如果你正在为商业项目评估开放权重模型，许可证条款的重要程度不亚于基准分数。GLM 5.2 采用 MIT 许可证发布——这是使用最广泛的宽松开源许可证——意味着你可以构建产品、销售服务、微调权重、再分发你的成果，无需版税，也没有 copyleft 义务。
一句话版本
GLM 5.2 是 753B 参数的 MoE 模型，40B 激活参数，由 THUDM（Zhipu AI）以 MIT 许可证发布。权重托管在 Hugging Face 的 THUDM/GLM-5.2。MIT 授予商用、修改、分发、私人使用和再许可的权利，只有一个要求：每当你分发软件或其衍生作品时，必须附上原始版权声明。没有 copyleft 条款、没有用户数上限、没有专利授权复杂化。你不需要公开微调后的权重，也可以在 SaaS 产品里运行该模型，服务任意数量的付费客户。
选 GLM 5.2，如果你需要一个前沿级的开放权重模型，且商用部署、微调或再分发都零许可麻烦。
选 Llama 3，如果你的团队已经深度投入 Meta 生态，且你的产品月活用户少于 7 亿（Meta 社区许可证在这个阈值之上会施加额外义务）。
选 Apache 2.0 模型，如果你的法务团队明确要求在许可证文本里写明专利授权，而不是靠推断。
选完全闭源的 API，如果你不想承担任何基础设施责任，也不需要拥有或控制权重。
快速许可对比
| 特性 | GLM 5.2 (MIT) | Llama 3 Community | Apache 2.0 | AGPL-3.0 |
|---|---|---|---|---|
| 商用 | 允许 | 允许（7 亿 MAU 以下） | 允许 | 允许 |
| 大规模商用 | 允许，无上限 | 7 亿 MAU 以上需 Meta 许可 | 允许 | 允许 |
| 微调并保留私有权重 | 允许 | 允许 | 允许 | 不允许（必须公开） |
| 再分发微调后权重 | 允许 | 允许 | 允许 | 允许，须附源码 |
| 在其上构建 SaaS | 允许 | 允许 | 允许 | 通过网络分发须共享源码 |
| 无版税 | 是 | 是 | 是 | 是 |
| 许可证文本中的专利授权 | 无（权重不需要） | 无 | 有 | 无 |
| 需保留版权声明 | 是 | 是 | 是 | 是 |
| 相同方式共享义务 | 无 | 无 | 无 | 有 |
| 用户数限制 | 无 | >7 亿 MAU 需要额外许可 | 无 | 无 |
| 权重位置 | HuggingFace THUDM/GLM-5.2 | HuggingFace meta-llama | 各平台 | 各平台 |
MIT 许可证实际允许什么
MIT 许可证是一份两段式的文档。核心措辞授予任何收到软件的人「免费获得处理本软件的权利，不受限制，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或销售本软件副本的权利」。
对于以 MIT 发布的 AI 模型，这转化为五项具体权限：
- 商用权重。 你可以用自己的服务器跑 GLM 5.2 推理，并让客户为输出付费。无版税、无收入门槛、无报告要求。
- 修改模型。 微调、量化、蒸馏、适配器层、LoRA、QLoRA——全部允许。你的修改归你所有。
- 修改保持私有。 与 AGPL 或 GPL 不同，MIT 没有 copyleft。你永远不必公开微调后的 checkpoint、系统提示或训练管线。
- 再分发。 你可以把 GLM 5.2 权重（原始或修改版）打包进产品，卖给他人或赠送他人。
- 再许可。 你可以把 MIT 权利授权给你的衍生作品客户，也可以对你的衍生作品采用不同许可——只要保留原始版权声明。
唯一义务是机械性的：任何对软件或其衍生作品的分发都必须包含 MIT 版权声明和许可文本。实践中就是要在你的仓库或产品包里放一个 LICENSE 文件，注明 Zhipu AI。这就是你的全部法律义务。
MIT 下的微调：没有意外
微调是许可证摩擦通常咬住开发者的地方。AGPL-3.0 模型要求你在通过网络分发软件时公开源码（法院越来越倾向于把模型权重也解释进「源码」）。有些社区许可要求衍生模型沿用同一许可。
GLM 5.2 的 MIT 许可下，这些全都不适用。你可以：
- 从 HuggingFace 下载权重。
