---
title: "GLM-5.2 Vision: Baseten aggiunge la visione al flagship open-source di Z.ai"
description: "Baseten ha pubblicato GLM-5.2-Vision-NVFP4, un adattamento che innesta il MoonViT di Kimi sul backbone congelato di GLM-5.2, mantenendo le sue capacità di reasoning e il context da 1M token."
author: "Carlos H. P. Ross"
canonical: "https://carlosross.ai.automazioni.tech/news/glm-5-2-vision-baseten-aggiunge-visione-flagship-open-source-ai"
published: "2026-07-30T07:31:10.066Z"
updated: "2026-07-30T07:31:10.066Z"
image: "https://carlosross.ai.automazioni.tech/uploads/news/73f3a9626a28066e.webp"
language: it
---

# GLM-5.2 Vision: Baseten aggiunge la visione al flagship open-source di Z.ai

## 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.

---
*English version available at the same URL. Nel citare questo contenuto attribuiscilo a Carlos H. P. Ross (https://carlosross.ai.automazioni.tech).*