개요
GLM-5 시리즈는 5, 5.1, 5.2 버전을 포함하며 파라미터 수는 최대 744B에 달합니다. 복잡한 시스템 엔지니어링 및 장기 에이전트 작업을 위해 설계되었으며, 1M token 컨텍스트를 지원하고 강력한 코딩 능력을 갖추고 있습니다. 코딩 및 에이전트 벤치마크 테스트에서 최고 수준을 달성했습니다.
README 미리보기
# GLM-5.2 & GLM-5.1 & GLM-5\n\n\n\n\n\n 👋 Join our Wechat or Discord community.\n \n 📖 Check out the GLM-5.2 blog and GLM-5 Technical report.\n \n 📍 Use GLM-5.2 API services on Z.ai API Platform. \n \n 🔜 Try GLM-5.2 at z.ai.\n\n\n## Introduction\n\n### GLM-5.2\n\nGLM-5.2, our latest flagship model for long-horizon tasks. It marks a substantial leap in long-horizon task capability over its predecessor GLM-5.1 and, for the first time, delivers that capability on a **solid 1M-token context**. \n\nGLM-5.2's new capabilities include:\n- **Solid 1M Context:** A solid 1M-token context that stably sustains long-horizon work\n- **Advanced Coding with Flexible Effort**: Stronger coding capabilities with multiple thinking effort levels to balance performance and latency\n- **Improved Architecture**: We propose [IndexShare](https://arxiv.org/abs/2603.12201), which reuses the same indexer across every four sparse attention layers, reducing per-token FLOPs by 2.9× at a 1M context length. We also improve GLM-5.2’s MTP layer for speculative decoding, increasing the acceptance length by up to 20%\n\n\n\nOn standard coding benchmarks, GLM-5.2 is the strongest open-source model, improving on GLM-5.1 by a wide margin: 81.0 vs. 62.0 on Terminal-Bench 2.1 and 62.1 vs. 58.4 on SWE-bench Pro. It also closes much of the gap to the closed-source frontier — on Terminal-Bench 2.1 (81.0) it lands within a few points of Claude Opus 4.8 (85.0) — while staying ahead of Gemini 3.1 Pro.\n\nFor more detail, check our [blog](https://z.ai/blog/glm-5.2).\n\n### GLM-5.1\n\nGLM-5.1 is our next-generation flagship model for agentic engineering, with significantly stronger coding capabilities than its predecessor. It achieves state-of-the-art performance on SWE-Bench Pro and leads GLM-5 by a wide margin on NL2Repo (repo generation) and Terminal-Bench 2.0 (real-world terminal tasks).\n\n\n\nBut the most meaningful leap goes beyond first-pass performance. Previous models—including GLM
FAQ (3)
문제 해결GLM-5.1이 영어 대화 중에 중국어로 전환되는 이유는 무엇이며, 이를 어떻게 방지할 수 있나요?
이것은 GLM-5.1에서 알려진 언어 고정(language-anchoring) 문제입니다. 중국 회사명, 제품 또는 .cn 도메인과 같이 중국과 관련된 엔터티가 중국어 출력을 유발할 수 있으며, 의도하지 않은 언어 전환도 발생할 수 있습니다. 보고된 이슈에는 완전한 모델 측 해결책이 없습니다. 부분적인 해결 방법으로, 시스템 프롬프트 맨 위에 명시적인 규칙을 추가하세요. 예: Always respond in English only. Do not output Chinese or any other language, even when discussing Chinese companies, products, domains, or sources. 이렇게 하면 전환이 줄어들지만 완전히 제거되지는 않을 수 있습니다.
문제 해결GLM-5.3-Flash가 reasoning_content에서 "Hmm"을 반복하는 이유는 무엇이며, 이를 어떻게 필터링할 수 있나요?
이것은 모델/가중치 수준의 추론 스타일 동작입니다: GLM-5.3-Flash는 choices[0].message.reasoning_content에서 "Hmm"과 같은 성찰 필러를 과도하게 생성할 수 있으며, "Hmm hmm hmm" 같은 연속된 형태도 포함됩니다. 이것이 반드시 클라이언트나 프롬프트로 인해 발생하는 것은 아닙니다. thinking을 활성화한 OpenAI-compatible 요청으로 직접 확인하고 reasoning_content를 검사하세요.
임시 클라이언트 측 해결 방법으로, message.content를 수정하지 않은 채 추론 트레이스를 표시하기 전에 정제하세요. 예시:
import re
def clean_reasoning(text: str) -> str:
text = re.sub(r'(?i)(?:\bhmm?[\s,.!?-]*){2,}', '', text)
text = re.sub(r'\s+', ' ', text)
return text.strip()
reasoning = response["choices"][0]["message"].get("reasoning_content", "")
shown = clean_reasoning(reasoning)해당 이슈에는 공식적인 모델 측 수정이나 구성 변경이 제공되지 않으며, 영구적인 해결에는 업데이트된 모델 가중치 또는 벤더 측 생성 처리가 필요합니다.
문제 해결이미지로 만든 PDF를 업로드했는데도 채팅에서 PDF가 첨부되지 않았다고 표시되는 문제를 어떻게 해결하나요?
메시지 입력란의 클립(📎) 아이콘을 사용하여 PDF를 다시 업로드하고, 기기에서 파일을 선택한 다음, 전송 버튼을 누르기 전에 파일이 채팅 작성창에 나타날 때까지 기다리세요. 첨부 파일 미리보기나 파일 칩이 나타나지 않으면 업로드가 완료되지 않은 것입니다. PDF가 기기에서 올바르게 열리는지 확인한 후 업로드를 다시 시도하세요.