A Z.AI apresentou, em 17 de junho de 2026, o GLM-5.2, seu novo modelo open-source voltado para tarefas de longo prazo e codificação avançada. O destaque é a janela de contexto de 1 milhão de tokens, com desempenho sustentado para aplicações que exigem raciocínio estendido e manipulação de grandes volumes de informação.
Contexto de 1 milhão de tokens: mais que marketing
Segundo a Z.AI, o GLM-5.2 foi treinado para manter qualidade em cenários reais de engenharia, onde o contexto extenso é mais que um número — é pré-requisito para agentes autônomos em projetos que duram horas ou dias. O modelo utiliza a arquitetura IndexShare, que compartilha indexador a cada quatro camadas de atenção esparsa, reduzindo o custo computacional por token em 2,9 vezes na janela máxima. O MTP (speculative decoding) também foi aprimorado, aumentando a taxa de aceitação de tokens em até 20%.
Desempenho em benchmarks de longo prazo
Nos testes de referência para tarefas long-horizon, o GLM-5.2 se aproximou dos modelos proprietários mais avançados. No FrontierSWE — benchmark de projetos técnicos abertos, com duração de horas a dezenas de horas — o modelo ficou apenas 1% atrás do Claude Opus 4.8, superando GPT-5.5 por 1% e Opus 4.7 por 11%. No PostTrainBench, que avalia a capacidade de pós-treinamento de pequenos modelos com acesso a GPU H100, o GLM-5.2 ficou atrás apenas do Opus 4.8. Já no SWE-Marathon, dedicado a tarefas ultra-longas como construção de compiladores e serviços de produção, o modelo ainda está 13% atrás do Opus 4.8, mas mantém a segunda colocação geral.
Em benchmarks tradicionais de codificação, o GLM-5.2 ampliou a vantagem sobre seu antecessor: 81,0 contra 63,5 no Terminal-Bench 2.1 e 62,1 contra 58,4 no SWE-bench Pro. No Terminal-Bench 2.1, por exemplo, a diferença para o Claude Opus 4.8 (85,0) ficou em poucos pontos, deixando para trás o Gemini 3.1 Pro.
Controle de esforço e flexibilidade
O GLM-5.2 introduz o controle de “nível de esforço”, permitindo ao usuário equilibrar desempenho, latência e custo computacional de acordo com a complexidade da tarefa. O modo Max libera mais recursos para tarefas desafiadoras, aproximando o desempenho do modelo dos líderes proprietários em cenários exigentes. Essa flexibilidade é relevante para times que precisam alternar entre rapidez e profundidade de análise, especialmente em fluxos intensivos de código.
Arquitetura otimizada para contexto longo
Além do IndexShare, a arquitetura do GLM-5.2 conta com aprimoramentos no MTP e uso eficiente de KV cache, reduzindo discrepâncias entre treino e inferência observadas em versões anteriores. O resultado é um modelo mais robusto em trajetórias de agentes, com menor custo computacional e maior estabilidade em contextos extensos.
Licença aberta e acesso global
O GLM-5.2 é distribuído sob licença MIT, sem restrições regionais ou técnicas. Segundo a Z.AI, o objetivo é democratizar o acesso a modelos de alto desempenho para tarefas de engenharia e pesquisa, ampliando as opções open-source para quem precisa de contexto longo e performance sustentada.
Por que importa
O lançamento do GLM-5.2 consolida o avanço dos modelos open-source em tarefas de engenharia de software e projetos de longa duração. Para equipes brasileiras, a disponibilidade de um modelo robusto, com 1M de contexto e licença MIT, reduz barreiras técnicas e jurídicas para aplicações críticas, desde agentes autônomos a sistemas de análise de grande escala. O modelo se posiciona como alternativa viável frente aos líderes proprietários, especialmente onde transparência e customização são decisivas.