- 在专有数据集上跑监督微调、RLHF、DPO 或任何其他适配技术。
- 把得到的 checkpoint 部署到私有环境或面向客户的产品里。
- 永远不公开微调后的权重。
- 随心所欲地为你的微调模型授权——MIT、专有或任何其他——只要原始 MIT 版权声明随权重一起传递。
这正是开发者对 MIT 许可代码库习以为常的自由，如今应用到了一个前沿的 753B MoE 模型上——1M token 上下文窗口、GPQA Diamond 89%、SWE-bench Pro 62.1%。
商用产品的自托管
MIT 下自托管 GLM 5.2 完全合法。模型架构——78 层 transformer decoder，每层 256 个专家、激活 8 个（MoE），以及 Deep Sparse Attention 机制——意味着激活参数数为 40B，尽管总数是 753B。这改变了硬件算账方式：MoE 模型每次前向计算只激活一小部分参数，所以推理可以跑在那些对稠密 753B 模型来说不够用的硬件上。
如果你不想管 GPU 基础设施，托管 API 在 Z.ai（base URL https://api.z.ai/v1，模型 ID glm-5.2）可用，输入 token $1.40/M、输出 token $4.40/M，缓存命中 $0.26/M。OpenRouter 也提供该模型，路径为 z-ai/glm-5.2。自托管是用基础设施成本换取高流量下的更低的单 token 成本和完整的数据隐私。MIT 许可不限制你走哪条路。
MIT 与 Llama 3 社区许可的对比
Llama 3 用的是自定义的「社区许可证」，不是标准的开源许可证。对大多数开发者来说，实际差异不大：允许商用、允许微调、允许再分发。明显的限制是 7 亿月活用户阈值。任何使用 Llama 3、达到 7 亿 MAU 的产品或服务，都必须向 Meta 申请单独的许可。Meta 确实发过这种许可，但对快速成长的产品来说，这个流程引入了不确定性。
GLM 5.2 的 MIT 许可没有这种条款。今天基于 GLM 5.2 创业的公司，不需要审计用户数、不需要在日历上设置检查阈值的提醒、达到规模后也不需要和 Zhipu AI 谈判。条款由 MIT 文本固定，不随用量变化。
第二个差异是标准化。MIT 是 OSI 批准的标准化许可，有几十年的法律先例。Llama 的社区许可是自定义文件，受监管行业的法务团队——金融、医疗、政府合同——可能需要单独审查和批准。MIT 通常能更快通过法务审核，因为大多数企业法务部的标准许可库里有它。
MIT 与 Apache 2.0 的对比
Apache 2.0 同样宽松，同样允许无 copyleft 的商用。有意义的差异在于明确的专利授权：Apache 2.0 包含一个把贡献者的专利权授予用户的条款。如果模型的训练或微调者持有相关专利，Apache 2.0 提供正式的专利许可，而 MIT 没有。
对 AI 模型权重而言，这个区别基本是理论性的。模型权重不是传统意义上的软件代码，针对具体权重张量的专利格局很薄。大多数为 AI 产品提供建议的法律从业者，在实践中把 MIT 和 Apache 2.0 对模型权重视为等价。如果你的法务团队特别把专利授权列为硬性要求，Apache 2.0 模型才是要评估的替代选项。否则，MIT 更短的文本和更广的认可度给了它实际优势。
GLM 5.2 模型规格
为完整起见，这里列出与许可证条款一并评估时团队需要的关键技术和定价规格。
| 规格 | 值 |
|---|---|
| 参数量 | 753B 总参数 / 40B 激活 |
| 架构 | Transformer decoder, MoE |
| 层数 | 78 |
| 每层专家数 | 256 总专家，8 激活 |
| 注意力 | Deep Sparse Attention (DSA) |
| 上下文窗口 | 1,048,576 tokens (1M) |
| GPQA Diamond | 89% |
| SWE-bench Pro | 62.1% |
| Terminal-Bench v2.1 | 78% |
| HumanEval | 90%+ |
| 速度 | 158 t/s（Artificial Analysis） |
| TTFT | 1.54s |
| 输入价格 | $1.40/M tokens |
