중국 AI 연구소 Zhipu AI가 GLM-5.2를 MIT 라이선스로 공개했다. 컨텍스트 윈도우는 100만 토큰이며, 수 시간에 걸친 장기 코딩 작업을 주요 타깃으로 설계됐다.
장시간 엔지니어링 과제를 평가하는 FrontierSWE 벤치마크에서 GLM-5.2는 74.4%를 기록했다. Anthropic의 Claude Opus 4.8과 1%p 차이다. OpenAI GPT-5.5는 GLM-5.2보다 소폭 낮다. PostTrainBench에서는 GPT-5.5와 Opus 4.7을 제치고 Opus 4.8에 이어 2위를 차지했다. 다만 컴파일러 구축·커널 최적화 등 초장기 과제를 다루는 SWE-Marathon에서는 Opus 4.8 점수의 절반 수준에 그쳤다. Zhipu AI는 세 벤치마크 전체에서 GLM-5.2가 오픈소스 모델 중 최강이라고 밝혔다.
표준 코딩 과제에서도 전작 대비 개선이 뚜렷하다. Terminal-Bench 2.1 점수는 GLM-5.1의 63.5에서 GLM-5.2에서 81로 올랐다. SWE-bench Pro는 58.4에서 62.1로 상승했다.
추론 영역은 다르다. Humanity's Last Exam에서 Claude Opus 4.8과 Gemini 3.1 Pro에 각각 약 10%p, 5%p 뒤진다. GPQA-Diamond 과학 문항에서도 클로즈드 소스 상위 모델에 뒤처진다. 수학은 예외다. AIME 2026에서 99.2%를 기록했다.
독립 평가 플랫폼 Artificial Analysis의 Intelligence Index에서는 51점으로 현재 오픈웨이트 모델 중 1위다. MiniMax M3, DeepSeek V4 Pro, Kimi K2.6을 앞선다. 실세계 에이전트 과제 지표인 GDPval-AA v2에서는 GPT-5.5와 동점이다. 단, 토큰 소모량은 오픈소스 경쟁 모델 중 최대 수준이다.
100만 토큰 컨텍스트를 실용적으로 구현하기 위해 Zhipu AI는 IndexShare 기법을 도입했다. 4개 트랜스포머 레이어가 동일한 경량 인덱서를 공유해 100만 토큰 기준 토큰당 연산량을 2.9배 절감한다고 밝혔다. 투기적 디코딩(speculative decoding) 개선으로 예측 토큰 수락률도 평균 20% 높아졌다.
국내 AI 개발사와 스타트업 입장에서 GLM-5.2는 MIT 라이선스 기반 고성능 코딩 모델의 실질적 선택지다. 상업적 제약 없이 도입 가능하며, FrontierSWE·Terminal-Bench 수치는 클로즈드 소스 대비 기술 격차를 가늠하는 직접적 참고 지표가 된다. 다만 토큰 효율이 낮다는 점은 운영 비용 산정 시 고려해야 한다.
