中國Z.AI突破晶片封鎖：GLM-5.2模型無Nvidia晶片，效能直逼Claude Opus

在美國對中國高階AI晶片實施嚴格出口管制之際，北京的Z.AI實驗室於6月16日推出其最新大型語言模型GLM-5.2，不僅在多項基準測試中展現頂尖效能，更令人矚目的是，該模型完全使用華為昇騰（Ascend）晶片訓練，全程未動用任何Nvidia硬體，為全球AI產業投下震撼彈。

效能比肩頂級模型，超越GPT-5.5

GLM-5.2的問世，直接挑戰了由西方科技巨頭主導的AI模型格局。根據衡量多小時自主工程專案能力的「FrontierSWE」基準測試，GLM-5.2獲得74.4分，僅以1%的微小差距落後於Claude Opus 4.8的75.1分，卻成功超越了GPT-5.5的72.6分。

在評估自主解決真實世界GitHub問題的「SWE-bench Pro」測試中，GLM-5.2以62.1分的通過率，領先GPT-5.5的58.6分，並大幅超越其前身GLM-5.1的58.4分。綜合九項不同分數來評估AI模型整體品質的「Artificial Analysis Intelligence Index」也將GLM-5.2評為迄今最佳的開源模型。OpenRouter的基準測試更將其與已遭禁用的Claude Fable 5歸為同一類別，足見其卓越性能。

華為昇騰晶片撐起AI自主大旗

GLM-5.2最引人注目的特點，無疑是其完全在華為昇騰晶片上訓練完成，整個開發流程中沒有使用任何Nvidia硬體。Stability AI創辦人埃馬德·莫斯塔克（Emad Mostaque）估計，GLM-5.2的總訓練成本約為2500萬美元，其中80%用於後訓練，這使得其相較於同級模型而言，成本極為低廉。

Decrypt先前報導，Z.AI早在今年初就已在華為昇騰Atlas伺服器上訓練圖像模型，當時同樣未採用任何美國晶片。GLM-5.2進一步擴展了這套基礎設施，證明了在缺乏Nvidia高階晶片的情況下，中國依然有能力開發出具備國際競爭力的大型AI模型。

這款7440億參數的混合專家模型（mixture-of-experts model）擁有真正的百萬級Token上下文視窗，是GLM-5.1的20萬Token限制的五倍。Token是模型讀取和生成的文本片段，而參數則是決定模型處理資訊和生成回應方式的內部設定和數值。如此龐大的上下文視窗，對於需要處理大量程式碼、文件或複雜情境的開發者來說，是一項關鍵性的操作轉變。

開發者友善：開放原始碼與實惠價格

GLM-5.2以MIT授權發布，這意味著它是一個完全開放原始碼的模型，不受地域限制，且任何政府指令都無法輕易切斷其存取權限。對於開發者而言，百萬級Token上下文視窗讓過去需要分塊處理的整個程式碼庫導航、多檔案重構和長代理管道等工作，現在都能透過單次呼叫完成。

API定價也極具競爭力，每百萬輸入Token僅需1.40美元，每百萬輸出Token為4.40美元，遠低於Claude Opus 4.8的5美元輸入和25美元輸出。此外，GLM-5.2的程式設計方案每月約18美元起，可直接整合至Claude Code、Cline、Kilo Code等主流代理環境中。

在本地部署方面，Unsloth AI已推出2位元GGUF量化版本，將模型從1.51TB壓縮至238GB，同時仍能保持約82%的準確度。儘管如此，本地運行仍需要256GB的統一記憶體或等效的RAM/VRAM組合，例如頂規的M4 Ultra Mac Studio或配備中階GPU和256GB系統記憶體的工作站。雖然成本不菲，但已是個人用戶在特定條件下可行的選項。

應用潛力與市場影響

Decrypt進行的快速測試顯示，GLM-5.2在生成結合打字機制與射擊元素的遊戲時，雖然使用者介面不如其他模型精美，但其體驗卻最多樣化，能夠在零樣本設定下生成不同波次的場景、變化的敵人類型以及後期出現的頭目。這種輸出多樣性，對於多輪生成工作流程和代理管道中，重視多樣性而非完美精度的應用場景，具有顯著的經濟效益。

儘管如此，GLM-5.2在最艱鉅的持續性任務，例如「SWE-Marathon」測試中，仍與頂級閉源模型存在差距，其13.0分對比Opus 4.8的26.0分，差距仍達13分。

自Z.AI於2025年1月起被列入美國實體清單以來，市場對美國AI策略的擔憂日益加劇。在過去一週，美國對Anthropic Fable的禁令以及GLM-5.2的發布，共同推動Z.AI的股價飆升90%，創下歷史新高，顯示市場對其技術突破的高度認可。

GLM-5.2的開源權重已在HuggingFace上線，量化權重也同步提供。GLM程式設計方案的訂閱者可透過模型字串「GLM-5.2」切換使用，Z.AI也提供帶有使用限制的免費測試。