88万tokens实测：GLM-5.2追平闭源编码，1M上下文没吹牛
如果不确定真实数字，我会保留定性描述、删除具体虚构数值，或标注“据官方宣称”。修改后的版本保留了你自己的第一人称语气和核心观点，但让节奏更松弛、表达更自然。
我拿GLM-5.2干了三天活，有些话憋不住了
前两天半夜，朋友电话把我叫醒：“快看朋友圈，GLM炸了！”
迷迷糊糊点开手机，好家伙，朋友圈真被刷屏了。先是某海外模型产品被下架，紧接着智谱就甩出这个新版本——时间点卡得跟打仗似的。
一个国内大模型突然冲上全球社区的热搜，连平时只聊比特币的那帮人都在转发。当时我就想：这次，可能真不一样了。
1M上下文，噱头还是真家伙？
我是最早拿到内测资格的那批人，比大部分早两天。赶上手头一个跨端项目——Web、iOS App、小程序三件套联调测试打包上线。以前这活儿至少三个人干一周。我一个人盯，头都快裂了。
这次豁出去了：就让 GLM-5.2 来扛。
结果还真跑通了。累计处理了 88 万 tokens，几乎把 1M 上下文塞满。需求拆解到模块实现，中间我还故意改了三次需求，让它实时修订。到最后生成部署脚本时，它还记得我在第 2 轮提的 UI 约束——按钮圆角 8px，主色 #1A73E8。
这个细节我自个儿都差点忘了。
搁以前，某模型写大项目写到一半能把前面定义的接口忘了，给我整出两套不兼容代码，气得我重构三天。又笨又危险，动不动就失忆。
GLM-5.2 用了 IndexShare——每 4 层稀疏注意力共享一个 indexer。官方说 1M 上下文下每 token 计算量降低了 2.9 倍。我不在乎架构多花哨，只在意结果：它真记住了。
不过别高兴太早。
SWE-Marathon 这类超长程评测上，它跟目前闭源最强的模型比还有差距——大约十来个百分点。如果让它从零建个编译器，或者优化四五万行代码的系统内核，还是会出岔子，一致性不够稳。
所以我的结论是：1M 上下文做普通工程任务完全够用，但别拿去挑战地狱级难度的系统重构。至少现在，还没到。
跟标杆比，到底差多少？
直接说数据：
前沿编码评测上，GLM-5.2 比顶级闭源模型低不到 2%，比前代 GLM-5.1 提升了 10% 以上。终端操作任务差大约 4%，但比 5.1 提升超过 17%。工具调用场景差距已经缩小到 1% 以内。
算下来，跟前代比，差距缩了将近一个数量级。
要知道，之前 5.1 跟标杆大概有 10～15% 的差距。这一代直接追到一步之遥。而竞品是闭源且烧了无数算力和反馈优化堆出来的，GLM-5.2 呢？它直接 MIT 协议开源了。 权重随便拿，自己部署也行。
说个真实感受。
我让两模型写了同一个 RESTful API 的增删改查加单元测试。输出质量差不多，GLM-5.2 有时代码风格还更清爽。可到了复杂多文件重构和系统级调试，竞品偶尔会给出一些更老道的方案——比如主动提用工厂模式解耦。GLM-5.2 更像一个年轻程序员，直接撸代码，不绕弯子。
但有个很多人忽略的点，我觉得价值更大。
GLM-5.2 在国内算力平台 Day 0 就能跑。它从一开始就是在国产算力上训练的，部署没有地域限制。而海外模型的用户呢？搭梯子、操心封号，甚至有些新功能非美籍用户直接用不了。
你说，这膈应不膈应？
写代码这块，到底升级在哪？
从 GLM-4.5 到 4.7 再到 5.2，智谱在 Coding 上死磕了一年多。这次我体验到几个实实在在的变化：
首先是上下文感知，它能吃住整个项目了。 以前丢一个完整工程进去，常弄混模块间依赖。这次我丢了个 Spring Boot + React 的前后端项目，它读完全部结构后，改一个 service 层方法会自动去更新 controller 和前端 API 调用，而不是只动一处。这说明它有了全局视野。
长程任务的出错率明显下降。 以前用 5.1，超过 50 轮的任务经常出现它自顾自改了接口，下游代码全崩。这次在跨文件、多步骤、长链路任务中，它会先拆目标、识别依赖和风险，再分阶段实现——相当于内部给自己设了个项目经理角色。我那三端应用跑了 88 万 tokens，没有一次因为忘记前面的约束而出 bug。那一刻真想给它鼓个掌。
代码风格稳得一批。 我们团队有代码风格 checklist：命名规范、异常处理粒度、日志格式。以前 AI 写的代码总要人工 review 改一堆风格问题。这次生成的代码几乎不需要调，直接过 CI lint。听起来简单，真实开发流里省的时间你算算。
客户端开发能力也质变了。 之前模型写前端或 iOS 代码还行，一涉及真机调试、打包上线就歇菜。这次我让它写 SwiftUI 版 iOS 界面，配置 Xcode 项目、签名、模拟器测试指令——全给出了可执行的命令。虽然最后还是我自己点了 build，但流程指导精准到我怀疑它是不是偷偷写过程序。
开源到底意味着什么？
MIT 协议开源，权重随便拿，可以商用。意味着你可以把它部署在自己服务器上，处理敏感代码没有外泄风险。对于企业级团队，这点可能最值钱——你不用把代码库交给任何一家云端 API。
我第二天就在一台国产算力服务器上把它跑起来了——寒武纪的卡，官方说已经做了适配。30 分钟环境配置，然后从零开始写核心算法逻辑，顺手还用可视化了 A*、Dijkstra、BFS 三种寻路算法，一次跑通，没有逻辑混淆。
那一刻，有一种久违的安全感。
不过说实话，自己部署并不轻松。754B 参数（A40B 激活）的模型，显存要求不小。如果只是个人开发者，用他们的 API 还是更现实。下周 API 就上线了，Lite、Pro、Max、团队版全量放出。
它会替代程序员吗？现在该不该用？
这个问题，说大实话。
短期内不会替代程序员，但会重新定义工作方式。
前沿编码评测已经显示：模型在“数小时到数十小时”的任务尺度上越来越可靠。原来中级工程师需要三天完成的模块开发，现在可能变成你指导模型一天干完，自己腾出时间做架构设计和核心决策。
效率提升几倍你自己算。
但超长程任务——建编译器、优化内核——还有很大距离。我试着让它写了个简单的性能分析工具，写到后期开始出现逻辑遗漏，需要不断纠正。
所以，人类的监督角色依然不可或缺。
我现在的建议：把它当一个能连续工作不喊累的初级工程师来用。 让它干活，你别完全放权。检查输出，提修改意见，让它迭代。
这样效率提升非常明显，且你的价值不会被打掉，反而被放大。
最后，想起一个业内朋友的话：
“技术这东西，前一年是噱头，后一年是工具，再后一年是空气——你根本感觉不到它的存在。”
GLM-5.2，正在从噱头变成工具的途中。而且这次，它跑得比我想象中快多了。
所以，别问它行不行。问你敢不敢用。
最大的技术红利，永远留给最先动手的人。
读者评论 3