100 萬 Token 無損上下文
GLM-5.2 在完整的 1,000,000-token 視窗中維持高檢索準確率，約為先前 GLM-5 上限的 5 倍，讓您能將整個 monorepo 或長篇規格載入單次 GLM-5.2 API 呼叫中。
GLM 5.2
GLM-5.2 是 Z.ai（前身為 Zhipu AI）的開放權重模型，擁有 753B 參數、具備無損 1M token 上下文視窗，專為長時間跨度的代理式程式設計與全儲存庫重構而訓練。在 GPTProto 上呼叫 GLM-5.2 API，每 1M token 價格為 $1.26 / $3.96——比 Z.ai 的牌價低 10%，並可使用一組金鑰及一個餘額存取 200 多個模型。
API 呼叫範例
curl --request POST "https://gptproto.com/v1/chat/completions" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "glm-5.2",
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}'GLM 5.2 pricing
Chat, coding agents & document work. Priced per 1M tokens — input, cached input and output are billed separately. GPTProto is 10% below official rates.
你的用量
Z-AI · ≈ 148M tokens/mo（48M 快取）
OpenRouter
牌價 + 5.5% 儲值手續費
$153.27
每月
輸入（未快取）$47.26
快取讀取$13.1664
輸出$92.84
Z-AI
直接向 Z-AI 購買（牌價）
$145.28
每月
輸入（未快取）$44.80
快取讀取$12.48
輸出$88
最划算
GPTProto
官方價 10% off
$130.75
每月
折扣後$130.75
實際成本$130.75
各來源月成本
OpenRouter
$153.27
Z-AI
$145.28
GPTProto
$130.75
每月節省 $14.53
在 GPTProto 相較 Z-AI（−10%）
年省約 $174.34 · 隨用隨付
OpenRouter 成本含約 5.5% 儲值手續費。GPTProto 在官方價上另有模型折扣（10–30% off），贈送額度也按折扣價消耗——節省會疊加。預估假設 60% 快取命中率。
相關模型
所有模型
| 模型 | 輸入 → 輸出 | ||||
|---|---|---|---|---|---|
| 1.05M | $1.26 / $3.96 每 1M | $0.23 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | |
| — | — | $0.30 / $1.20 每 1M | — / $0.006 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | |
| 1.05M | $0.79 / $2.38 每 1M | — / $0.04 每 1M | 輸入: 文字 輸出: 文字 | ||
| 1.05M | $8.00 / $40.00 每 1M | $10.00 / $0.80 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.90 / $4.50 每 1M | $0.60 / $0.09 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件輸入: 音訊 輸出: 文字 | ||
| 1M | $9.00 / $45.00 每 1M | $11.25 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1M | $1.80 / $5.40 每 1M | $2.25 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件輸入: 音訊 輸出: 文字 | ||
| — | 1.31M | $0.15 / $0.50 每 1M | — / $0.03 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件 輸出: 文字 | |
| — | 1.05M | $0.30 / $1.20 每 1M | — / $0.006 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | |
| 1.31M | $1.26 / $3.96 每 1M | — / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.90 / $4.50 每 1M | $0.60 / $0.09 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 500K | $1.20 / $3.60 每 1M | — / $0.30 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 1M | $1.80 / $5.40 每 1M | $2.25 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件 輸出: 文字 | ||
| 1M | $4.50 / $22.50 每 1M | $5.63 / $0.45 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.90 / $4.50 每 1M | $0.60 / $0.09 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $2.70 / $13.50 每 1M | $0.27 / $0.27 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.16 / $0.96 每 1M | $0.20 / $0.02 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $1.60 / $9.60 每 1M | $2.00 / $0.16 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 500K | $1.20 / $3.60 每 1M | $0.30 / $0.30 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 1M | $1.80 / $9.00 每 1M | $2.25 / $0.18 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.48 / $0.96 每 1M | $0.10 / $0.10 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1M | $0.36 / $1.44 每 1M | $0.07 / $0.07 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| — | 1.05M | $0.30 / $1.20 每 1M | — / $0.006 每 1M | 輸入: 文字 輸出: 文字 | |
