صدرت نسخة أحدث: GLM-5.3اعرضها ←

GLM-5.2

MIT

Z.ai · 753B (40B active) · MoE

نموذج برمجة مفتوح في طليعة المجال — الأعلى في SWE-bench وسياق مليون رمز. تعرّف على ما إذا كان كرت شاشتك أو جهاز الماك قادرًا على تشغيل GLM-5.2 محليًا — 420.8 جيجابايت كحد أدنى، و701.3 جيجابايت موصى بها.

كيف تستخدم GLM-5.2 في Transformers

حمّل GLM-5.2 في بايثون عبر مكتبة Transformers من HuggingFace. هذه الأوزان الكاملة غير المكمَّمة، فتحتاج ذاكرة أكبر من ملفات GGUF.

عبر pipeline — الطريقة الأسهل

pip install -U transformers
# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="zai-org/GLM-5.2")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

تحميل النموذج مباشرة

pip install -U transformers
# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("zai-org/GLM-5.2")
model = AutoModelForCausalLM.from_pretrained("zai-org/GLM-5.2", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

التوثيق الرسمي: Transformers

كيف تستخدم GLM-5.2 في llama.cpp

يحمّل llama.cpp ملف GLM-5.2 من HuggingFace مباشرة ويشغّله، إمّا خادمًا متوافقًا مع OpenAI بواجهة ويب أو في الطرفية. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

التثبيت على macOS وLinux

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL
# Run inference directly in the terminal:
llama cli -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

التثبيت عبر WinGet على Windows

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL
# Run inference directly in the terminal:
llama cli -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

نسخة جاهزة من صفحة الإصدارات

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL
# Run inference directly in the terminal:
./llama-cli -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

البناء من الكود المصدري

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL
# Run inference directly in the terminal:
./build/bin/llama-cli -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

عبر Docker

docker model run hf.co/unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

التوثيق الرسمي: llama.cpp

كيف تستخدم GLM-5.2 في Ollama

ينزّل Ollama النموذج ويفتح محادثة محلية بأمر واحد. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

من مكتبة Ollama الرسمية

ollama run glm-5.2

من ملف GGUF على HuggingFace

ollama run hf.co/unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

التوثيق الرسمي: Ollama

كيف تستخدم GLM-5.2 في Pi

Pi وكيل برمجة يعمل في الطرفية. شغّل GLM-5.2 على خادم llama.cpp محلي ثم وجّه Pi إليه. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

شغّل خادم llama.cpp

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

أضف النموذج إلى Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "unsloth/GLM-5.2-GGUF:UD-Q4_K_XL"
        }
      ]
    }
  }
}

شغّل Pi

# Start Pi in your project directory:
pi

التوثيق الرسمي: Pi

كيف تستخدم GLM-5.2 في node-llama-cpp

شغّل GLM-5.2 من Node.js بلا تثبيت مسبق. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

محادثة مع النموذج

npx -y node-llama-cpp chat hf:unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

قدّر توافق النموذج مع جهازك

npx -y node-llama-cpp inspect estimate hf:unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

التوثيق الرسمي: node-llama-cpp

كيف تستخدم GLM-5.2 في Docker Model Runner

يشغّل Docker Desktop النموذج محليًا ويتيحه عبر واجهة متوافقة مع OpenAI. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

شغّل النموذج

docker model run hf.co/unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

التوثيق الرسمي: Docker Model Runner

كيف تستخدم GLM-5.2 في LocalAI

LocalAI خادم محلي متوافق مع OpenAI. استبدل {{GGUF_FILE}} باسم ملف GGUF الذي تريده من المستودع unsloth/GLM-5.2-GGUF.

التثبيت من ملف تنفيذي

curl https://localai.io/install.sh | sh
# Load and run the model:
local-ai run huggingface://unsloth/GLM-5.2-GGUF/{{GGUF_FILE}}

عبر صور Docker

# Pull the image:
docker pull localai/localai:latest-cpu
# Load and run the model:
docker run -p 8080:8080 --name localai -v $PWD/models:/build/models localai/localai:latest-cpu huggingface://unsloth/GLM-5.2-GGUF/{{GGUF_FILE}}

التوثيق الرسمي: LocalAI

كيف تستخدم GLM-5.2 في Lemonade

Lemonade خادم محلي من AMD يعمل على المعالجات وكروت الشاشة. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

