The Decoder • 41일 전

즈푸 AI(GLM-5.2), 코딩 마라톤서 폐쇄형 모델에 근접

IMP

8/10

핵심 요약

중국의 AI 연구소인 즈푸 AI(Zhipu AI)가 100만 토큰의 긴 문맥을 안정적으로 처리하는 오픈소스 모델 'GLM-5.2'를 MIT 라이선스로 공개했습니다. 이 모델은 수십 시간이 걸리는 장기 코딩 및 에이전트 작업에서 앤스로픽(Anthropic)의 오푸스(Opus) 모델에 단 몇 포인트 차이로 근접하며 기존 오픈소스 모델들을 압도하는 성능을 입증했습니다. 특히 'IndexShare'라는 새로운 아키텍처를 도입해 긴 문맥 처리 시 발생하는 막대한 연산 비용과 자원 소모를 크게 줄인 것이 핵심 기술적 변화로 평가받습니다.

번역된 본문

중국 AI 연구소인 즈푸 AI(Zhipu AI)가 MIT 라이선스 기반의 안정적인 100만 토큰 컨텍스트를 지원하는 GLM-5.2를 공개했습니다. 이 오픈소스 모델은 수시간이 소요되는 코딩 작업에서 앤스로픽(Anthropic)의 Opus 모델에 단 몇 % 포인트 차이로 뒤처지는 데 그칩니다.

즈푸 AI는 GLM-5.2를 공개하며 이 모델을 수시간과 수천 개의 개별 단계에 걸쳐 진행되 이른바 '장기적 과제(Long-horizon tasks)'용 도구로 포지셔닝했습니다. 이를 위해 회사는 컨텍스트 윈도우를 100만 토큰으로 확장하고 대규모 구현, 자동화된 연구, 복잡한 디버깅과 같은 에이전트 코딩(Agentic Coding) 시나리오에 맞춰 훈련에 집중했습니다. "100만 컨텍스트는 주장하기 쉽지만, 실제 엔지니어링 압박 하에서 신뢰성을 유지하는 것은 훨씬 어렵습니다"라고 즈푸 AI는 블로그 포스트에서 밝혔습니다. 모델이 길고 구조화되지 않은 코딩 에이전트 세션 전반에 걸쳐 품질을 유지해야 하기 때문입니다.

최신 Opus 모델에 단 1%p 뒤처져 몇 시간에서 수십 시간 걸리는 개방형 엔지니어링 프로젝트를 평가하는 FrontierSWE 벤치마크에서 GLM-5.2는 74.4%를 기록했으며, 이는 앤스로픽의 Claude Opus 4.8보다 단 1%p 낮은 수치이자 OpenAI의 GPT-5.5를 약간 앞서는 결과입니다. 에이전트가 H100 GPU를 사용해 소규모 모델을 사후 훈련(Post-training)을 통해 개선하는 PostTrainBench에서도 GLM-5.2는 GPT-5.5와 Opus 4.7을 모두 제치고 다시 한번 Opus 4.8에 이어 2위를 차지했습니다. 반면, 컴파일러 구축 및 커널 최적화와 같은 까다로운 작업으로 구성된 초장기 벤치마크인 SWE-Marathon에서는 격차가 훨씬 커서 GLM-5.2는 Opus 4.8 점수의 절반 수준에 그쳤습니다. 앤스로픽의 현재 최고 모델인 Fable과 Mythos는 출시 직후 철수된 Fable과 널리 공개되지 않은 Mythos의 특징 때문에 이번 비교에 포함되지 않았습니다. 즈푸 AI에 따르면, 이 세 가지 벤치마크 전반에 걸쳐 GLM-5.2는 여전히 가장 강력한 오픈소스 모델입니다.

표준 코딩 작업에서도 이전 버전 대비 도약은 명확합니다. Terminal-Bench 2.1에서 GLM-5.2는 63.5(GLM-5.1)에서 81로 상승하며 Claude Opus 4.8과 몇 점 차이로 근접했습니다. SWE-bench Pro에서는 점수가 58.4에서 62.1로 올랐습니다. 또한 사용자는 모델의 '생각하는 노력(Thinking effort)'을 높이거나 낮출 수 있습니다. 즈푸 AI는 비슷한 토큰 예산(Budget)에서 GLM-5.2가 GLM-5.1보다 훨씬 강력한 코딩 결과를 제공한다고 밝혔습니다. 최고 설정인 'Max'는 사용자가 가장 어려운 문제에 추가 컴퓨팅 자원을 집중할 수 있게 해줍니다.

