GLM-5.2, 100만 토큰 문맥과 공개 가중치로 비용 실험 확대

GLM-5.2가 GLM Coding Plan에 배포됐고, API와 MIT 라이선스 가중치는 약 일주일 뒤 제공될 예정으로 안내됐다. 이 모델은 한 번에 최대 100만 토큰까지 긴 문맥을 다룰 수 있고, 생각 모드는 max와 high 두 가지를 지원한다. z.ai는 코딩 작업에는 max 모드를 권장한다.

함께 나온 반응은 성능, 비용, 직접 운영 가능성에 집중됐다. 일부 벤치마크에서는 GLM-5.2가 지식 업무형 에이전트 평가에서 강한 결과를 냈고, 로컬 실행 사례에서는 744B급 2비트 모델을 여러 GPU와 큰 메모리로 돌리며 초당 약 7.3토큰을 얻었다. 더 낮은 양자화가 항상 더 빠르지는 않았고, CPU 스레드 수를 늘렸을 때 속도가 22% 오른 사례도 있었다.

CPU만으로 실행한 실험과 SGLang 배포 설정도 공유되면서, 클라우드 API에만 의존하지 않고 큰 모델을 직접 운영하려는 흐름이 확인됐다.