z-ai
Z.ai: GLM 5.2 (batch)
z-ai/glm-5.2:batch
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
z-ai/glm-5.2:batch es la entrada de texto a texto del catálogo de OpenRouter para GLM-5.2-20260616 de Z.ai bajo este ID de variante batch. El catálogo indica una ventana de contexto de un millón de tokens, razonamiento opcional activado por defecto con esfuerzo alto, uso de herramientas, salidas estructuradas y amplios controles de generación. La ficha enlazada de Z.ai presenta GLM-5.2 como un modelo con licencia MIT para tareas de largo alcance e ingeniería de software a nivel de proyecto. Los benchmarks del proveedor y los resultados de arena e índices del catálogo son mediciones reportadas por las fuentes, no garantías; valide el endpoint batch exacto en su carga de trabajo.[1][2]
Puntos fuertes
- Entrada y salida solo de texto, con una ventana de contexto de un millón de tokens reportada por el catálogo.[1][2]
- El razonamiento opcional usa esfuerzo alto por defecto; también se listan xhigh y none.[1]
- El catálogo enumera llamadas a herramientas, salidas estructuradas, formato de respuesta, semillas, logprobs y controles comunes de muestreo.[1]
Limitaciones
- Solo se reportan entrada y salida de texto; otras modalidades quedan desconocidas, no confirmadas como incompatibles.[1]
- La evidencia proporcionada no indica fecha de corte de conocimiento, semántica específica del modo batch, límites del endpoint ni comportamiento de seguridad.[1][2]
- Las fuentes no verifican independientemente este endpoint batch exacto; valide calidad, latencia, rendimiento y disponibilidad en su carga de trabajo.[1][2]
Dónde utilizarlo
- Evalúe su uso en asistentes de ingeniería de software a nivel de proyecto o análisis de código con contexto largo.[1][2]
- Considérelo para flujos de agentes de largo alcance o documentos extensos donde importen el contexto amplio y las herramientas.[1][2]
- Pruebe en flujos de generación de texto estructurado que requieran esfuerzo de razonamiento ajustable y formato de respuesta.[1]
Fuentes
- [1] OpenRouter catalog · Z.ai: GLM 5.2 (batch)Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Z.ai: GLM 5.2 (batch)Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
GLM 5.2 is a large-scale reasoning model from Z.ai. It supports text input and output with a 1M-token context window, and is suited for long-horizon agent workflows, project-level software engineering,...
Especificaciones
- ID del modelo
- z-ai/glm-5.2:batch
- ID canónico
- z-ai/glm-5.2-20260616
- Creador
- z-ai
- Añadido a OpenRouter
- 16.06.2026
- Longitud de contexto
- 1,048,576
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.298 / salida $0.916
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · predeterminado high · esfuerzos: xhigh, high, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | AA — siguiente 20% de la cohorte | — |
| Agentes | AA — siguiente 20% de la cohorte | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · predeterminado high · esfuerzos: xhigh, high, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 68.8 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 38.4 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtasa de victoria 49.7% · posición 9 | 1,157Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · androidnativetasa de victoria 52.7% · posición 23 | 1,169Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · blender3dtasa de victoria 36.1% · posición 22 | 983Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 60.1% · posición 14 | 1,219Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · godotgamedevtasa de victoria 40.1% · posición 21 | 1,142Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · htmlslidestasa de victoria 49.4% · posición 15 | 1,071Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 47.5% · posición 29 | 1,155Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · pdftasa de victoria 59.3% · posición 8 | 1,243Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · python-pptxslidestasa de victoria 48.5% · posición 18 | 1,156Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · spreadsheettasa de victoria 37.9% · posición 27 | 1,071Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · webappstasa de victoria 55.7% · posición 19 | 1,205Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 52.8% · posición 24 | 1,269Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 46.4% · posición 30 | 1,186Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 50.6% · posición 26 | 1,278Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 51.7% · posición 16 | 1,283Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 49.2% · posición 31 | 1,258Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 47.5% · posición 29 | 1,198Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 55.4% · posición 23 | 1,288Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 49.9% · posición 25 | 1,278Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Morphfp8 | 1,048,576 | $0.322 | $0.989 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.