| 1M | $0.75 / $1.50 每 1M | $0.12 / $0.12 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 262K | $0.85 / $3.60 每 1M | $0.14 / $0.14 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 205K | $1.26 / $3.96 每 1M | $0.23 / $0.23 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 203K | $1.08 / $3.60 每 1M | $0.22 / $0.22 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 205K | $0.24 / $0.96 每 1M | $0.30 / $0.02 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 262K | $0.54 / $2.70 每 1M | $0.09 / $0.09 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 205K | $0.90 / $2.88 每 1M | $0.18 / $0.18 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 262K | $0.10 / $0.97 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 262K | $0.10 / $0.97 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 262K | $0.02 / $0.18 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 |
GLM-5.2 API
GLM-5.2 API 的特色所在——100 萬 token 無損上下文、IndexShare 稀疏注意力、MIT 開放權重，以及可選的 High/Max 推理強度。
Agentic-RL 訓練
GLM-5.2 經過數月針對長期程式設計任務的強化學習，因此能在數百次迭代中持續進行自主、多步驟的工程工作，不會像早期 GLM-5 版本一樣過早遇到效能瓶頸。
IndexShare 架構
這是一種稀疏注意力設計，每四層重複使用一個索引器，在完整 1M 上下文中將每個 token 的注意力運算量最多降低 2.9 倍，並搭配多 token 預測，讓 GLM-5.2 API 推理速度更快。
寬鬆的 MIT 授權條款
GLM-5.2 的權重以 OSI 認可的 MIT 授權條款作為開放原始碼發布，可免費自行託管、微調並用於商業用途，無需支付每席位費用；在此能力級別中十分罕見。
GLM-5.2 是什麼？
GLM-5.2 是 Z.ai（前身為 Zhipu AI）於 2026 年 6 月推出的 GLM-5 系列旗艦模型 — 這是一款專為長期程式碼代理而非一般聊天打造的開放權重 Mixture-of-Experts 模型。它提供實用的 100 萬 token 上下文，支援原生工具呼叫、MCP 與結構化 JSON 輸出，並採用 MIT 開源授權，可自行託管。在 GPTProto 上，GLM-5.2 API 採用隨用隨付計費，沒有地區註冊限制，且單一餘額即可使用 200 多個模型。
| 規格 | GLM-5.2 |
|---|---|
| 開發商 | Z.ai（前身為 Zhipu AI） |
| 架構 | Mixture-of-Experts，總計約 753B／每個 token 啟用約 40B |
| 上下文視窗 | 1,000,000 tokens（無損） |
| 最大輸出 | 131,072 tokens（約 128K） |
| 模態 | 文字輸入、文字輸出 |
| 推理 | 可選擇推理強度 — High／Max |
| 工具使用 | 原生函式呼叫、MCP、結構化 JSON |
| 授權 | MIT（開放權重） |
| 發布日期 | 2026 年 6 月 13 日 |
| GPTProto 價格 | 每 1M tokens 輸入 $1.26／輸出 $3.96（比 Z.ai 定價低 10%） |
| API 模型字串 | glm-5.2（供應商 slug 為 z-ai，完整 1M 上下文） |
GLM-5.2 與 GLM-5、GLM-5.1 的比較
GLM-5 的三個版本目前都已在 GPTProto 上線，因此升級版本只需替換模型字串 — 相同金鑰、相同餘額。升級至 5.2 的重點主要在於上下文大小與長任務穩定性：
| GLM-5 | GLM-5.1 | GLM-5.2 | |
|---|---|---|---|
| 發布日期 | 2026 年 2 月 | 2026 年 4 月 | 2026 年 6 月 |
| 上下文視窗 | 約 200K 級 | 約 200K 級 | 1,000,000（≈5 倍） |
| SWE-bench Pro* | — | 58.462.1 | |
| 長上下文注意力 | 標準 | 標準 | IndexShare（計算量 −2.9 倍） |
| 推測解碼 | — | — | MTP（接受的 token 約增加 20%） |
| GPTProto 輸出／1M | $2.88 | $3.96 | $3.96 |
實際而言：GLM-5.2 在 GPTProto 上的輸出價格與 GLM-5.1 相同，皆為 $3.96，但可提供約 5 倍的上下文，以及可量化的長期程式碼能力提升 — 因此對於儲存庫規模的工作，幾乎沒有理由繼續使用 5.1。
GLM-5.2 與 GPT-5.5 的比較
