Z.ai: GLM 5.2 (batch)
z-ai/glm-5.2:batch
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, and complex multi-step automation.
Reasoning efforts high and xhigh are supported; xhigh maps to max reasoning. It is particularly strong at coding and tool use across long-running tasks, able to maintain engineering context and follow standards consistently through a full development workflow, from requirements to multi-platform deployment, in a single task.
Provedores
Diferentes empresas hospedam o mesmo modelo. O OpenRouter roteia sua solicitação para uma delas com base no modo de roteamento escolhido: Balanced (preço + velocidade), Nitro (mais rápido) ou Floor (mais barato).
| US$ 0,322 | US$ 0,989 | US$ 0,109 | -- | -- |
- Entrada US$ 0,322 / Saída US$ 0,989-- tok/s-- de disponibilidade
Preços
O preço médio que os clientes realmente pagam por este modelo, ao lado dos preços publicados pelos provedores. O cache e os descontos fazem com que o preço efetivamente pago seja frequentemente bem inferior ao preço anunciado.
GLM 5.2 (batch) — Histórico de preços
| US$ 0,322 | US$ 0,989 | US$ 0,109 | — |
- Entrada US$ 0,322 / Saída US$ 0,989
Desempenho
A vazão indica a velocidade com que o modelo escreve (tokens por segundo — quanto maior, melhor). A latência é o tempo total de ida e volta (quanto menor, melhor). TTFT é o tempo até o primeiro token — quanto tempo leva para você ver algo aparecer (quanto menor, melhor).
Disponibilidade
A disponibilidade é a porcentagem dos últimos 3 dias em que pelo menos um provedor estava respondendo às solicitações. A disponibilidade é a porcentagem de tempo em que a inferência foi realizada com sucesso. O OpenRouter monitora continuamente e usa o próximo melhor provedor quando um deles retorna um erro.
Ainda não há dados de disponibilidade suficientes para exibição.
Quando ocorre um erro em um provedor upstream, podemos nos recuperar roteando para outro provedor saudável, se os filtros da sua solicitação permitirem. Você pode acessar os dados de disponibilidade por provedor de forma programática pela API de endpoints. Saiba mais sobre nossas opções de balanceamento de carga e roteamento de provedores.
Avaliações de desempenho
Pontuações em avaliações padronizadas e as próprias saídas deste modelo para prompts compartilhados de testes de desempenho. Porcentagens maiores são melhores — e cada posição mostra onde este modelo fica entre os modelos avaliados naquela fonte.
| Fonte | Avaliação comparativa | Pontuação |
|---|---|---|
| Artificial Analysis | GLM-5.2 (Max) Finance & Accounting Index | 32,1 |
| Artificial Analysis | GLM-5.2 (Max) Strategy & Ops Index | 30,0 |
| Artificial Analysis | GLM-5.2 (Max) Legal Index | 28,5 |
| Artificial Analysis | GLM-5.2 (Max) Healthcare & Medical Index | 28,7 |
| Artificial Analysis | GLM-5.2 (Max) Economics Index | 32,1 |
| Artificial Analysis | GLM-5.2 (Max) Openness Index | 44,4 |
| Artificial Analysis | GLM-5.2 (Max) AutomationBench-AA | 28.4% |
| Artificial Analysis | GLM-5.2 (Max) GDP.pdf | 10.4% |
| Artificial Analysis | GLM-5.2 (Max) APEX-Agents-AA | 33.7% |
| Artificial Analysis | GLM-5.2 (Max) EnterpriseOps-Gym-AA | 42.7% |
| Artificial Analysis | GLM-5.2 (Max) ITBench-AA | 42.7% |
| Artificial Analysis | GLM-5.2 (Max) GPQA Diamond | 89.5% |
| Artificial Analysis | GLM-5.2 (Max) HLE | 41.1% |
| Artificial Analysis | GLM-5.2 (Max) IFBench | 73.3% |
| Artificial Analysis | GLM-5.2 (Max) τ²-Bench Telecom | 99.1% |
| Artificial Analysis | GLM-5.2 (Max) AA-LCR | 78.3% |
| Artificial Analysis | GLM-5.2 (Max) τ³-Banking | 34.6% |
| Artificial Analysis | GLM-5.2 (Max) GDPval-AA | 44.0% |
| Artificial Analysis | GLM-5.2 (Max) CritPt | 20.9% |
| Artificial Analysis | GLM-5.2 (Max) HLE-Diamond | 17.7% |
| Artificial Analysis | GLM-5.2 (Max) SciCode | 51.2% |
| Artificial Analysis | GLM-5.2 (Max) Terminal-Bench Hard | 50.8% |
| Artificial Analysis | GLM-5.2 (Max) Terminal-Bench 4.0 | 1.0% |
| Artificial Analysis | GLM-5.2 (Max) Terminal-Bench 2.1 | 77.9% |
| Artificial Analysis | GLM-5.2 (Max) AA-Omniscience Accuracy | 21.1% |
| Artificial Analysis | GLM-5.2 (Max) AA-Omniscience Non-Hallucination Rate | 74.1% |
| Artificial Analysis | GLM-5.2 (Max) MLCR-AA | 12.8% |
