GLM-5.2: Built for Long-Horizon Tasks
Hugging Face Blog3229 字 (约 13 分钟)
85
GLM-5.2 是 Z.AI 推出的最新模型，支持 1M 上下文长度，显著提升长周期任务处理能力，并在多个基准测试中表现优异。
入选理由：GLM-5.2 支持 1M 上下文长度，显著提升长周期任务处理能力。
FeaturedArticle#GLM-5.2#长周期任务#Hugging Face#开源模型英文
公司
什么是 Z.AI？
也叫：Z AI
发布 GLM 5.2 模型的公司，推动了开源社区的发展。
为什么现在值得关注？
最近变化
2026-06-17 · GLM 5.2 已发布完整版和 FP8 版本的权重。
Z.AI 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
如果只读 3 篇
GLM-5.2: Built for Long-Horizon Tasks
Hugging Face Blog · 8.5 分
No time wasting on the frontier of open-weight models. GLM-5.2 looks impressive based on the resul...
elvis(@omarsar0) · 8.5 分
Chinese lab Z AI just released GLM-5.2, an impressive new open weights model with a 1M token context...
The Rundown AI(@TheRundownAI) · 8.5 分
📰 Z.AI 最新动态
已收录 6 篇与「Z.AI」相关的 AI 资讯和分析。
Chinese lab Z AI just released GLM-5.2, an impressive new open weights model with a 1M token context...
The Rundown AI(@TheRundownAI)191 字 (约 1 分钟)
85
Z AI 发布 GLM-5.2，支持 1M token 上下文窗口，性能超越 GPT-5.5 和 Opus 4.8。
入选理由：GLM-5.2 在长程编程任务中得分为 74.4，优于 GPT-5.5 的 72.6。
FeaturedTweet#GLM-5.2#AI模型#Z AI#开源英文
No time wasting on the frontier of open-weight models. GLM-5.2 looks impressive based on the resul...
elvis(@omarsar0)139 字 (约 1 分钟)
85
GLM-5.2 是一个具有显著编码和智能代理任务能力的开源模型，支持 1M 上下文窗口和两种推理模式。
入选理由：GLM-5.2 在编码和智能代理任务上表现出显著改进。
FeaturedTweet#GLM-5.2#开源模型#人工智能#编码#长上下文中英混合
A Dream of Spring for Open-Weight LLMs: 10 Architectures from Jan-Feb 2026
Ahead of AI5738 字 (约 23 分钟)
85
文章综述了2026年1月至2月发布的10种大型开放权重LLMs的架构特点，重点分析了Arcee AI的Trinity Large模型。
入选理由：Arcee AI发布了400B参数的Trinity Large模型
FeaturedArticle#LLM#Arcee AI#Trinity Large#滑动窗口注意力英文
GLM 5.2 - The Top NEW Open Weights Model
Sam Witteveen3137 字 (约 13 分钟)
70
GLM 5.2 是一个新发布的开源模型，性能接近 Anthropic 和 OpenAI 的模型，且已开放权重。
入选理由：GLM 5.2 已发布完整版和 FP8 版本的权重。
FeaturedVideo#GLM#模型#开源#AI英文
Read more about it from ZAI: https://t.co/6BnEzQ6UJh
OpenRouter(@OpenRouterAI)87 字 (约 1 分钟)
60
文章介绍了GLM-5.2模型的更新，包括代码和代理任务的改进，以及1M上下文窗口的长程能力。
入选理由：GLM-5.2在代码和代理任务上有显著改进
FeaturedTweet#GLM-5.2#模型#人工智能英文
🔗 相关术语
与「Z.AI」经常一起出现的 AI 术语。
💡 想追踪「Z.AI」的长期趋势？去 实体雷达 · Z.AI 查看详细分析和跨材料问答。