GPT
הוספת כלי
G

GLM-5.2

קוד פתוח

zai-orgmit2026-06-16

  • transformers
  • safetensors
  • glm_moe_dsa
  • text-generation
  • conversational

מודל ענק בקוד פתוח עם חלון של מיליון טוקנים וביצועי תכנות חזקים. שוקלים אותו רק כשחייבים לנתח מאגרי קוד שלמים מקומית בלי הגבלות מסחריות.

  • 753Bפרמטרים
  • 1,048,576טוקנים בהקשר
  • 1.4 TBמשקל הקבצים
  • 965,254הורדות בחודש

מה זה

מדובר במודל MoE של 753 מיליארד פרמטרים שמיועד למשימות ארוכות טווח באנגלית ובסינית. הוא כולל ארכיטקטורה שמשתפת אינדקסים בין שכבות תשומת לב דלילות כדי לחתוך חישובי FLOPs פי 2.9 בהקשרים ארוכים, לצד שכבת פענוח ספקולטיבי שמאיצה יצירת טקסט.

במדדי תכנות הוא מציג שיפור משמעותי מול קודמו, כמו 62.1 ב־SWE-bench Pro ו־74.4 ב־FrontierSWE. המספרים האלה מראים יכולת אמיתית לפתור באגים ולעבוד מול טרמינל, אבל במשימות היגיון טהורות ללא כלים כמו HLE הוא מגיע ל־40.5, רחוק ממתחרים מובילים כמו Claude Opus 4.8 שמגיע ל־49.8.

מתאים ל

  • סריקת ריפוזיטורי שלם

    חלון של מיליון טוקנים מאפשר לטעון עשרות קובצי מקור יחד כדי למצוא תלויות נסתרות וכשלי תאימות.

  • אוטומציית סביבות פיתוח

    ציון 81 ב־Terminal Bench 2.1 מתאים אותו להרצת פקודות מערכת ופעולות דיבאג רציפות דרך טרמינל.

  • פיתוח סוכנים מבוססי כלים

    ביצועים של 76.8 ב־MCP-Atlas וארכיטקטורת אינדקס מהירה מתאימים לסוכנים שקוראים לפונקציות רבות.

איפה זה נופל

המודל מאומן רק על אנגלית וסינית, כך שאינו מתאים לעבודה אמינה בעברית ללא בדיקה מעמיקה או התאמה מראש. נוסף על כך, במבחן SWE-Marathon שדורש עבודה רציפה ומורכבת לאורך זמן הוא השיג 13 בלבד, חצי ממה שהשיג קלוד. אם המשימה כוללת היגיון מופשט מורכב בלי חיבור לכלים חיצוניים או ריצת מרתון ארוכה בקוד, הוא עדיין מפגר מאחורי מודלים קנייניים.

אותה משפחה

GLM-5.2 יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

GLM-5.2-FP81,322,110

שאלות
נפוצות

האם כדאי להוריד אותו לשרת מקומי רגיל במשרד?

לא, 1.4 טרה-בייט של משקלי מודל דורשים חוות כרטיסי מסך ארגונית ויקרה מאוד. אם אין לכם כבר אשכול של עשרות כרטיסי A100 או H100 זמינים, עדיף לצרוך אותו דרך ה־API.

איך המודל מתמודד עם משימות תכנות ארוכות?

הוא מצטיין במשימות מוגדרות מול טרמינל וכתיבת קוד רגילה, אבל במבחני קיצון כמו SWE-Marathon התוצאות מראות ירידה בדיוק. עדיף לפרק פרויקטים גדולים לתתי משימות במקום לתת לו לרוץ שעות לבד.

איך מריצים

אי אפשר להריץ את המפלצת הזו על שרת בודד פשוט. המשקלים לבדם תופסים 1.4 טרה-בייט שמחולקים ל־295 קבצים, כך שצריך אשכול שרתים עמוס מעבדים גרפיים עם זיכרון וידאו עצום רק כדי לטעון אותם לזיכרון לפני שבכלל פותחים חלון הקשר מלא. התמיכה הטכנית קיימת בכלים כמו SGLang, vLLM, KTransformers, Unsloth וסביבות Ascend NPU.

לא הייתי מתקרב להקמה עצמאית שלו אלא אם אתם ארגון עם תשתית ייעודית קיימת וצורך נוקשה באבטחת מידע. לכל צורך אחר, עדיף בהרבה להשתמש ב־API הרשמי של Z.ai ולשלם לפי שימוש במקום לשרוף תקציבי חומרה ותחזוקה.

from transformers import pipeline

pipe = pipeline("text-generation", model="zai-org/GLM-5.2")
print(pipe("שלום"))

הקבצים

295 קבצים במאגר, 1.4 TB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ ברישיון MIT מלא. אפשר להוריד, לשנות, לשלב אותו במוצרים מסחריים סגורים, לארח אותו פנימית או למכור שירותים שמבוססים עליו, בלי תמלוגים ובלי מגבלות גיאוגרפיות, כל עוד שומרים על הודעת זכויות היוצרים המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