量化漫谈系列之二十一：GLM-5.2：Agent工具最优模型，长程任务能力登顶

2026年6月17日，智谱AI正式发布并开源新一代旗舰基座模型GLM-5.2。该模型延续GLM-5系列面向AI Coding与长程Agent任务的核心定位，采用MIT开源协议且无地域限制，面向全量Coding Plan用户开放，是智谱迄今能力最强的开源模型。其核心突破为实现100万token无损上下文，经长程编码场景专项强化训练，可支撑完整项目级工程上下文交付；在三项主流长程任务基准测试中位列开源模型首位，整体能力介于Claude Opus 4.7与4.8之间。编程能力层面，GLM-5.2在Code Arena全球前端开发盲测中居可用模型第一，支持多档思考强度灵活调节；同评测口径下，多数编程与长程任务指标领先DeepSeek-V4-Pro。架构端通过IndexShare索引共享、MTP推测解码优化等技术创新，1M上下文下单token FLOPs降低约2.9倍，长序列推理吞吐较前代大幅提升。 在金融领域专项评测中，GLM-5.2展现出顶尖的中文金融文本理解能力。基于CFLUE金融应用评估数据集的测试显示，其在金融文本分类、信息抽取、阅读理解等任务上表现优异，整体优于多数国产及海外主流大模型。针对Parquet金融数据分析、研报网页爬虫、A股择时回测框架三类典型投研任务的实测表明，GLM-5.2可实现端到端工程交付，具备突出的任务意图识别与深度数据洞察能力，代码工程完成度高，能有效减少人工干预、提升落地效率。综合来看，GLM-5.2兼顾长程任务稳定性、工程编码能力与金融语义理解能力，可作为复杂AI Agent任务的优选基座模型。 高频因子跟踪 我们对前期挖掘的高频选股因子进行跟踪测试，发现因子在样本外整体表现出色。就上周表现来看，因子表现有所波动，价格区间因子多头超额收益率-2.17%，价量背离因子0.65%，遗憾规避因子-0.71%，斜率凸性因子-2.63%。本月以来，价格区间因子多头超额收益率为0.03%，价量背离因子-0.30%，遗憾规避因子-1.60%，斜率凸性因子-1.70%。今年以来高频因子表现整体中性，价格区间因子多头超额收益率6.89%，价量背离因子7.05%。遗憾规避因子表现欠佳，多头超额收益率-2.57%，斜率凸性因子多头超额收益率-3.09%。 其中价格区间因子衡量股票在日内不同价格区间成交的活跃程度，能体现出投资者对于股票未来走势的预期。该因子展现出了较强的预测效果，今年以来表现比较稳定。价量背离因子主要衡量股票价格与成交量的相关性，一般而言相关性越低，未来上涨的可能性越高。但该因子近几年表现一直不太稳定，多空净值曲线趋近走平，不过去年超额收益处于历史较高水平。遗憾规避因子通过考察股票当天被投资者卖出后反弹的比例和程度，展现了较好的预测效果。该因子样本外超额收益稳定，表明A股投资者的遗憾规避情绪依然会显著影响股价的预期收益。而斜率凸性因子则从投资者耐心与供求关系弹性的角度出发，刻画订单簿的斜率和凸性对预期收益的影响。 我们将三类高频因子首先等权合成后构建出了高频“金”组合中证1000指数增强策略，该策略年化超额收益率8.28%，超额最大回撤为12.21%。为考虑进一步增强策略的业绩表现，我们将高频因子与三个比较有效的基本面因子进行等权合成构建出了高频&基本面共振组合中证1000指数增强策略，该策略在样本外超额收益稳定。上周录得-1.38%的超额收益，本月以来超额收益为-1.63%。截止到上周，该策略的年化超额收益率为13.33%，超额最大回撤为5.14%。风险提示 结果通过历史数据统计、建模和测算完成，历史规律不代表未来；在市场环境发生变化时，模型存在失效的风险;策略依据一定的假设通过历史数据回测得到，当交易成本或其它条件改变时，可能导致策略收益下降甚至出现亏损；大模型输出的内容存在一定的随机性和准确性风险；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。 内容目录 一、GLM-5.2发布：1M无损上下文+编程能力再度进阶................................................41.1 1M无损上下文：让长程任务从“能跑”到“跑得稳”..............................................41.2 Coding能力：榜单与开发者双重验证......................................................41.3与DeepSeek-V4同口径基准对比..........................................................61.4面向长上下文的架构与训练创新...........................................................71.5 API调用说明...........................................................................8二、GLM-5.2实测点评...........................................................................92.1 GLM-5.2对中文金融文本的理解能力突出...................................................92.2 GLM-5.2复杂任务评测..................................................................10三、高频因子超额收益概览......................................................................13四、各类高频因子近期表现跟踪..................................................................131.高频价格区间因子.......................................................................132.高频量价背离因子.......................................................................153.遗憾规避因子...........................................................................164.斜率凸性因子...........................................................................18五、基于基本面因子与高频因子构建的中证1000指数增强策略表现...................................20附录一：高频“金”组合中证1000指数增强策略本周持仓列表..........................................22附录二：高频&基本面共振组合中证1000指数增强策略本周持仓列表..................................23风险提示......................................................................................24 图表目录 图表1：GLM-5.2在长程任务评测上居开源第一.....................................................4图表2：主流编程基准对比（GLM-5.2/GLM-5.1/Opus 4.8/GPT-5.5/Gemini 3.1 Pro）....................5图表3：Code Arena前端开发盲测排行：GLM-5.2位列第2、可用模型第一............................5图表4：不同effort档位下的Agentic Coding表现...............................................6图表5：GLM前代模型及Deepseek-v4规格与价格对比...............................................6图表6：多基准对比顶尖模型....................................................................7图表7：GLM-5.2架构变化：IndexShare降低单token FLOPs（约2.9×）、MTP acceptance length提升约20%............................................................................................7图表8：不同序列长度下归一化推理吞吐（以GLM-5.1@32K为1x；OOC表示超出上下文）.................8图表9：API调用基础示例.......................................................................8图表10：API调用核心参数......................................................................9图表11：CFLUE金融应用评估数据集构成..........................................................9 图表12：金融应用评估结果....................................................................10图表13：ZCode + GLM-5.2执行数据分析结果.....................................................11图表14：ZCode + GLM-5.2执行数据分析自动生成热力图...........................................11图表15：ZCode+ GLM-5.2识别任务意图进行对应分析.............................................11图表16：ZCode + GLM-5.2给出调研数据的深度分析...............................................11图表17：ZCode + GLM-5.2执行网络爬虫结果.....................................................12图表18：ZCode + GLM-5.2生成择时回测策略买卖时点.............................................12图表19：ZCode + GLM-5.2生成择时回测策略净值走势.............................................12图表20：各大类高频因子近期在中证1000指数成分股的选股表现...................................13图表21：价格区间细分因子近期在中证1000指数成分股的收益表现.................................13图表22：价格区间细分因子最近一周在中证1000指成分股的收益表现...............................14图表23：价格区间因子净