Z.ai lance GLM-5.2 avec une fenêtre de contexte d'1 million de tokens et deux niveaux d'effort
- 01GLM-5.2 de Z.ai propose une fenêtre de contexte d'1 million de tokens et deux niveaux d'effort (High/Max).
- 02Disponible via un endpoint compatible Anthropic, intégré à des outils comme Claude Code et Cline.
- 03Pas de benchmarks publiés à ce stade, mais les poids ouverts (MIT) sont annoncés pour la semaine suivante.
Z.ai a annoncé le 13 juin 2026 le lancement de GLM-5.2, un nouveau modèle intégrant une fenêtre de contexte utilisable d'1 million de tokens. Cette version introduit également deux niveaux d'effort : High et Max, permettant une adaptation selon les besoins de complexité des tâches. Le modèle est immédiatement disponible pour tous les utilisateurs des plans GLM Coding, sans publication de benchmarks à cette date.
GLM-5.2 est déployé via un endpoint compatible avec les outils Anthropic, notamment Claude Code, Cline et OpenClaw. Cette intégration facilite son adoption dans des environnements existants, tout en offrant une compatibilité avec les standards du secteur. Z.ai précise que les poids ouverts (MIT) du modèle seront publiés sous une semaine, sans fournir de détails supplémentaires sur les performances ou les évaluations comparatives.
Le modèle se positionne comme une solution technique avancée pour les tâches nécessitant une gestion étendue de contexte, bien que son évaluation reste à affiner par la communauté après la publication des poids ouverts.
Articles liés
L'écart de sécurité persiste entre modèles IA open-weight et frontaliers malgré des capacités proches
Analyse des risques liés à l'écart de sécurité entre modèles IA open-weight et modèles frontaliers, avec l'exemple de Z.ai GLM-5.2.
Z.ai dévoile Ox Alpha, son modèle open source de nouvelle génération
Découverte du laboratoire Z.ai derrière le modèle open source Ox Alpha, bientôt disponible en poids complet.
Writer lance Palmyra X6 et optimise son infrastructure pour réduire les coûts d'inférence
Découvrez comment Writer optimise ses coûts d'inférence avec un modèle dérivé d'une solution open source, pour des déploiements plus accessibles.