英伟达免费开放 GLM-5.2，这次开发者可以直接白嫖

英伟达这次确实有点“大善人”。

NVIDIA Build 上已经上线 Z.ai 的 GLM-5.2，页面里的 Model Availability 明确写着**：Free Endpoint：Available**。同一页还显示 Partner Endpoint 可用，Download Available 也可用。

这意味着开发者现在可以在 NVIDIA 的接口平台上直接试 GLM-5.2，不用先自己折腾部署，不用先找机器拉模型，先拿 API 跑起来再说。

入口在这里：

https://build.nvidia.com/z-ai/glm-5.2

这次开放的是什么

GLM-5.2 是 Z.ai 的最新旗舰大模型，NVIDIA 页面给它的定位很明确：面向 Agent 工作流、代码、长程推理和工具调用。

几个关键信息：

模型：z-ai/glm-5.2
提供方：Z.ai
NVIDIA Build 发布时间：2026 年 7 月 2 日
Hugging Face 发布时间：2026 年 6 月 16 日
参数规模：753B
架构：MoE，GLM + DSA + IndexShare sparse attention
上下文：1,000,000 tokens
默认最大输出：16,384 tokens，页面参数上限显示 32,768
输入输出：文本
支持：多轮对话、 system prompt 、 tool calling 、 streaming 、 structured output 、 reasoning traces 、 tool call responses

NVIDIA 的模型卡还写到，GLM-5.2 可以用于复杂软件工程、 Agent 工作流、数学推理、代码调试、终端自动化和长上下文多轮对话。

免费 Endpoint 的价值

很多大模型新闻看起来热闹，真正动手时会卡在第一步：没有可用接口，没有额度，没有部署环境。

GLM-5.2 这次放到 NVIDIA Build，最实用的点就是 Free Endpoint 。开发者可以先生成 NVIDIA API Key，再通过 OpenAI 兼容接口调用。

官方页面给出的 Python 调用方式是 OpenAI SDK 风格，核心是这几行：

from openai import OpenAI

client = OpenAI(
    base_url="https://integrate.api.nvidia.com/v1",
    api_key="$NVIDIA_API_KEY"
)

completion = client.chat.completions.create(
    model="z-ai/glm-5.2",
    messages=[{"role": "user", "content": "写一个 FastAPI 健康检查接口"}],
    temperature=1,
    top_p=1,
    max_tokens=16384,
    stream=True
)

for chunk in completion:
    delta = chunk.choices[0].delta
    if getattr(delta, "content", None):
        print(delta.content, end="")

这套接口对开发者很友好。以前接过 OpenAI 兼容接口的人，改 base_url 、 model 和 key 就能试。

适合先测哪些场景

我建议别只拿它问闲聊问题。 GLM-5.2 的卖点不在闲聊，而在长上下文、代码和 Agent 。

可以先测这些任务：

丢一大段项目文档，让它做架构梳理
给一个报错日志和相关代码，让它定位问题
让它拆解一个多步骤开发任务
测试 tool calling 和结构化输出
给它一段长需求，让它生成实现计划
用终端自动化任务测试它的连续推理稳定性

1M 上下文的价值在长任务里。代码库理解、长文档分析、复杂工作流规划，都属于它更该上场的地方。

自己部署也有路

NVIDIA 页面除了 Free Endpoint，还写了 Download Available，并给了 NIM 容器路径。

页面里的自托管命令大概是这样的：

docker login nvcr.io

export NGC_API_KEY=<你的 API Key>
export LOCAL_NIM_CACHE=~/.cache/nim
mkdir -p "$LOCAL_NIM_CACHE"
chmod -R a+w "$LOCAL_NIM_CACHE"

docker run -it --rm \
  --gpus all \
  --shm-size=16GB \
  -e NGC_API_KEY \
  -v "$LOCAL_NIM_CACHE:/opt/nim/.cache" \
  -p 8000:8000 \
  nvcr.io/nim/zai-org/glm-5.2:latest

不过自托管这条路对普通开发者不算轻。模型卡写到测试硬件包括 NVIDIA Grace Blackwell GB200x4 和 GB300x4，支持硬件也指向 Blackwell 、 Hopper，操作系统是 Linux 。

所以更现实的路径是：先用 Free Endpoint 测任务质量，确认值得投入，再考虑 Partner Endpoint 或自托管。

别忽略使用条款

NVIDIA 页面也写得很清楚：这个模型来自第三方 Z.ai，并非 NVIDIA 自研。试用服务受 NVIDIA API Trial Terms 约束，模型使用还涉及 NVIDIA Open Model Agreement，页面同时标注了 MIT License 相关信息。

它可以用于商业或非商业场景，但上线到真实产品前，还是要按自己的业务场景做安全、质量和合规测试。

这点尤其适合 Agent 类应用。能调用工具、能跑长任务，能力越强，越要做边界测试。

我的判断

这次最值得关注的点很具体：NVIDIA 把一个 1M 上下文、面向 Agent 和代码的国产模型放到了可直接调用的位置。

对开发者来说，这就是一个免费试车场。先拿自己的代码、文档和工作流跑一圈，看看它在长上下文和工程任务上到底能不能扛住。

如果你手上正好有 Agent 、代码审查、长文档分析、自动化执行这类任务，现在可以直接去 NVIDIA Build 试。

来源链接：

https://build.nvidia.com/z-ai/glm-5.2

来源：https://build.nvidia.com/z-ai/glm-5.2