GLM-5.2 introduceert flexibel denkniveau voor programmeurs
Ontwikkelaar Z.ai uit China heeft GLM-5.2 gepresenteerd, het nieuwste vlaggenschipmodel dat specifiek is ontworpen voor complexe, langdurige taken (long-horizon tasks). Het model markeert een grote technologische sprong voorwaarts ten opzichte van zijn voorganger en biedt voor het eerst stabiele prestaties bij een contextvenster van maar liefst één miljoen tokens. Daarmee nestelt het model zich direct in de absolute wereldtop van AI-codeerassistenten.
Opvallend is dat Z.ai kiest voor een volledig open benadering: het model wordt uitgebracht onder een opensource MIT-licentie, zonder regionale beperkingen.
Eén miljoen tokens die écht werken
Veel AI-bedrijven pronken tegenwoordig met enorme contextvensters – de hoeveelheid tekst die een model in één keer kan onthouden – maar in de praktijk haken de prestaties vaak af zodra die limiet in zicht komt. GLM-5.2 moet daar verandering in brengen. Volgens de makers is het model intensief getraind op realistische scenario's voor 'coding agents'. Denk hierbij aan grootschalige software-implementaties, geautomatiseerd onderzoek en het opsporen van complexe bugs in miljoenen regels code. Het resultaat is een systeem dat niet alleen veel data kán slikken, maar er ook stabiel mee blijft rekenen.
Om deze enorme hoeveelheid data behapbaar te houden, heeft Z.ai de architectuur onder de motorkap flink herzien. Dankzij een nieuwe techniek genaamd IndexShare hoeft het model veel minder rekenkracht per token te gebruiken, wat de rekenkosten bij een maximale contextduur met een factor 2,9 verlaagt. Daarnaast zorgt een verbeterde vorm van speculative decoding ervoor dat het model tot 20 procent sneller antwoorden genereert.
Flexibele denkniveaus
Een andere belangrijke vernieuwing is de introductie van flexibele denkniveaus (flexible effort). Gebruikers kunnen de AI de opdracht geven om langer en dieper over een programmeerprobleem na te denken wanneer de situatie complex is, of juist te kiezen voor een snelle, minder rekenintensieve modus bij simpele codeerklussen. Hierdoor kunnen ontwikkelaars de balans tussen prestaties en wachttijd (latentie) zelf reguleren.
AI-krachtsverhoudingen: Open-source jaagt op commerciële techgiganten
Dat de claims van Z.ai geen loze marketing zijn, blijkt uit de resultaten op drie toonaangevende onafhankelijke benchmarks voor software-engineering. GLM-5.2 weet zich moeiteloos te meten met de absolute (en peperduur betaalde) marktleiders van OpenAI en Anthropic:
- FrontierSWE (meet het vermogen om urenlange, complexe tech-projecten autonoom af te ronden): GLM-5.2 presteert hier beter dan GPT-5.5 (+1%) en Opus 4.7 (+11%), en hijgt het absolute topmodel Opus 4.8 in de nek met een verschil van slechts 1%.
- PostTrainBench (waarbij de AI zelfstandig kleinere AI-modellen moet verbeteren via post-training): Het model verslaat zowel Opus 4.7 als GPT-5.5 en pakt de tweede plek wereldwijd.
- SWE-Marathon (de ultieme uitdaging, zoals het bouwen van compilers): Hier moet GLM-5.2 nog wel zijn meerdere erkennen in de Opus-reeks van Anthropic (13% achterstand op Opus 4.8), maar presteert het wel aanzienlijk beter dan andere concurrenten.
Binnen het open-source landschap is GLM-5.2 hiermee direct het hoogst genoteerde model ter wereld.
Beschikbaarheid
De code en de modelgewichten van GLM-5.2 zijn vanaf vandaag direct toegankelijk voor het grote publiek via GitHub en HuggingFace. Ontwikkelaars kunnen het model daarnaast testen en aanroepen via het platform van Z.ai.
Meer over Artificial intelligence
Over Witold Kepinski
