智谱GLM-5.2这次的核心是长程代码任务

智谱GLM-5.2这次的核心是长程代码任务,1M无损上下文,下一步他要搞 Autonomous Agent System 完全自治的智能体

1M无损上下文,是专门针对Coding Agent长时间干活这个场景喂了大量训练数据,覆盖自动化研究、性能优化等,使得模型一次性处理88万token的完整工程,上下文不丢失不混乱

多个长程任务基准上介于Claude Opus 4.7与4.8之间

FrontierSWE上比Opus 4.8低1%

SWE-Marathon上与Opus 4.8仍有13%差距

支持思考档位控制,用来平衡能力、速度、成本

有人用Rust从零再造了送人类登月的计算机, 将当年65000行一字未改的登月飞控程序移植为Rust,整个过程由Agent全自主走完

下一步智谱瞄向了数字员工,要搞能自主驱动、协同作业、7×24小时运转的AI智能体群,构建包含不同专业性格、技能的智能体社会,让它们自主辩论、协作、审查代码、调度资源,实现“自动驾驶”级的数字生产力

GLM-5.2 追平

#GLM52#GLM智谱

关联工程母题系统与实测说明:

本篇「智谱GLM-5.2这次的核心是长程代码任务」由 整理收录于 qilaidav 工程知识库,围绕 企业协同与三库底座 (Spec/Prompt/Memory) 的生产环境架构设计、链路排障与确定性验证展开沉淀。完整系统模块、部署边界与技术规格请查阅方案主页:→ 查看 企业协同与三库底座 (Spec/Prompt/Memory) 详情(架构诊断与定制交流:Telegram @BD8888 · hello@qilaidav.com · GitHub @qilaidev)。

免责声明与评测方法:本文所涉开源工具、模型基准与工程配置均基于实测环境与公开技术资料整理,仅供系统架构研发参考,不构成任何商业背书或投资建议。

— qilai · 摘自 Telegram 频道 @AIKB8