Nouveau Inscription gratuite, 10 appels offerts. Jusqu'à 1 $, sans carte.

GLM-5.2

Date de sortie : 2026-06-16

chatCodeRaisonnementAppel d'outilsMise en cache des prompts

GLM-5.2 est le modèle phare de Z.AI conçu pour l'ère des tâches à long horizon, portant la fenêtre de contexte à 1M de tokens avec jusqu'à 128K en sortie ; la documentation insiste sur le fait de rendre le contexte de 1M réellement utilisable pour un travail à l'échelle du projet.

Entrée
texte $1.4/M
Sortie
texte $4.4/M
Lecture de cache
$0.26/M
Contexte
1M
vs GPT-4o
~72% moins cher

Benchmarks

Au-dessus de la moyenneAucun meilleur26 / 701 / 70
GLM-5.2 autres modèles mesurés moyenne des modèles comparés aucun autre modèle n'a fait mieux
SWE-Bench Pro
62.1%
GDPval-AA v2 Elo · 642-1861
1510
Harvey Lab-AA
91%
GPQA Diamond
91.2%
MCP-Atlas
82.6%

Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Le prix en contexte

Position du prix parmi 60 modèles comparables

Entrée$1.4/M
$0.05 · Qwen3 VL Flash GPT-5.4 Pro · $30
Sortie$4.4/M
$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180
Lecture en cache$0.26/M
$0.0028 · DeepSeek V4 Flash GPT-5.4 Pro · $15

La barre montre où se situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises lot, région et écriture en cache figurent sur la page des tarifs.

Spécifications et limites

Tokens

Fenêtre de contexte (spécification du fournisseur) 1 000 000
Sortie max (spéc. fournisseur) 131 072

Mise en cache

Mode automatique

Raisonnement

Paramètre du fournisseur thinking.type + reasoning_effort
Valeurs acceptées thinking.type enabled · disabled; reasoning_effort none · minimal · low · medium · high · xhigh · max (none and minimal skip thinking, low and medium map to high, xhigh maps to max)
Valeur par défaut enabled, avec reasoning_effort à max: le seul GLM doté d'un curseur d'effort, et il est réglé par défaut au maximum appliquée si la requête ne précise rien
Désactivable Oui
Comportement du raisonnement La trace revient dans reasoning_content ; les traces des tours précédents sont effacées par défaut sur l'endpoint API standard, et les blocs de réflexion doivent être renvoyés avec les résultats d'outils pour que la réflexion entrelacée fonctionne.
Paramètre reasoning_effort
Valeurs minimal · low · medium · high la surface de paramètres de la passerelle - le mappage fournisseur ci-dessus s'applique

Modèle

Modalités texte → texte
Paramètres 744B au total · 40B actifs MoE
Licence MIT

Fleuron de longue portée (744B-A40B) avec un contexte exploitable de 1M de tokens / 128K de sortie maximale, des niveaux d'effort de réflexion configurables et l'efficacité de l'attention creuse IndexShare en contexte 1M.

selon docs officielles Z.ai ↗

Un prompt, mesuré via la passerelle

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VÉRIFIER exactement 3 phrases

GLM-5.2 réussi · 3 sentences

Enabling reasoning means the LLM now generates thousands of invisible "thinking" tokens to systematically work through complex problems before producing a final answer. Because our cloud providers bill for these internal processing steps at the same rate as standard output, our billable token volume per query has doubled. While this increases our direct API costs, it drastically reduces error rates and manual review labor, ultimately lowering our total cost per resolved transaction.

sortie 1223 tok (+1138 réflexion) latence 17.1 s

Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. VÉRIFIER le correctif passe les tests

GLM-5.2 manqué · 1/8 cases (fails [1])

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 […]

sortie 4097 tok (+4036 réflexion) latence 58.4 s

Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. VÉRIFIER JSON valide, schéma exact

GLM-5.2 réussi · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld" } ```

sortie 1947 tok (+1893 réflexion) latence 30.9 s

Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. VÉRIFIER 120 mots, 0 mot interdit

