Z.ai: GLM 5.2

GLM 5.2, Z.ai का एक बड़े पैमाने का रीज़निंग मॉडल है, जो api14 पर मॉडल आईडी z-ai/glm-5.2 के अंतर्गत सूचीबद्ध है। यह टेक्स्ट श्रेणी में आता है, इसलिए यह छवि, ऑडियो या वीडियो हैंडलिंग के बजाय भाषा कार्य के लिए बनाया गया है। Z.ai इसे लंबे-क्षितिज वाले एजेंट वर्कफ़्लो और परियोजना-स्तरीय सॉफ़्टवेयर इंजीनियरिंग के इर्द-गिर्द स्थापित करता है, जो आपको काम के इच्छित स्वरूप के बारे में बताता है: ऐसे कार्य जो कई चरणों तक चलते हैं और बहुत सारी सामग्री को छूते हैं, न कि एकल त्वरित प्रश्न।

मॉडल इनपुट के रूप में टेक्स्ट लेता है और आउटपुट के रूप में टेक्स्ट लौटाता है। इसकी कॉन्टेक्स्ट विंडो 1,048,576 टोकन है, और अधिकतम आउटपुट 943,718 टोकन है, इसलिए प्रॉम्प्ट पक्ष और जनरेट किया गया पक्ष दोनों बड़े हैं। यह संयोजन उन वर्कलोड के लिए मायने रखता है जहाँ मॉडल को सामग्री का एक पर्याप्त निकाय पढ़ना होता है और फिर एक ही पास में एक लंबा, सुसंगत परिणाम तैयार करना होता है, जैसे कि एक पूर्ण विशिष्टता, एक लंबी रीफैक्टर योजना या एक विस्तारित रीज़निंग ट्रेस। रीज़निंग व्यवहार reasoning और include_reasoning पैरामीटर के माध्यम से उजागर होता है, और reasoning_effort आपको यह ट्यून करने देता है कि मॉडल उत्तर देने से पहले कितना प्रयास खर्च करता है।

ये क्षमताएँ कुछ व्यावहारिक उपयोगों की ओर संकेत करती हैं। ऐसे एजेंट वर्कफ़्लो जिन्हें कई टूल कॉल्स में स्थिति बनाए रखनी होती है, लंबे कॉन्टेक्स्ट और टूल समर्थन के अनुरूप हैं। रिपॉज़िटरी-स्तरीय सॉफ़्टवेयर इंजीनियरिंग कार्य, जहाँ कई फ़ाइलों और उनके संबंधों पर एक साथ विचार किया जाना चाहिए, स्वाभाविक रूप से उपयुक्त हैं। लंबे दस्तावेज़ विश्लेषण, बहु-चरणीय शोध सारांशीकरण और बड़े इनपुट से संरचित निष्कर्षण भी इन्हीं गुणों से निकलते हैं, क्योंकि मॉडल इसे खंडों में बाँटने के बजाय पूरे स्रोत को दृष्टि में रख सकता है।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी z-ai/glm-5.2 का उपयोग करके कॉल करते हैं, इसलिए मौजूदा OpenAI क्लाइंट लाइब्रेरीज़ बेस URL और मॉडल नाम बदलने के साथ काम करती हैं। यह जिन अनुरोध पैरामीटर का समर्थन करता है वे हैं 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 और top_p। टूल कॉलिंग tools और tool_choice के माध्यम से उपलब्ध है, समवर्ती आह्वानों के लिए parallel_tool_calls के साथ, और structured_outputs तथा response_format उन मामलों को कवर करते हैं जहाँ उत्तर को एक स्कीमा के अनुरूप होना चाहिए। temperature, top_p, top_k, min_p जैसे सैंपलिंग नियंत्रण और पेनल्टी पैरामीटर आपको नियतात्मकता ट्यून करने की गुंजाइश देते हैं, और seed तथा logprobs और top_logprobs तब मदद करते हैं जब आपको पुनरुत्पादनीय या निरीक्षण-योग्य आउटपुट चाहिए।

चूँकि मॉडल केवल टेक्स्ट है, छवि या ऑडियो इनपुट पर निर्भर कार्य के लिए एक अलग मॉडल की आवश्यकता होगी। बहुत बड़ी कॉन्टेक्स्ट और आउटपुट सीमाएँ उपयोगी हैं लेकिन विलंबता के संदर्भ में मुफ़्त नहीं हैं, इसलिए छोटे, सरल अनुरोधों के लिए एक छोटा मॉडल बेहतर सेवा दे सकता है। टेक्स्ट कार्य के भीतर, हालाँकि, GLM 5.2 रेंज के लंबे, बहु-चरणीय छोर पर लक्षित है।