Z.ai: GLM 5.2

GLM 5.2 est un modèle de raisonnement à grande échelle de Z.ai, listé sur api14 sous l'identifiant de modèle z-ai/glm-5.2. Il appartient à la catégorie texte, il est donc conçu pour le travail linguistique plutôt que pour le traitement d'images, d'audio ou de vidéo. Z.ai le positionne autour des flux de travail d'agents à long horizon et de l'ingénierie logicielle à l'échelle d'un projet, ce qui indique la forme prévue du travail : des tâches qui s'exécutent sur de nombreuses étapes et touchent beaucoup de matière plutôt que des questions rapides et isolées.

Le modèle prend du texte en entrée et renvoie du texte en sortie. Sa fenêtre de contexte est de 1 048 576 jetons, et la sortie maximale est de 943 718 jetons, donc le côté invite et le côté généré sont tous deux volumineux. Cette combinaison compte pour les charges de travail où le modèle doit lire un volume substantiel de matière puis produire un résultat long et cohérent en une seule passe, comme une spécification complète, un plan de refactorisation étendu ou une trace de raisonnement prolongée. Le comportement de raisonnement est exposé via les paramètres reasoning et include_reasoning, et reasoning_effort permet de régler l'effort que le modèle consacre avant de répondre.

Ces capacités indiquent quelques usages pratiques. Les flux de travail d'agents qui doivent conserver un état à travers de nombreux appels d'outils correspondent au contexte long et à la prise en charge des outils. Les tâches d'ingénierie logicielle à l'échelle d'un dépôt, où plusieurs fichiers et leurs relations doivent être considérés ensemble, sont un accord naturel. L'analyse de documents longs, le résumé de recherches à plusieurs étapes et l'extraction structurée à partir d'entrées volumineuses découlent aussi des mêmes propriétés, puisque le modèle peut garder toute la source en vue au lieu de la découper.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle z-ai/glm-5.2, donc les bibliothèques clientes OpenAI existantes fonctionnent avec un changement d'URL de base et de nom de modèle. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, parallel_tool_calls, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. L'appel d'outils est disponible via tools et tool_choice, avec parallel_tool_calls pour les invocations concurrentes, et structured_outputs et response_format couvrent les cas où la réponse doit se conformer à un schéma. Les contrôles d'échantillonnage tels que temperature, top_p, top_k, min_p et les paramètres de pénalité vous laissent de la marge pour régler le déterminisme, et seed ainsi que logprobs et top_logprobs aident lorsque vous avez besoin d'une sortie reproductible ou inspectable.

Comme le modèle est uniquement textuel, une tâche qui dépend d'une entrée image ou audio nécessitera un modèle différent. Le contexte et les limites de sortie très grands sont utiles mais ne sont pas gratuits en termes de latence, donc les requêtes courtes et simples peuvent être mieux servies par un modèle plus petit. Dans le travail textuel, cependant, GLM 5.2 vise l'extrémité longue et multi-étapes de la plage.