| Artificial Analysis | GLM-5.2 (Non-reasoning) Openness Index | 44,4 |
| Artificial Analysis | GLM-5.2 (Non-reasoning) GPQA Diamond | 68.6% |
| Artificial Analysis | GLM-5.2 (Non-reasoning) HLE | 9.8% |
| Artificial Analysis | GLM-5.2 (Non-reasoning) AA-LCR | 42.3% |
| Artificial Analysis | GLM-5.2 (Non-reasoning) τ³-Banking | 16.7% |
| Artificial Analysis | GLM-5.2 (Non-reasoning) GDPval-AA | 37.6% |
| Artificial Analysis | GLM-5.2 (Non-reasoning) CritPt | 3.1% |
| Artificial Analysis | GLM-5.2 (Non-reasoning) Terminal-Bench 2.1 | 51.7% |
| Design Arena | GLM 5.2 Agents Arena Agenticgamedev Elo | 1156 |
| Design Arena | GLM 5.2 Agents Arena Androidnative Elo | 1170 |
| Design Arena | GLM 5.2 Agents Arena Blender3d Elo | 983 |
| Design Arena | GLM 5.2 Agents Arena Full Stack Elo | 1211 |
| Design Arena | GLM 5.2 Agents Arena Godotgamedev Elo | 1142 |
| Design Arena | GLM 5.2 Agents Arena Htmlslides Elo | 1073 |
| Design Arena | GLM 5.2 Agents Arena Mobile Apps Elo | 1154 |
| Design Arena | GLM 5.2 Agents Arena Pdf Elo | 1256 |
| Design Arena | GLM 5.2 Agents Arena Python-Pptxslides Elo | 1160 |
| Design Arena | GLM 5.2 Agents Arena Spreadsheet Elo | 1013 |
| Design Arena | GLM 5.2 Agents Arena Webapps Elo | 1201 |
| Design Arena | GLM 5.2 Models Arena 3D Elo | 1258 |
| Design Arena | GLM 5.2 Models Arena Asciiart Elo | 1173 |
| Design Arena | GLM 5.2 Models Arena Code Categories Elo | 1268 |
| Design Arena | GLM 5.2 Models Arena Data Visualization Elo | 1280 |
| Design Arena | GLM 5.2 Models Arena Game Development Elo | 1248 |
| Design Arena | GLM 5.2 Models Arena SVG Elo | 1190 |
| Design Arena | GLM 5.2 Models Arena UI Component Elo | 1282 |
| Design Arena | GLM 5.2 Models Arena Website Elo | 1273 |
| Vals AI | GLM 5.2 Code Migration | 37.9% |
| Vals AI | GLM 5.2 CorpFin v2 | 66.1% |
| Vals AI | GLM 5.2 EMB | 61.5% |
| Vals AI | GLM 5.2 Finance Agent (v2) | 49.7% |
| Vals AI | GLM 5.2 GPQA Diamond | 85.6% |
| Vals AI | GLM 5.2 Harvey's Legal Agent Benchmark v1 | 7.1% |
| Vals AI | GLM 5.2 LiveCodeBench | 69.5% |
| Vals AI | GLM 5.2 LegalBench | 84.1% |
| Vals AI | GLM 5.2 Legal Research Bench | 31.3% |
| Vals AI | GLM 5.2 MedCode | 40.8% |
| Vals AI | GLM 5.2 MedScribe | 83.5% |
| Vals AI | GLM 5.2 MMLU Pro | 86.7% |
| Vals AI | GLM 5.2 ProgramBench | 0.5% |
| Vals AI | GLM 5.2 ProofBench v1 | 35.0% |
| Vals AI | GLM 5.2 SkillsBench | 45.1% |
| Vals AI | GLM 5.2 SRE Bench | 0.0% |
| Vals AI | GLM 5.2 SWE-bench | 82.8% |
| Vals AI | GLM 5.2 TaxEval v2 | 73.3% |
| Vals AI | GLM 5.2 Terminal-Bench 2.1 | 67.8% |
| Vals AI | GLM 5.2 Vals Index | 53.1% |
| Vals AI | GLM 5.2 Vibe Code Bench v1.1 | 64.0% |
Aplicativos
Aplicativos públicos que enviam mais tráfego para este modelo. Um bom indicador de como são as cargas de trabalho reais em produção — e uma pista sobre os casos de uso para os quais este modelo é mais adequado.
Ainda não há dados suficientes sobre aplicativos que usam este modelo.
Atividade
Volume de tokens e tráfego de requisições para este modelo ao longo do tempo.
API
Código pronto para chamar este modelo. A API do OpenRouter é compatível com a OpenAI — a maioria dos SDKs funciona apenas trocando a URL base. A única coisa que muda entre os modelos é o slug do modelo abaixo.
Atualmente indisponível por meio do roteamento intrarregional da UE. Documentação de roteamento na região
Perguntas frequentes
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, and complex multi-step automation. Reasoning efforts high and xhigh are supported; xhigh maps to max reasoning.
GLM 5.2 (batch) custa US$ 0,322/M de tokens de entrada e US$ 0,989/M de tokens de saída, com taxas separadas para Cache Read por US$ 0,109/M tokens.
GLM 5.2 (batch) tem uma janela de contexto de 1.048.576 tokens. Ele aceita até 1.048.576 tokens de conclusão.
Sim. GLM 5.2 (batch) aceita tools e tool_choice para chamadas de função. Também oferece suporte a saídas estruturadas por meio de um esquema JSON em response_format.
GLM 5.2 (batch) é servido por 1 provedor no OpenRouter: Morph.
GLM 5.3 FlashX Legal, GLM 5.3 Prime, GLM 5.3 FlashX e mais 13 são outros modelos de texto de Z.ai.
GLM 5.2 (batch) foi lançado em 16 de junho de 2026.