GLM-5.2 (MIT, contexto de 1M)
Ejecuta GLM-5.2, la joya de codificación con contexto de 1M de Z.ai con licencia MIT, en un gran rig multi-GPU del marketplace de Clore.ai
GLM-5.1 ya era el modelo abierto a batir en ingeniería de software. GLM-5.2 eleva Terminal-Bench 2.1 de 63.5 a 81.0 y SWE-bench Pro de 58.4 a 62.1, y lo hace con una licencia MIT mientras el resto de la vanguardia se movía hacia términos personalizados con barreras de ingresos.
La pega es el tamaño. El checkpoint FP8 es 756 GB. No es un modelo de una sola tarjeta y nunca lo será. Lo que lo hace interesante en Clore.ai es que las versiones cuantizadas caben dentro del límite de las rigs más grandes del mercado.
Especificaciones clave
Parámetros
~750B totales, ~40B activos (MoE)
Arquitectura
78 capas, 256 expertos enrutados, 8 activos por token, atención dispersa IndexShare, MTP
Contexto
1.000.000 tokens
Licencia
MIT
Fecha de lanzamiento
13 de junio de 2026
Pesos
FP8 756GB · Q2_K_XL GGUF 254GB · IQ1_S GGUF 217GB
Herramientas principales
SGLang ≥ 0.5.13.post1, vLLM ≥ 0.23.0, llama.cpp
Qué hay de nuevo frente a GLM-5.1
Contexto sólido de 1M — no es una cifra llamativa, pero sí una ventana que se mantiene en trabajos de largo horizonte
IndexShare — un indexador reutilizado en cada cuatro capas de atención dispersa, reduciendo los FLOPs por token en 2,9× con contexto de 1M
Mejor MTP — la longitud de aceptación de decodificación especulativa aumenta hasta un 20%
Esfuerzo de pensamiento flexible — intercambia latencia por profundidad por solicitud
Sigue siendo MIT — los pesos no llevan ninguna restricción de uso
Requisitos
Este modelo necesita una rig, no una tarjeta. FP8 con 756 GB supera cualquier máquina en el mercado de Clore.ai. Las cajas más grandes listadas son 4× RTX PRO 6000 Blackwell (380 GB) y 10–11× RTX 5090 (310–341 GB). GGUF cuantizado es la única vía aquí; la atención en precisión completa pertenece a bare metal.
UD-IQ1_S
217 GB
8× RTX 5090 (248 GB) — 47 servidores listados con ≥242 GB
UD-IQ2_M
239 GB
8× RTX 5090, justo
UD-Q2_K_XL
254 GB
10× RTX 5090 (310 GB) o 4× RTX PRO 6000 (380 GB)
UD-Q3_K_M
343 GB
solo 4× RTX PRO 6000 (380 GB) — hay 2 servidores así listados
UD-IQ4_XS
365 GB
4× RTX PRO 6000, sin margen
Añade un 10–15% sobre el tamaño de los pesos para la caché KV y las activaciones a longitudes de contexto de trabajo, y comprueba la RAM del sistema: estas rigs necesitan suficiente para preparar los pesos durante la carga.
Despliega con llama.cpp en una rig con varias GPU
La vía realista en hardware del mercado. Alquila una rig de 10× RTX 5090 (aproximadamente $5.00/h en la última instantánea) y divide el modelo entre todas las tarjetas:
Despliega con vLLM o SGLang (FP8, hardware dedicado)
Si tienes capacidad — hardware dedicado, o tu propio clúster — Z.ai admite ambos motores directamente:
Checkpoints cuantizados ya preparados para otras pilas: nvidia/GLM-5.2-NVFP4 para Blackwell, cyankiwi/GLM-5.2-AWQ-INT4 para pilas AWQ, amd/GLM-5.2-MXFP4 para Instinct.
Recomendaciones de GPU para Clore.ai
8× RTX 5090
248 GB
IQ1_S / IQ2_M
~$2.00–3.50/h
10× RTX 5090
310 GB
Q2_K_XL
~$5.00/h
4× RTX PRO 6000 Blackwell
380 GB
Q2_K_XL or Q3_K_M
~$5.00/h
Solo existen unas pocas rigs de este tamaño en cualquier momento — 47 servidores con ≥242 GB, 9 de ellos libres en la última instantánea. Revisa el mercado antes de planificar en torno a una.
Pruebas comparativas
Del propio model card de Z.ai (13 de junio de 2026). Existen reproducciones independientes para los conjuntos de codificación; trata las cifras de razonamiento como reportadas por el proveedor.
Terminal-Bench 2.1 (Terminus-2)
81.0
63.5
64
65
Terminal-Bench 2.1 (mejor marco)
82.7
69
—
—
SWE-bench Pro
62.1
58.4
55.4
59
NL2Repo
48.9
42.7
35.5
42.1
DeepSWE
46.2
18
8
20
HLE
40.5
31
37.7
37
AIME 2026
99.2
95.3
94.6
—
GPQA-Diamond
91.2
86.2
90.1
93
Casos de uso
Agentes de codificación autónomos — los saltos en Terminal-Bench y DeepSWE son exactamente el comportamiento de largo horizonte que necesitan los agentes
Razonamiento sobre repositorios completos — contexto de 1M con atención dispersa que sigue siendo asequible a gran longitud
Trabajo de migración y refactorización — NL2Repo mide la construcción de un repo a partir de una especificación, y GLM-5.2 lidera el campo abierto
Alternativa autoalojada a las API cerradas de vanguardia — MIT significa que puedes integrarlo en un producto
Marcos de evaluación por lotes — alquila una gran rig por minuto, ejecuta la barrida y cierra el pedido
Solución de problemas
La descarga tarda una eternidad
254 GB en Q2 — filtra el mercado para servidores de alto ancho de banda y usa --include para obtener solo una cuantización
OOM distribuido entre GPUs
--split-mode layer en llama.cpp; en vLLM aumenta --tensor-parallel-size al número total de GPUs
El primer token tarda minutos
Quita --mmap, mantén el modelo en NVMe local y precaliéntalo con un prompt corto
vLLM rechaza la configuración
Necesita ≥ 0.23.0; SGLang necesita ≥ 0.5.13.post1
La calidad se siente floja en IQ1
Es una versión de 1 bit de un modelo de 750B. Pasa a Q2_K_XL o superior si la rig lo permite
La rig desaparece a mitad de la descarga
Otra persona la alquiló. Usa bajo demanda en lugar de spot para trabajos largos de preparación
Siguientes pasos
Predecesor: GLM-5.1 — la versión de abril de 744B
Cabe en una sola tarjeta en su lugar: Qwen3.8-27B — Apache 2.0, 15 GB en Q4
Misma categoría de tamaño: MiniMax M3 · Nemotron 3 Ultra · DeepSeek V4
Dimensionamiento de la rig: Precios y disponibilidad de GPU · Configuración multi-GPU
Enlaces
Alquila una GPU: RTX 5090 · Marketplace · Hardware dedicado
Última actualización
¿Te fue útil?