Китайская лаборатория Z.ai представила GLM-5.2 — масштабную текстовую языковую модель с открытыми весами под лицензией MIT. Благодаря архитектуре Mixture of Experts (MoE) и поддержке контекстного окна объемом 1 млн токенов, модель претендует на статус самого мощного open weights решения для текстовых задач.
Что произошло
Лаборатория Z.ai выпустила модель GLM-5.2, построенную на архитектуре MoE с общим объемом 753 млрд параметров, из которых 40 млрд являются активными при каждом запросе. Согласно данным Intelligence Index v4.1, новая модель стала лидером в сегменте open weights, опередив такие проекты, как MiniMax-M3 и DeepSeek V4 Pro.
Контекст
Развитие моделей с открытыми весами (open weights) направлено на создание альтернативы закрытым проприетарным системам. Использование архитектуры Mixture of Experts позволяет эффективно распределять вычислительные ресурсы, обеспечивая высокую производительность при контролируемых затратах, а поддержка сверхдлинного контекста ставит модель в один ряд с топовыми коммерческими решениями.
Почему это важно для индустрии
Выход GLM-5.2 усиливает конкуренцию с проприетарными моделями вроде GPT-5.5 и Claude, особенно в области кодинга. Это заставляет вендоров пересматривать ценообразование и доступность функций, а также ускоряет размытие границы между закрытыми SOTA-системами и открытыми решениями в задачах высокой сложности (reasoning и coding).
Почему это важно для пользователей
Для разработчиков и пользователей GLM-5.2 открывает доступ к инструментам мирового уровня для работы с огромными объемами данных и сложным программированием. Модель можно развертывать локально или использовать через доступные API-шлюзы (например, OpenRouter), что значительно снижает порог входа и стоимость создания высокопроизводительных AI-агентов.
Что пока неизвестно / ограничения
Существует различие в оценках рисков: в то время как техническое сообщество фокусируется на производительности, юридические эксперты указывают на потенциальные вопросы комплаенса и риски, связанные с составом обучающих данных.
Источники
Автор
Look at AI, редакция