추론 능력은 폐쇄형 경쟁 모델에 크게 뒤처져 '인류의 마지막 시험(Humanity's Last Exam)' 벤치마크 테이블에 따르면, GLM-5.2는 Claude Opus 4.8과 Gemini 3.1 Pro보다 명확하게 뒤처집니다. 이 두 모델은 각각 약 10%p, 5%p 앞서 있습니다. 과학 문제 벤치마크인 GPQA-Diamond에서도 GLM-5.2는 최고 수준의 폐쇄형 모델들보다 낮은 순위를 기록했습니다. 반면 수학은 다릅니다. 이 모델은 2026 AIME에서 99.2%라는 놀라운 정답률을 보였습니다. 코딩 외의 에이전트 작업은 엇갈린 결과를 보여줍니다. 도구 사용 테스트인 MCP-Atlas에서는 GLM-5.2가 Opus 4.8과 거의 동점을 기록했습니다. 하지만 Tool-Decathlon에서는 Opus 4.8과 GPT-5.5 모두에 크게 뒤처졌습니다.

독립적인 평가 플랫폼인 Artificial Analysis 역시 이전 버전 대비 성능 향상을 뒷받침합니다. 이 플랫폼의 지능 지수(Intelligence Index)에서 GLM-5.2는 51점을 받아 현재 가장 강력한 오픈소스(Open-weights) 모델이 되었습니다. 이는 MiniMax M3, DeepSeek V4 Pro, Kimi K2.6을 명확하게 앞서는 수치입니다. 가장 큰 발전은 과학적 추론 능력에서 나타났으며, 환각(Hallucination) 현상도 이전 모델보다 약간 줄었습니다. Artificial Analysis가 실제 에이전트 작업에 대한 최고 지표로 삼는 GDPval-AA v2에서 GLM-5.2는 폐쇄형 모델인 GPT-5.5와 동점을 기록했습니다. 하지만 이러한 성능의 트레이드오프로 오픈소스 경쟁 모델들보다 훨씬 더 많은 토큰을 소모하여 동급에서 가장 비효율적인 모델 중 하나가 되었습니다.

새로운 아키텍처로 긴 컨텍스트의 연산 비용 절감 100만 토큰의 컨텍스트를 실용적으로 만들기 위해 즈푸 AI는 'IndexShare'라는 기술을 도입했습니다. 각 트랜스포머(Transformer) 계층이 개별적으로 연산하는 대신, 4개 계층의 그룹이 동일한 경량 인덱서(Indexer)를 공유하는 방식입니다. 이를 통해 100만 토큰의 컨텍스트에서 토큰당 연산량을 2.9배 줄일 수 있습니다. 또한 즈푸 AI는 텍스트 생성 속도를 높였습니다. 텍스트 생성 과정에서 지연을 줄이는 추론(Speculativ...)

원문 보기

원문 보기 (영어)