GLM-5.2 réussi · 120 words, 0 banned, 1 question

We are introducing Caching for our API Gateway, the smartest way to optimize your workflows. Why pay for the exact same response twice? Now, you can automatically store and reuse prompt results across multiple AI providers, drastically reducing latency and overall operational costs. If a user submits a duplicate query, the gateway serves the cached answer instantly, regardless of whether you route to OpenAI, Anthropic, or others. This directly translates to faster applications and significantly lower monthly API bills. You can easily configure your specific caching rules within the developer dashboard and watch your efficiency soar. Stop wasting your valuable tokens on completely redundant computations. Upgrade to the latest gateway version today and experience the future of intelligent prompt management.

sortie 11125 tok (+10984 réflexion) latence 114.8 s

Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.

Utilisez GLM-5.2 en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre SDK. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

À propos de GLM-5.2

  • Par rapport à GLM-5.1, la page officielle met en avant une exécution plus stable des tâches à long horizon, une cohérence accrue dans le respect des standards d'ingénierie sur des contextes étendus, une compréhension à l'échelle du projet avec refactoring multi-fichiers, et des boucles de débogage complètes sur appareil pour le développement mobile et client, aux côtés du développement de mini-programmes et de petits jeux et de la reproduction de travaux de recherche.
  • L'efficacité derrière cette fenêtre allongée est publiée elle aussi : un schéma IndexShare permet à un indexeur léger de desservir chaque groupe de quatre couches de transformeur, réduisant le calcul par token à 1M de contexte, avec une couche de prédiction multi-tokens améliorée qui augmente le taux d'acceptation du décodage spéculatif.
  • C'est aussi le seul modèle de la lignée doté d'un contrôle reasoning_effort, un ensemble documenté de niveaux qui se ramènent en pratique à sauter la réflexion, à un réglage élevé et à un réglage maximal, l'API hébergée retenant le maximum par défaut : une requête qui ne règle rien est donc une requête qui réfléchit beaucoup.
  • La réflexion se comporte par ailleurs comme partout dans la lignée GLM-5, renvoyant sa trace dans un champ distinct, et l'appel d'outils, MCP, la sortie JSON et la mise en cache automatique sont repris.
  • Les poids sont sous licence MIT.
  • Quand vous appelez GLM-5.2 sur Synthorai, l'endpoint compatible OpenAI en fait une mise à niveau directe pour les charges d'agent en contexte long.

FAQ

Peut-on essayer l'API GLM-5.2 gratuitement ?

Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $1.4/M de tokens en entrée, ce crédit couvre à lui seul environ 89 requêtes de ~8K tokens sur GLM-5.2.

Quels sont les points forts de GLM-5.2 ?

Contexte étendu à 1M de tokens exploitables ; compréhension à l'échelle du projet avec refactorisation multi-fichiers ; boucles de débogage sur l'appareil pour le développement mobile. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.

Combien coûte GLM-5.2 ?

Sur Synthorai, GLM-5.2 coûte $1.4 par million de tokens en entrée et $4.4 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.26/M.

GLM-5.2 prend-il en charge la mise en cache des prompts ?

Oui, automatiquement : les prompts servis par Z.ai sont mis en cache sans modification de code. Les tokens d'entrée en cache sont facturés $0.26/M contre $1.4/M hors cache. Guide de mise en cache des prompts →

Comment obtenir l'accès à GLM-5.2 ?

Pointez votre SDK OpenAI existant vers base_url="https://synthorai.io/v1", définissez model="glm-5.2", et c'est tout. Une seule clé API couvre tous les modèles de la passerelle.

GLM-5.2 est-il open source ?

Oui : les poids sont publiés sous MIT (licence) (dépôt officiel lié dans la section À propos). Ou passez-vous des GPU : la version hébergée ici est au paiement à l'usage, sans infrastructure à exploiter. Exécuter des modèles à poids ouverts →

Modèles associés

Comparer

Chaque valeur de cette page est transcrite de la documentation du fournisseur, liée ci-dessus, et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue ; les valeurs de spécification que les fournisseurs définissent différemment sont présentées avec la différence indiquée plutôt que mises en graphique. Rien ici n'est mesuré par nous, et rien n'est noté.

Obtenez votre clé API Comparez votre coût →