tingkat usaha untuk menyeimbangkan kinerja dan latensi. Lisensi sumber terbuka MIT, tanpa batasan wilayah.
Poin utama
- 2 dirilis,mendukung konteks 1M token,menggunakan arsitektur IndexShare—setiap 4 lapisan attention…
- peningkatan lapisan MTP meningkatkan panjang penerimaan decoding spekulatif sebesar 20%.
- Pada benchmark pengodean siklus panjang,FrontierSWE hanya tertinggal 1% dari Opus 4.
- 8 dan unggul 1% dari GPT-5.
- PostTrainBench hanya di bawah Opus 4.
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- Hugging Face 社区博客(混合发现)
- Kategori
- Rilis Model
- Skor AI
- 83
GLM-5.2 是第一个在长程编码基准上直逼 Opus 4.8 的开源模型,MIT 许可无地域限制,开源生态终于有了能打硬仗的长上下文工具。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: GLM-5.2: Lahir untuk Tugas Siklus Panjang. 17 Juni 2026. https://new.nat6.net/id/news/cmqhvpfla0354slf0g5ldyctw/