Claude 最强模型刚下架，GLM-5.2 就来了

AI 圈这两天最魔幻的地方，不是又有新模型发布。

而是一个头疼的问题突然摆在了所有开发者面前：

你正在依赖的最强模型，可能不是能力不够，而是说下架就下架。

美东时间 2026 年 6 月 12 日 17:21，Anthropic 收到美国政府的出口管制指令，要求暂停外国国民访问 Claude Fable 5 和 Claude Mythos 5。

按 Anthropic 官方声明，这个限制覆盖美国境内外的外国国民，甚至包括 Anthropic 内部的外国籍员工。为了合规，Anthropic 选择直接移除所有用户对 Fable 5 和 Mythos 5 的访问。

这事放在以前，可能只是科技新闻。

几乎同一时间，智谱 AI 的 GLM-5.2 进入开发者视野。

据智谱侧信息，GLM-5.2 于 2026 年 6 月 13 日面向 GLM Coding Plan 用户推送，核心关键词很直接：

1M 上下文、长程 Agent、高速输出、MIT 开源计划。

如果你主要关注 AI 编程，这几个词比“又发了一个新模型”更值得看。

GLM-5.2 看什么

这次 GLM-5.2 的重点，可以先抓四个。

第一，1M 上下文。

对 AI 编程来说，长上下文不是炫技。

真正复杂的项目，不是让模型改一个函数，而是让它读需求、看模块、追依赖、理解历史实现，再跨文件改动。

上下文越短，Agent 越容易失忆。

它可能前面刚看过约束，后面就开始自信犯错。

1M token 如果稳定可用，意味着它更适合处理大代码库、多文件工程、长任务复盘和连续工作流。

第二，长程 Agent。

现在 AI 编程工具最卷的地方，已经不是“能不能补全代码”，而是“能不能把一个任务从头推进到尾”。

这中间要规划、执行、验证、修错、再验证。

一个长程 Agent 好不好用，不看演示视频里那 30 秒。

要看它在真实项目里跑半小时、两小时，甚至更久之后，会不会开始跑偏。

GLM-5 系列一直强调 Agentic Coding 和 Agentic Engineering，如果 GLM-5.2 在长程任务上继续增强，它对开发者的价值就会更直接。

第三，高推理速度。

按当前材料，GLM-5.2 输出速度可达 400 tokens/s 级别。

这个指标在 coding 场景里很实用。

因为开发者用 Agent 干活时，不只是等一个回答，而是在等它连续读文件、写代码、解释 diff、跑反馈、再修正。

速度越快，长任务里的等待感越低。

第四，开源计划。

GLM-5.2 计划后续以 MIT 协议开源，API 同步上线。

开源不等于自动好用。

本地部署也不等于免费午餐。

但对企业和开发者来说，开源至少意味着多一个选择：

• 可以本地部署
• 可以私有化集成
• 可以围绕自己的代码库做适配
• 可以把模型接进内部工具链

这也是 GLM-5.2 在这次时间点上被关注的重要原因。

1M 上下文怎么用

一个普通聊天模型的长上下文，更像是“我可以读更多资料”。

一个 coding agent 的长上下文，则更像是“我能带着完整案卷去办案”。

它需要同时记住：

• 项目结构
• 需求背景
• 修改目标
• 已经尝试过的方案
• 失败日志
• 测试结果
• 用户的偏好和限制
• 不该碰的文件和边界

这也是为什么长上下文和 Agent 是绑定在一起看的。

上下文够长，Agent 才更容易在长任务里保持连续性。

工具链够强，长上下文才不会只是一个更大的记事本。

所以 1M 上下文真正适合的，不是随便塞一堆材料进去让模型硬读，而是这些场景：

• 超长代码库理解
• 多文件工程重构
• 长文档和代码一起分析
• 连续多轮任务复盘
• 长时间 Agent 工作流
• 大型项目迁移和依赖梳理

如果 GLM-5.2 能把 1M 上下文和 Agent 执行稳定结合起来，它在 AI Coding 里的定位会更清晰。

技术底座

按当前公开材料和发布信息看，GLM-5.2 延续了 GLM-5 系列的技术路线。

核心信息包括：

• MoE 架构：GLM-5 系列采用混合专家架构，总参数规模约 744B，激活参数约 40B。
• 长程任务强化：系列能力重点放在 Agentic Coding 和 Agentic Engineering。
• 异步强化学习：结合 Slime 框架，面向更复杂的规划、执行和反馈循环。
• 稀疏注意力机制：引入类似 DeepSeek Sparse Attention 的长上下文优化思路。
• 国产算力路径：材料中提到模型训练基于华为昇腾芯片，强调自主算力链路。

这些技术点合在一起，指向的是同一件事：

GLM-5.2 不是单纯为聊天升级，而是继续往代码、推理、长程 Agent 这些重任务上走。

GLM 系列时间线

把 GLM 近两年的迭代放到一起看，节奏很密。

2024 年 6 月

GLM-4 系列发布，开始强化 All Tools 和 Agent 能力，中文场景表现突出。

2025 年 7 月

GLM-4.5 系列推出，引入 ARC 原生融合 MoE 架构，Agentic Coding 能力进一步增强。

2025 年 12 月

GLM-4.7 发布，继续强化 Coding 和复杂推理能力。

2026 年 2 月

GLM-5 亮相，采用约 744B 总参数、约 40B 激活参数的 MoE 架构，定位从 Vibe Coding 走向 Agentic Engineering。

材料中提到，GLM-5 以 MIT 协议开源，并在 SWE-bench、Terminal-Bench 等代码和终端任务基准上对标当时的前沿闭源模型。

2026 年 3-4 月

GLM-5.1 推出，重点强化长程任务能力，面向更长时间的持续工作和复杂 Agent 流程。

2026 年 6 月 13 日

GLM-5.2 面向 GLM Coding Plan 用户推送，主打 1M 上下文、长程 Agent、高速输出和开源计划。

如果按这个路线看，GLM 系列的主线很清楚：

从通用对话，到工具调用，再到代码智能体，最后走向更长周期的 Agentic Engineering。

适合谁关注

如果你只是偶尔问问 AI，GLM-5.2 的 1M 上下文可能暂时没那么明显。

但如果你在做下面这些事，就值得留意：

• 用 AI 辅助写代码
• 让 Agent 处理多文件工程
• 做长文档、长代码库分析
• 想尝试本地部署或私有化模型
• 需要把模型接进企业内部工具链
• 关注开源大模型在 AI 编程里的真实表现

这类场景里，1M 上下文、长程执行和开源部署都会变得更具体。

怎么体验

按当前材料，GLM-5.2 的体验路径主要有三类：

GLM Coding Plan 用户

Lite、Pro、Max 和团队版用户可在产品内切换模型体验。

Z.ai 平台

可关注 chat.z.ai 的模型入口和试用状态。

开发者接口与开源权重

后续关注 Hugging Face、ModelScope、Z.ai 文档和 API 上线信息。

如果你也在关注 AI 编程工具、开源模型和国产大模型进展，可以关注我。我会继续把这些变化拆成普通人和一线开发者能用得上的判断、工具和实操路径。