Tabbit
在 Tabbit 中使用 GLM-5.2
GLM-5.2 · 模型速览
这里集中放置已审核的任务指南、公开测评和证据边界。客户端是否开放模型，仍以当前账户为准。
Tabbit 模型与权限需以当前账户核实。
把资料整理成结构化结果，制作视觉原型，或开始一个编码任务。
官方给 GLM-5.2 的标准接入配置：模型名 `glm-5.2`、1M 上下文 / 128K 最大输出、`thinking.type: enabled` + `reasoning_effort: max`、`temperature: 1.0`，可直接复制 curl / Python 示例完成首次调用，并了解官方认定的典型使用场景。
官方给出的 GLM-5.2 迁移清单与参数配置：模型 ID 改为 `glm-5.2`、`temperature` 默认 1.0 / `top_p` 默认 0.95（二选一调参）、思考默认开启、`reasoning_effort` 用 `high` 或 `max`、流式与工具流式（`stream=true` + `tool_stream=true`）需按官方方式拼接，并附可直接使用的 Python 迁移示例。
官方说明 GLM-5.2 思考默认开启（与 GLM-5.1/5/4.7 一致），提供四种思考形态——默认思考、交错思考（工具调用之间思考）、保留思考（跨轮保留推理内容，`clear_thinking: false`）、回合级思考（每回合独立开关），并给出"必须把历史 `reasoning_content` 原样回传"的 Agent 集成关键约束。
GLM-5.2 已由 Mistral 作为第三方开源模型托管（Public Preview，模型 ID `zai-glm-5-2`，1M 上下文 / 128k 输出，未做任何修改），可直接在 Mistral 生态（Vibe CLI 等）中用该 ID 接入，价格为 $1.4 / $0.14（缓存输入）/ $4.4（输出）每百万 token。
公开结果来自不同版本、档位和测试方法；未知值保持未知。
Z.ai 2026-06-16 发布材料把 GLM-5.2 定位为 1M context 的长时程旗舰，并报告 Terminal-Bench 2.1 81.0、SWE-Bench Pro 62.1；官方还披露训练阶段 reward-hacking 风险。
NIST CAISI 2026-07-17 发布、2026-07-08 完成的评估认为 GLM-5.2 综合能力接近 GPT-5.2、网络能力接近 Opus 4.6，但 safeguards 对 agentic exploit 与生物问题表现混合。
Semgrep 2026-06-22 的 IDOR 基准在相同数据集、评估方法和提示词下给 GLM-5.2 的 Pydantic AI prompt-only harness 39% F1、约 $0.17/漏洞；不是通用网络安全分数。
Z.ai
汇总 GLM-5.2 的提示词指南、测评与社区反馈，帮助你判断适合的任务并直接开始使用。