نزّل النموذج

# Download Lemonade from https://lemonade-server.ai/
lemonade pull unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

شغّل النموذج وحاوره

lemonade run user.GLM-5.2-GGUF-UD-Q4_K_XL

اعرض كل النماذج المتاحة

lemonade list

التوثيق الرسمي: Lemonade

كيف تستخدم GLM-5.2 في Hermes Agent

وكيل Hermes من Nous Research. شغّل GLM-5.2 على خادم llama.cpp محلي ثم وجّه Hermes إليه. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

شغّل خادم llama.cpp

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

اضبط Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

شغّل Hermes

hermes

التوثيق الرسمي: Hermes Agent

كيف تستخدم GLM-5.2 في OpenClaw

OpenClaw وكيل مفتوح المصدر يعمل على جهازك. شغّل GLM-5.2 على خادم llama.cpp محلي ثم سجّله في OpenClaw. اختر مستوى الـ Quantization من القائمة، وتتحدّث الأوامر معه.

ملف GGUF من unsloth/GLM-5.2-GGUF

شغّل خادم llama.cpp

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf unsloth/GLM-5.2-GGUF:UD-Q4_K_XL

اضبط OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "unsloth/GLM-5.2-GGUF:UD-Q4_K_XL" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

شغّل OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

التوثيق الرسمي: OpenClaw

أوامر التشغيلHuggingFaceOllama
2026-06سياق 1024K

MoE

إجمالي الخبراء: 256
الخبراء النشطون: 8
المعاملات النشطة: 40.0B

مستويات الـ Quantization

Quantizationالبتاتالذاكرةالجودةالحالة
Q2_K2241.6GBمنخفضة—
Q3_K_M3338GBمتوسطة—
Q4_K_M4386.2GBجيدة—
Q5_K_M5482.6GBجيدة—
Q6_K6579.1GBممتازة—
Q8_08771.9GBممتازة—
F16161543.3GBبلا فقد—

الأرقام تشمل الأوزان وذاكرة KV عند طول سياق 2K توكن. غيّر طول السياق من لوحة جهازك لترى أثره على الذاكرة والسرعة.

التطبيقات

شغّل GLM-5.2 داخل أدوات البرمجة التي تعمل بالذكاء الاصطناعي — يشغّل الأمر خادم Ollama على جهازك، يحمّل النموذج، ثم يفتح الأداة موصولة به.

  • Claude Code

    وكيل البرمجة من Anthropic، يعمل في الطرفية وداخل المحرّر

    ollama launch claude --model glm-5.2
  • OpenCode

    وكيل برمجة مفتوح المصدر يعمل في الطرفية داخل مستودعك

    ollama launch opencode --model glm-5.2
  • Codex

    وكيل البرمجة من OpenAI في سطر الأوامر

    ollama launch codex --model glm-5.2
  • Droid

    وكيل البرمجة من Factory، للمهام الطويلة عبر عدّة ملفات

    ollama launch droid --model glm-5.2
  • Hermes Agent

    وكيل برمجة مفتوح من Nous Research، بذاكرة تمتد عبر الجلسات

    ollama launch hermes --model glm-5.2
  • OpenClaw

    وكيل مفتوح المصدر يشغّل المهام على جهازك بلا خدمة سحابية

    ollama launch openclaw --model glm-5.2

تحتاج Ollama والأداة نفسها مثبَّتين. إن لم تكن الأداة مثبّتة، يرشدك الأمر إلى طريقة تثبيتها. اكتب ollama launch وحده لاختيار الأداة من قائمة.

أسئلة شائعة عن تشغيل GLM-5.2 محليًا

هل أستطيع تشغيل GLM-5.2 على جهازي؟
يحتاج GLM-5.2 إلى 420.8 جيجابايت من الذاكرة كحد أدنى، والموصى به 701.3 جيجابايت. يكفي أن تفتح هذه الصفحة ليُقيَّم النموذج تلقائيًا أمام كرت شاشتك أو جهاز الماك، ثم تشغّله عبر Ollama أو LM Studio أو llama.cpp.
كم يحتاج GLM-5.2 من الـ VRAM؟
بتكميم Q4_K_M يستهلك GLM-5.2 نحو 386.2 جيجابايت من ذاكرة الكرت. أما المستويات الأعلى فتحتاج ذاكرة أكبر، والأدنى تناسب الكروت المحدودة مقابل تنازل في الجودة.