GLM-5.2: l'open-weight di riferimento
GLM-5.2 di Z.ai è uno dei modelli open-weight più forti del 2026 su coding e long-horizon tasks. È un MoE da circa 744 miliardi di parametri (40B attivi), con context window solido da 1 milione di token e licenza MIT.
Il limite principale era l'assenza di visione nativa. Baseten ha risolto il problema senza ritrenare il modello.
L'approccio: vision encoder innestato, backbone congelato
La soluzione, chiamata GLM-5.2-Vision-NVFP4, tiene completamente congelati sia il backbone testuale di GLM-5.2 sia il vision encoder MoonViT-3d di Kimi-K2.6. L'unico componente allenato è un piccolo PatchMerger projector da 49,5 milioni di parametri che mappa le patch di MoonViT nello spazio token di GLM.
Il risultato è un modello multimodale che:
- mantiene le prestazioni di reasoning e coding di GLM-5.2
- supporta input immagine standard (fino a 4096 image token)
- conserva il context da 1M token
- è quantizzato in NVFP4 per ridurre il footprint
Un approccio pragmatico
È un approccio pragmatico: invece di aspettare una versione ufficiale V di Z.ai, la community può già usare un modello vision-ready basato sul miglior open-weight attuale.
I pesi e il codice di deployment (SGLang + plugin custom) sono pubblici su Hugging Face.
Testo: assistito da AI · revisionato da Carlos H. P. Ross
