z-ai
Z.ai: GLM 5.2 (batch)
z-ai/glm-5.2:batch
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
z-ai/glm-5.2:batch é a entrada de texto para texto do catálogo da OpenRouter para o GLM-5.2-20260616 da Z.ai sob este ID de variante batch. O catálogo informa uma janela de contexto de um milhão de tokens, raciocínio opcional ativado por padrão com esforço alto, uso de ferramentas, saídas estruturadas e amplos controles de geração. A ficha vinculada da Z.ai apresenta o GLM-5.2 como um modelo sob licença MIT para tarefas de longo horizonte e engenharia de software em nível de projeto. Benchmarks do fornecedor e resultados de arena e índices do catálogo são medições relatadas pelas fontes, não garantias; valide o endpoint batch exato na sua carga de trabalho.[1][2]
Pontos fortes
- Entrada e saída somente de texto, com janela de contexto de um milhão de tokens informada pelo catálogo.[1][2]
- O raciocínio opcional usa esforço alto por padrão; xhigh e none também são listados.[1]
- O catálogo lista chamadas de ferramentas, saídas estruturadas, formato de resposta, seeds, logprobs e controles comuns de amostragem.[1]
Limitações
- Somente entrada e saída de texto são relatadas; outras modalidades permanecem desconhecidas, não confirmadas como incompatíveis.[1]
- A evidência fornecida não informa data de corte do conhecimento, semântica específica do modo batch, limites do endpoint nem comportamento de segurança.[1][2]
- As fontes não verificam independentemente este endpoint batch exato; valide qualidade, latência, vazão e disponibilidade na sua carga de trabalho.[1][2]
Onde usar
- Avalie para assistentes de engenharia de software em nível de projeto ou análise de código com contexto longo.[1][2]
- Considere para fluxos de agentes de longo horizonte ou documentos extensos em que contexto amplo e ferramentas sejam relevantes.[1][2]
- Teste em pipelines de geração de texto estruturado que precisem de esforço de raciocínio ajustável e formato de resposta.[1]
Fontes
- [1] OpenRouter catalog · Z.ai: GLM 5.2 (batch)Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · Z.ai: GLM 5.2 (batch)Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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,...
Especificações
- ID do modelo
- z-ai/glm-5.2:batch
- ID canônico
- z-ai/glm-5.2-20260616
- Criador
- z-ai
- Adicionado ao OpenRouter
- 16.06.2026
- Comprimento de contexto
- 1,048,576
- Modalidade
- text->text
- Modalidades de entrada
- text
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.298 / saída $0.916
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · padrão high · esforços: xhigh, high, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | AA — próximos 20% da coorte | — |
| Agentes | AA — próximos 20% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · padrão high · esforços: xhigh, high, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | — |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 68.8 | AA — próximos 20% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 38.4 | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtaxa de vitória 49.7% · posição 9 | 1,157Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 52.7% · posição 23 | 1,169Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · blender3dtaxa de vitória 36.1% · posição 22 | 983Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 60.1% · posição 14 | 1,219Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · godotgamedevtaxa de vitória 40.1% · posição 21 | 1,142Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · htmlslidestaxa de vitória 49.4% · posição 15 | 1,071Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 47.5% · posição 29 | 1,155Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · pdftaxa de vitória 59.3% · posição 8 | 1,243Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · python-pptxslidestaxa de vitória 48.5% · posição 18 | 1,156Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · spreadsheettaxa de vitória 37.9% · posição 27 | 1,071Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 55.7% · posição 19 | 1,205Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 52.8% · posição 24 | 1,269Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 46.4% · posição 30 | 1,186Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 50.6% · posição 26 | 1,278Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 51.7% · posição 16 | 1,283Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 49.2% · posição 31 | 1,258Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 47.5% · posição 29 | 1,198Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 55.4% · posição 23 | 1,288Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 49.9% · posição 25 | 1,278Elo | AA — próximos 20% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Morphfp8 | 1,048,576 | $0.322 | $0.989 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.