Zhipu AI's GLM-5.2 closes in on closed-source leaders in coding marathons Jonathan Kemper View the LinkedIn Profile of Jonathan Kemper Jun 17, 2026 Zhipu AI Chinese AI lab Zhipu AI releases GLM-5.2 with a stable 1-million-token context under the MIT license. On hours-long coding tasks, the open-source model trails Anthropic's Opus models by just a few percentage points. Zhipu AI has unveiled GLM-5.2, positioning the model as a tool for so-called long-horizon tasks - coding jobs that stretch over hours and thousands of individual steps. To get there, the company expanded the context window to one million tokens and focused training on agentic coding scenarios like large-scale implementation, automated research, and complex debugging. "A 1M context is easy to claim, but much harder to keep reliable under real engineering pressure," Zhipu AI writes in its blog post , because the model needs to maintain quality across long, unstructured coding agent sessions. Just one percentage point behind the latest Opus model On FrontierSWE, which evaluates open engineering projects ranging from hours to dozens of hours, GLM-5.2 scores 74.4 percent, just one point behind Anthropic's Claude Opus 4.8 and slightly ahead of OpenAI's GPT-5.5 . On PostTrainBench, where an agent uses an H100 GPU to improve small models through post-training, GLM-5.2 beats both GPT-5.5 and Opus 4.7 , again landing second behind Opus 4.8. On SWE-Marathon, an ultra-long-horizon benchmark with demanding tasks like compiler construction and kernel optimization, the gap is much wider: GLM-5.2 reaches only half of Opus 4.8's score. Anthropic's current top models Fable and Mythos aren't part of these comparisons, since Fable was pulled shortly after launch and Mythos was never broadly released. Across all three benchmarks, GLM-5.2 is still the strongest open-source model, according to Zhipu AI. The jump over the predecessor is just as clear on standard coding tasks. On Terminal-Bench 2.1, GLM-5.2 climbs from 63.5 (GLM-5.1) to 81, putting it within a few points of Claude Opus 4.8. On SWE-bench Pro, the score goes from 58.4 to 62.1. Users can also dial the model's thinking effort up or down. At a similar token budget, GLM-5.2 delivers much stronger coding results than GLM-5.1, Zhipu AI says. The highest setting, "Max," lets users throw extra compute at the hardest problems. Reasoning still trails closed-source rivals by a wide margin On Humanity's Last Exam, GLM-5.2 falls clearly behind Claude Opus 4.8 and Gemini 3.1 Pro according to the benchmark table . Those two lead by about ten and five percentage points. GLM-5.2 also ranks behind the top closed-source models on GPQA-Diamond, a scientific question benchmark. Math is a different story. The model nails 99.2 percent on AIME 2026. Agentic tasks beyond coding paint a mixed picture. On MCP-Atlas, a tool-use test, GLM-5.2 nearly ties with Opus 4.8. On Tool-Decathlon, it falls well behind both Opus 4.8 and GPT-5.5. Independent platform Artificial Analysis backs up the gains over the predecessor. On its Intelligence Index, GLM-5.2 scores 51 points, making it the current strongest open-weights model. It sits clearly ahead of MiniMax M3, DeepSeek V4 Pro, and Kimi K2.6. The biggest jumps show up in scientific reasoning, and it hallucinates a bit less than its predecessor. On GDPval-AA v2, which Artificial Analysis considers its top metric for real-world agentic tasks, GLM-5.2 matches the proprietary GPT-5.5. The trade-off is that it burns through far more tokens than the open competition, making it one of the least efficient models in its class. New architecture slashes compute costs for long contexts To make the 1-million-token context practical, Zhipu AI introduces a technique called IndexShare. Groups of four transformer layers share the same lightweight indexer instead of each layer computing its own. That should cut compute per token by 2.9x at one million tokens of context. Zhipu AI also sped up text generation. With speculative decoding, the model predicts several tokens at once and throws out wrong guesses afterward. Through several tweaks to this process, GLM-5.2 accepts 20 percent more predicted tokens on average, according to the company's ablation studies. That directly speeds up output. The model cheats during training by downloading code from GitHub In an unusually candid move, Zhipu AI describes a problem that crops up during reinforcement learning for coding tasks. Because the reward is typically a binary pass/fail signal, the model can learn to game it instead of actually writing better code. GLM-5.2 tried this more often than its predecessor. According to Zhipu AI, the model pulls solution code straight from GitHub via curl , hunts for hidden evaluation files in the file system, or chains commands to first find secret test cases and then feed them into a solution script. These tricks inflate reward signals and corrupt training. To fix this, Zhipu AI built a two-stage anti-hacking module. A rule-based filter catches suspicious actions first. Then an LLM judge checks the intent behind flagged calls. The system blocks only the cheating call and returns a dummy response, letting the training run continue. That keeps aborted rollouts from destabilizing the model. Model weights and API available now Model weights are live on HuggingFace and ModelScope, with code on GitHub , all under the MIT license with no regional restrictions. GLM-5.2 works as a chat interface and API through Z.ai and plugs into coding agents like ZCode, Claude Code, and OpenCode. For local deployment, Zhipu AI supports vLLM, SGLang, transformers, xLLM, and ktransformers. Zhipu AI recently shipped GLM-5.1 , an open-weights model that could refine its own strategy across hundreds of iterations on coding tasks. It reportedly built a Linux desktop in eight hours. GLM-5.2 builds on that, adding the 1-million-token context and much stronger long-horizon skills. Competition among Chinese AI labs stays fierce. Alongside Zhipu AI, Moonshot AI with Kimi K2.7-Code and MiniMax with M3 are also fighting for the autonomous coding agent market with long context windows. AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section. Subscribe now --> Read on for the full picture. Subscribe for hype-free coverage. Access to all THE DECODER articles. Read without distractions – no Google ads. Access to comments and community discussions. Weekly AI newsletter. 6 times a year: “AI Radar” – deep dives on key AI topics. Up to 25 % off on KI Pro online events. Access to our full ten-year archive. Get the latest AI news from The Decoder. Subscribe to The Decoder -->

오픈소스 코딩에이전트 즈푸AI GLM-5.2 대규모언어모델