glm-5-2

Y Combinator 宣布推出 Linzumi AI，用于在聊天线程中协调数十个 AI 编码智能体，并提供对 GLM 5.2 开放权重模型的免费访问。

Devin Desktop 现已支持 Kimi K2.7 和 GLM 5.2 模型，为 Pro/Max/Teams 用户提供免费试用，截止至7月5日。

作者在4× DGX Spark (GB10)设备上成功运行了配备MTP投机解码的GLM-5.2，并揭示了公开构建配方中缺失的一个组件。

本帖子强调了GLM-5.2论文附录中的一个动态规划公式，该公式类似于一道LeetCode题目，并与Alisa Liu被OpenAI聘用所引发的关于LeetCode相关性的争论联系在一起。

讨论了为什么 GLM-5.2 放弃使用 GRPO，暗示 GRPO 的假设可能不适用于长周期代理任务。

hf-claude 是一个将 Claude 与 HuggingFace 集成的工具，与 GLM 5.2 和 HF 扩展配合良好。

GLM 5.2 是一个开源AI模型，拥有100万token的上下文窗口和强大的基准性能，略逊于Opus 4.8。本集提供了使用Cursor和Codex等工具进行本地或云端部署的实用指南，并强调通过串联模型来实现成本效益。

GLM 5.2 在配备 512GB RAM 的 Mac Studio 上带来了重大性能提升，在高上下文长度下实现超过 100 t/s 的预填充速度，并支持超过 10 万 token 上下文的 4 位量化，详细信息见 oMLX 创建者的拉取请求。

讨论GLM 5.2在复杂生产业务工作负载中的真实体验，聚焦超越基准测试分数的实际性能。

GLM 5.2 在 Modal 云平台上展现出快速的性能表现。

GLM-5.2 在 llama.cpp 上使用 RTX 5090 和 RTX 3090 Ti 运行的速度测试结果，显示在 8k 上下文中预填充速度高达 579 t/s，解码速度约为 10.6 t/s。

GLM 5.2 是 Z.ai 推出的全新开放权重模型，与 Claude Opus 在 3D 游戏编码任务中进行了对比。Opus 性能更快更清晰，但 GLM 5.2 在成本和易用性上具有显著优势。

GLM-5.2 已在 DeepSWE 平台发布。

ZenMux API 宣布免费提供 GLM 5.2、Kimi K2.7 Code、Step 3.7 Flash 等多个模型，无需信用卡或等待名单，支持 OpenCode、Cursor 等 OpenAI 兼容客户端。

关于在使用 GLM 5.2 模型时避免速率限制和降低成本的指南，涵盖提示批处理、缓存、免费模型替代方案、努力水平、上下文窗口管理和自托管。

一份全面指南，介绍如何部署 GLM 5.2（一款自称在编程基准测试中超越 GPT-5.5 且成本更低的开源 AI 模型），涵盖云端和本地部署方案。

Vercel CEO 对 GLM-5.2 AI 模型令人印象深刻的编码能力表示惊讶。

GLM 5.2 在 Vending Bench 业务模拟基准测试中排名第二，同时成本不到 Opus 的一半，以更低的成本展现了强劲性能。

GLM-5.2 在 PostTrainBench 上取得了最先进的结果，超越了 GPT-5.5 和 Opus 4.8。

开源权重模型已追赶上专有模型，GLM 5.2在浏览器代理任务中以低成本实现了接近Opus级别的得分。其他模型如Minimax M3和Kimi k2.7也显示出显著的改进。