GLM 5.2 Fast 現已在 Fireworks 上線

GLM 5.2 Fast 現已在 Fireworks 平台正式上線，提供 Opus 級別的智能和開源價格，無需合同，按 token 付費。該模型專為智能體循環優化，在共享無服務器基礎設施上運行，無需預留 GPU，速度比標準路徑快 2-3 倍。

在 Fireworks 上，GLM 5.2 支持完整的 1M token 上下文窗口，具有高自適應速率限制且無需預先承諾，並提供積極的提示緩存定價——每 1M 緩存輸入 token 僅需 $0.14。它還兼容 OpenAI 和 Anthropic 的 API，並可選擇無服務器優先模式以增強擁塞時的可靠性。提示緩存不僅是一種折扣，更是使長上下文智能體變得實用的關鍵。智能體在多次交互中重複使用相同的大型前綴，而 Fireworks 通過多層緩存保持該前綴可重用，從而降低重複上下文的成本。

Fireworks 對 GLM 5.2 的架構進行了深度優化，將其視為混合了專家混合（MoE）和稀疏注意力（MLA）兩個子問題的模型。對於 MoE 側，Fireworks 針對不同工作負載平衡了分片策略，以最小化通信開銷和負載不均。對於注意力側，GLM 5.2 使用了 DeepSeek 的稀疏注意力，並增加了 IndexShare 機制，使索引器可以為一組層服務，將主要注意力的計算限制在固定數量的先前 token 上，從而降低長序列的計算複雜度。

為了確保速度與質量並存，Fireworks 使用了針對 GLM 5.2 調整的推測解碼、低精度推理（僅在質量評估通過時），並分離了預填充和解碼階段。在結構化輸出方面，Fast 路徑支持 JSON 模式、完整 BNF 語法模式和工具調用，且與標準路徑保持相同的質量評估標準。

GLM 5.2 Fast 在 SWE-bench Verified 上達到了 77.8% 的準確率，而 token 成本僅為閉源模型的一小部分。用户只需更改模型 ID 即可從標準路徑切換到 Fast 路徑，無需預留 GPU 或管理專用部署。Fireworks 鼓勵開發者立即開始使用 GLM 5.2 Fast 構建應用。