GPT-5.5 也已在 GPTProto 上線，因此這是真實的替換選項，而非行銷式比較。根據 Z.ai 公布的長期程式碼基準測試，GLM-5.2 在大多數代理任務上略勝 GPT-5.5，同時每個 token 的成本低得多：
| 基準測試（供應商公布，Z.ai） | GLM-5.2 | GPT-5.5 |
|---|---|---|
| SWE-bench Pro | 62.1 | 58.6 |
| FrontierSWE（長期程式碼） | 74.4% | 72.6% |
| MCP-Atlas（工具使用） | 77.0 | 75.3 |
| 人類的最後考試（含工具） | 54.7 | 52.2 |
| Terminal-Bench 2.1 | 81.0 | 84.0 |
| GPTProto 價格／1M（輸入／輸出） | $1.26／$3.96 | $4／$24 |
在 GPTProto 上，GLM-5.2 API 的輸入成本約為 GPT-5.5 的三分之一，輸出成本約為六分之一（每 1M tokens 為 $1.26/$3.96，相較於 $4/$24）。GPT-5.5 在原始終端機任務上仍然領先，因此這並非全面勝出 — 但對於代理、工具驅動、多步驟程式碼工作，基準測試優勢偏向 GLM-5.2，而成本僅為一小部分。在獨立的 Artificial Analysis Intelligence Index v4.1 中，GLM-5.2 得分為 51，在開放模型前沿具備競爭力，但在一般任務上並未超越每一個閉源模型。
從官方 Z.ai API 切換
如果你已經在 Z.ai API 上呼叫 GLM-5.2，切換至 GPTProto 可直接替換：保留請求主體，只需變更基礎 URL 與金鑰。你可以使用相同的 glm-5.2 模型，不需要另外註冊 Z.ai 帳戶，也沒有地區註冊障礙，且同一個餘額還可用於 GPT-5.5、Claude、Gemini 與其他 200 多個模型。確切的端點與模型字串請參閱下方的快速開始指南。
GLM 5.2 常見問題：技術細節與使用方式
了解 glm 5.2 的效能、上下文限制，以及透過智譜 AI 開放權重框架進行本地部署的相關資訊。
GLM 5.2 如何處理超大型上下文視窗？
GLM-5.2 採用完整的 1,000,000-token 上下文，約為前代 GLM-5 視窗的 5 倍，並透過其 IndexShare 稀疏注意力設計，在整個上下文中維持高檢索準確率；在最大長度下，每個 token 的計算量最多可降低 2.9 倍。實際使用時，你可以在單次 GLM-5.2 API 呼叫中載入整個 monorepo 或長篇規格文件。
GLM 5.2 真的是可用於商業用途的開放權重模型嗎？
是。GLM-5.2 的權重以 MIT 授權釋出，因此你可以下載、自行託管、微調，並在不支付每席位費用的情況下推出商業產品。如果你不想自行執行 GPU，GPTProto 上的 GLM-5.2 API 可讓你以計量付費方式使用相同模型。
GLM 5.2 的 reasoning_effort 參數是什麼？
GLM-5.2 提供可選的推理強度設定，分為兩個等級：High 與 Max。High 側重速度與效率；Max 則會使用更多 token，針對艱難的程式設計或分析任務進行更深入、更完整的推理。你可以針對每個請求設定此參數。
GLM 5.2 與 Claude Opus 4.8 相比如何？
在 Z.ai 公布的程式設計基準測試中，GLM-5.2 的表現僅略遜於 Claude Opus 4.8——SWE-bench Pro 為 62.1 對 69.2、FrontierSWE 為 74.4% 對 75.1%、MCP-Atlas 為 77.0 對 77.8——但價格只有其一小部分。兩者都能在 GPTProto 上使用同一個餘額，因此你可以將例行任務分配給 GLM-5.2，並將 Opus 4.8 保留給最具挑戰性的任務。
GLM-5.2 是否支援原生工具呼叫？
是——GLM-5.2 原生支援函式呼叫、多輪工具使用、MCP 整合與結構化 JSON 輸出，因此特別適合打造自主程式設計代理。GPTProto 上的 GLM-5.2 API 相容於 OpenAI，因此現有的工具呼叫程式碼只需變更 base URL 即可運作。
GPTProto 上的 GLM-5.2 API 費用是多少？
每 1M 個輸入 token 收費 $1.26，每 1M 個輸出 token 收費 $3.96——約比 Z.ai 的 $1.40 / $4.40 牌價低 10%。帳單採用單一餘額的計量隨用隨付模式；如需實際費用範例，請參閱 Pricing 區段。
是否有免費的 GLM-5.2 或 GLM-5 API？
沒有永久免費的託管方案。由於其權重採用 MIT 授權，若在自己的 GPU 上自行託管，GLM-5.2 與 GLM-5 可免費執行。若想在不購買硬體的情況下使用託管服務，GPTProto 上的 GLM-5.2 API 採用計量付費——只需支付實際使用的 token 費用，沒有地區註冊限制，也沒有訂閱費。
GPTProto 是否提供 GLM Coding Plan？
沒有——GLM Coding Plan 是 Z.ai 的固定訂閱方案。GPTProto 則提供計量式的 GLM-5.2 API 存取：無每月承諾、無尖峰時段配額限流，且同一組金鑰與餘額也可用於 GPT-5.5、Claude、Gemini 及其他 200 多個模型。
更多 GPTProto AI 工具
相關文章
與本模型相關的指南、對比與更新。
所有文章
什麼是 GLM 5.2？以六分之一的價格提供開放權重程式設計能力
GLM 5.2 是 Z.ai 推出的開放權重、採 MIT 授權的程式設計模型，具備 100 萬 token 的上下文。了解其功能、與 Claude Opus 4.8 和 GPT-5.5 的基準測試比較、定價，以及如何執行。
2026 年最佳文字轉圖像 API：依品質與價格排名的 7 款模型
2026 年 7 款最佳文字轉圖像 API，依 Arena Elo 與實際價格排名——GPT Image 2、Nano Banana、Seedream 5.0。只需一組 API 金鑰即可全部呼叫。
Nano Banana Pro vs Nano Banana 2：2026 年你該使用哪個 Gemini 圖像模型？
Nano Banana 2 的價格只有 Nano Banana Pro 的一半，且在 Image Arena 中得分更高。了解各個 Gemini 圖像模型何時表現更佳，以及使用單一 API 的程式碼來執行兩者。
如何使用 AI 為兒童書籍繪製插圖（可直接印刷且角色一致，約 1 美元）
打造可直接印刷（300 DPI）、角色一致的 AI 圖畫書——每一頁都使用相同角色，檔案符合 KDP 要求——API 成本約 1 美元。提供完整程式碼。