> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tess.im/llms.txt
> Use this file to discover all available pages before exploring further.

# GLM 5.2

O GLM-5.2 é o modelo de linguagem *open-source* (código aberto) de alto desempenho desenvolvido pela Zhipu AI, projetado especificamente para tarefas de longo horizonte (*long-horizon tasks*).

Com uma janela de contexto massiva de 1 milhão de tokens sem perda de precisão (*lossless*), ele é a escolha ideal para leitura de bases de código completas, refatorações complexas interligadas e desenvolvimento avançado de *workflows* de engenharia estruturados por agentes na Tess.

| **Model ID**<br /><br />glm-5.2                                                                           | **Context Window**<br /><br />1M | **Max Context**<br /><br />128K | **Provider**<br /><br />Zhipu AI         |
| :-------------------------------------------------------------------------------------------------------- | :------------------------------- | :------------------------------ | :--------------------------------------- |
| **Capabilities**<br /><br /><Icon icon="infinity" />  <Icon icon="brain" /> <br /><Badge>Thinking</Badge> | **Speed**<br /><br />Medium      | **Cost**<br /><br />Medium      | **Intelligence**<br /><br />Text-to-Text |

## Capacidades

* Reasoning: Possui modo *Thinking* com capacidade de ajuste e esforço controlável para tarefas difíceis.
* Tools (Function Calling / MCP): Altamente confiável e focado em manter o escopo.
* Structured Output (JSON): Ideal para integrar perfeitamente com os fluxos operacionais de ferramentas externas.

<Info>
  Veja mais na documentação oficial: [documentação glm 5.2](https://docs.z.ai/guides/llm/glm-5.2).
</Info>

## Detalhamentos (contexto, custo, retenção)

<Card title="Contexto Lossless Extremo">
  O suporte a 1 milhão de tokens possibilita enviar um repositório inteiro de código, manuais extensos e históricos pesados em um só *prompt* de agente. Ele mantém informações contínuas sem se perder em "alucinações" conforme o chat avança. Possui suporte a *Context Caching*, que barateia conversas longas na plataforma.

  <Note>
    Para usar o contexto máximo é preciso ativar o Max Mode no chat, mas isso pode implicar em mais custos.
  </Note>
</Card>

<Card title="Eficiência de Custo">
  Ele consegue superar diversos concorrentes (como DeepSeek v4 e Gemini 3.1 Pro no aspecto de código sustentado) custando cerca de 1/6 do valor de alternativas proprietárias equivalentes de outros provedores.
</Card>

## Preço e consumo

O consumo de créditos na Tess para este modelo ocorre conforme os tokens processados:

* Tokens de Input (Leitura ambiental / *Prompt*): 0.672 créditos / 1K de tokens
* Tokens de Output (Geração de resposta): 2.112 créditos / 1K de tokens

<Note>
  *Tarefas com 1M de tokens podem gerar alto pico de consumo de leitura devido ao volume absoluto de dados inseridos no input. O uso do recurso Context Caching pode auxiliar na redução automática desse custo.*
</Note>

<Tip>
  **Boas práticas**

  * **Defina limites de segurança na codificação:** Por seguir estritamente padrões arquitetônicos de produção, dê instruções restritivas claras no *prompt*, como: *"Adote os padrões de lint, use a convenção de commit X, e teste isoladamente a regra Y"*. O GLM-5.2 retém esse comando muito melhor do que modelos convencionais.
  * **Aumente o raciocínio em interações com *Bugs*:** Para problemas como análise de logs de servidor, deixe instruído em seu *prompt* e nos Agentes para utilizarem raciocínio passo a passo antes de imprimir a solução final.
  * **Desvie casos multimodais:** Como ele não tem habilidades de imagem (*Vision*), se a sua automação precisar ler telas e fazer testes via prints da interface visual, roteie essa etapa primeiro para os modelos GLM-5V-Turbo ou GLM-OCR.
</Tip>

O modelo GLM-5.2 da Zhipu AI quebra a barreira entre o código aberto e a execução corporativa de altíssimo nível. Com sua capacidade de absorver muitas informações aliada ao raciocínio lógico focado em manter o prumo para tarefas longas, ele é a ferramenta ideal dentro da Tess para engenheiros, pesquisadores avançados e criadores de automações que não podem arriscar falhas técnicas em grandes volumes de transição de dados.