6月17日，两件事撞在了同一天。
一边，第三方机构报告显示，ChatGPT全球市场份额首次跌破50%，从年初的过半降到46.4%。另一边，智谱AI正式开源GLM-5.2：1M无损上下文、Code Arena全球第二、开源模型第一、MIT协议，发布当天完成多款国产算力适配。
一个信号是旧格局正在松动；另一个信号是，开源阵营正在把高端能力往下释放。
把它们放在一起看，比分开看有意思得多。
1M上下文不稀奇，“无损”才稀奇
GLM-5.2最硬的指标，是1M无损上下文。
注意，不是简单说“支持1M”，而是强调长文本处理中的能力不明显退化。很多模型都在卷上下文长度，但“能塞进去”和“能稳定用起来”不是一回事。前者只是容量，后者才是能力。
智谱这次的关键，不只是把窗口拉长，而是把训练环境扩展到Coding Agent的长程任务里。换句话说，它不是让模型临时去读一大坨文本，而是让模型在训练阶段就习惯处理超长输入、长期任务和复杂工程上下文。
这也是为什么GLM-5.2的定位不是“聊天更强”，而是“长程编码和任务执行更强”。
在FrontierSWE等长程任务基准中，GLM-5.2的表现被描述为介于Claude Opus 4.7和4.8之间。这个对标对象很关键：Claude长期是编码和Agent任务里的强势玩家，GLM-5.2把自己放到这个坐标系里，说明它瞄准的不是普通问答，而是工程执行。
实际工程里，GLM-5.2被披露可一次处理约88万tokens，并完成Web、移动端、小程序等多平台应用的完整开发流程。
这句话翻译成人话就是：它想从“帮你补代码”，往“帮你做项目”走。
Code Arena全球第二，含金量在哪
GLM-5.2在Code Arena前端开发评测中排全球第二、开源模型第一。
排名当然重要，但我更在意另一件事：智谱从2025年初开始，连续推出GLM-4.5、GLM-4.7到GLM-5.2，路线非常清楚——死磕Coding和Agent。
为什么是代码？
因为代码是少数几个能高强度训练Agent能力的场景。
写文章、写方案，好坏很大程度取决于审美和语境；但写代码不一样，能不能运行、测试能不能过、依赖能不能装、报错能不能修，都是客观反馈。
这让编码变成了Agent能力的训练场：
- 要理解需求
- 要拆任务
- 要调用工具
- 要读错误日志
- 要迭代修复
- 要在长上下文里保持目标不跑偏
这些能力叠起来，才是“数字员工”的雏形。
GLM-5.2还引入了effort level控制机制。简单理解，就是让模型根据任务难度分配“思考力度”：简单任务快处理，复杂任务多花算力和步骤。这不是花哨功能，而是Agent落地时绕不开的效率问题。
一个能干活的模型，不能每次都用最大火力；也不能遇到复杂任务还像聊天机器人一样随口回答。
IndexShare架构：把1M上下文的成本打下来
超长上下文最大的敌人不是宣传口径，而是算力成本。
上下文越长，注意力计算越贵。很多模型“支持长上下文”，但真到生产环境，企业会发现：不是不能用，是用不起。
GLM-5.2这次提到的IndexShare架构，核心意义就在这里：在1M上下文下，把单位token FLOPs控制到约2.9倍。
这个数字听起来不性感，但很关键。因为长上下文如果成本压不下来，就永远只是演示视频里的能力。只有成本进入可接受区间，企业才敢把它放进真实工作流。
再加上MTP层改进和投机解码优化，GLM-5.2解决的不是“能不能跑”，而是“能不能持续跑、便宜跑、批量跑”。
这才是开源的真正价值：不是给你一个好看的模型名字，而是给你一个更可能部署起来的工程底座。
开源阵营的座次正在变
把GLM-5.2放回开源生态里看，位置很微妙。
DeepSeek、Qwen、Llama、GLM，都在开源阵营里抢开发者心智。但它们下注的重点并不完全一样。
DeepSeek更强调通用能力和模型效率；Qwen的生态和工具链覆盖很强；Llama仍然是全球开源模型的重要基准；GLM-5.2这次则把焦点压在两个字上：Agent。
更具体一点，是“长上下文+编码+任务执行”。
这三个东西连在一起，意义就不一样了。长上下文让模型记得住项目，编码能力让模型能改动现实系统，任务执行能力让模型能从一步问答走向多步工作流。
这也是为什么MIT协议很重要。
对企业来说，开源不是情怀，而是风险控制：能不能商用？能不能私有化？能不能放进自己的工程体系？后续授权会不会卡脖子？
GLM-5.2采用MIT协议，等于把试用门槛和商业化门槛都压低了。开发者和企业可以更放心地拿去做二次开发、私有部署和行业Agent。
国产算力适配：被低估的胜负手
GLM-5.2还有一条容易被忽略的信息：发布当天，它完成了华为昇腾、平头哥、摩尔线程等国产计算平台的推理适配。
这件事不该只当“兼容性更新”看。
因为模型开源只是第一步，能不能在你买得到、用得起、可持续供应的算力上跑，才决定它能不能成为生产力。
如果一个开源模型只能舒服地跑在少数高端GPU上，那它的开放性会被算力现实打折。反过来，如果模型权重、推理框架、国产芯片适配一起推进，才有可能形成真正的本土AI基础设施闭环。
这不是说国产算力已经全面追平，而是说：模型厂商开始把“能在国产算力上跑好”当成首发能力，而不是事后补丁。
这一步很现实，也很关键。
真正的拐点：从助手到数字员工
回到开头那两件事。
ChatGPT份额跌破50%，说明AI应用市场不再是“一家独大”的早期阶段。用户开始在不同模型之间切换，企业也开始把不同模型放进自己的工作流里比较。
GLM-5.2开源，则说明另一件事：高端模型能力正在从闭源巨头的专属能力，变成开源生态可以获取的基础设施。
1M上下文不是为闲聊准备的。
它更像是给Agent准备的工作台：项目文档、代码仓库、历史对话、错误日志、设计约束、接口说明，全都塞进去，然后让模型围绕一个长期目标持续推进。
当模型能读得多、记得住、会写代码、能调用工具，还能控制不同任务上的思考力度，它就不再只是“回答问题的助手”。
它开始接近“能交付任务的数字员工”。
当然，GLM-5.2还不是终点。开源不等于自动成功，跑分也不等于产品体验。真正的考验在后面：开发者会不会用它，企业敢不敢部署，国产算力上的实际成本和稳定性到底如何。
但至少这次，智谱把一张很关键的牌摊在了桌面上。
旧格局正在松动，新牌局刚刚开始。
事实来源：AIBase对GLM-5.2开源信息的报道、AIBase对AI助手市场份额报告的整理；相关模型版本信息参考本号模型版本追踪表。具体性能以官方模型卡、开源仓库和后续第三方复测为准。
文章配图为AI辅助生成/程序生成示意图。