Z.ai 本周以 MIT 许可证开源权重发布了 GLM-5.2，而本次发布最有意思的地方，在于公司选择不放进去的东西。没有任何基准测试分数。没有 SWE-bench，没有 Terminal-Bench，没有 Code Arena 数字，而此前的 GLM-5.1 到来时曾公布过 SWE-bench Pro 上 58.4 的成绩。在一个每次模型发布都以排行榜打头的年份里，发布一款前沿编程模型并让它独立站稳脚跟，是一种刻意为之的姿态。

在已知范围内，其规格完全瞄准编程。GLM-5.2 基于 GLM-5 底座构建，那是一款 7440亿参数 的混合专家模型，每个 token 激活约 400亿 参数，不过这些数字来自社区分析，而非 Z.ai，后者在发布材料中并未说明架构。最受关注的数字是上下文窗口：一百万 token，标注为 glm-5.2[1m]，约为上一代的五倍，单次响应最多可输出 131,072 个 token。其实际主张是，你可以把一整个中型代码仓库装入工作记忆，而无需不断把它概括回喂给模型。

在产品层面，这款模型的设计意在直接嵌入现有工作流。权重采用 MIT 许可证，权重发布紧随发布之后，托管版本可经由一个 Anthropic 兼容端点接入，因此它能与八种 agentic 编程工具配合使用，包括 Claude Code、Cline 与 OpenClaw。两档思考强度，High 与 Max，通过 /effort 命令暴露出来，其中 Max 推荐用于复杂的多步骤工作。对于已经生活在 Claude Code 内部的开发者来说，切换模型几乎只是一次配置改动。

诚实的提醒，是无基准测试这一故事的另一面：没有数字，目前还没人能独立地把 GLM-5.2 与同行排出高下，唯一真正的检验，是在真实代码仓库上的持续使用。但有理由认为这比另一种做法更健康。基准测试分数已经变成一种营销表面，模型越来越被调校去赢下它们，而一个可用的百万 token 窗口加上一份宽松的许可证，比一个有争议的单一数字更具体、更可评估。排行榜很快就会被填满。有意思的信号，是一家实验室有足够的自信，敢于不带这些数字就发布。