| 输出价格 | $4.40/M tokens |
| 缓存命中 | $0.26/M tokens |
| 模态 | 仅文本 |
| 许可证 | MIT |
| 权重 | HuggingFace THUDM/GLM-5.2 |
GLM 5.2 定价明细 对比较托管与自托管经济性的团队，有更详细的成本建模。
什么时候选 GLM 5.2
- 你在构建商业产品，需要前沿级智能且零许可风险
- 你的法务团队要求标准 OSI 批准许可（而非自定义社区许可）
- 你计划在专有数据上微调模型，并希望权重保持私有
- 你预期规模会扩展到任意用户数，无需重新谈判许可条款
- 你需要 1M token 上下文窗口处理文档密集型工作流
- 你希望出于数据隐私或成本原因可以自托管，且无需任何许可审查
- 你的用例需要开放权重许可下的强编码能力（SWE-bench Pro 62.1%）
- 你要把衍生模型分发给出偏好的 MIT 审核软件的企业客户
什么时候看替代方案
- 你的团队已深度集成 Meta 的工具和 Llama 生态，且 7 亿 MAU 阈值不适用于你的用例
- 你的法务团队出于合规原因明确要求 Apache 2.0 专利授权
- 你需要多模态能力——GLM 5.2 仅文本；如果你的应用要处理图像或把文档当图像处理，考虑带视觉输入的模型
- 你的推理基础设施装不下大型 MoE 模型，需要一个更小的稠密模型
常见问题
我可以在向客户收费的 SaaS 产品里用 GLM 5.2 吗？
可以。MIT 许可证明确允许销售软件副本和基于它的服务。你可以运行 GLM 5.2 推理、通过 API 或用户界面提供结果、向客户收费，无需向 Zhipu AI 支付任何版税。唯一的要求是：如果你分发模型权重本身——例如在本地企业部署中——需要附上 MIT 版权声明。
我必须公开微调后的权重吗？
不用。MIT 不是 copyleft 许可，没有相同方式共享要求。你可以在专有数据上微调 GLM 5.2、私有部署得到的 checkpoint、出售访问权，永远不发布修改后的权重。这和 MIT 许可软件代码下你拥有的权利一样。
GLM 5.2 上的 MIT 许可是标准的 MIT 许可证吗？
是的。模型以标准 MIT 许可证文本发布，不是自定义或修改版。你可以在 HuggingFace 的 THUDM/GLM-5.2 仓库里核实。
为了合规，我的产品里实际需要包含什么？
包含 MIT 版权声明和许可文本。在软件产品里，通常就是一个 LICENSE 文件或文档里的「Open Source Notices」章节，包含注明 THUDM 作者的 MIT 文本。如果你只是调用 Z.ai 的托管 API 而不再分发权重，你很可能没有任何分发义务——API 条款是另一回事。
GLM 5.2 的 MIT 许可对我的企业客户有什么影响？
企业法务团队一般能快速通过 MIT 审核，因为它是标准、广为人知的许可。如果客户问你产品里的 AI 模型用什么许可，MIT 是最容易回答的答案之一。对比自定义社区许可——那需要客户法务阅读并批准一份非标准文档。
我可以在政府或受监管行业的应用里用 GLM 5.2 吗？
MIT 许可不是限制因素。政府和受监管行业的部署受制于数据驻留、安全分级和供应商审批流程——这些都不是模型许可能控制的。MIT 的宽泛权限和标准文本，实际上比自定义许可更容易通过采购流程。
MIT 许可同时覆盖权重和模型代码吗？
MIT 许可适用于在该许可下发布的权重。THUDM 仓库中的周边代码可能采用相同或兼容的许可。像集成任何开源发布一样，直接审查仓库确认每个组件由哪个许可覆盖。
总结
GLM 5.2 是少数以 MIT 许可证提供的前沿级模型之一——GPQA Diamond 89%、753B MoE 参数、1M token 上下文。这种能力与许可简单性的组合并不常见。如果你的团队需要一个用于商业产品、微调管线或自托管部署的开放权重模型，GLM 5.2 拿掉了拖累其他大模型部署的许可摩擦。MIT 文本只有两段。分发时附上版权声明，其余一切皆被允许。
试用 GLM 5.2——无需 API key：glm5.app/chat。
来源
（来源链接）
- HuggingFace 上的 THUDM/GLM-5.2 —— 权重与官方许可文件
- Artificial Analysis — GLM 5.2 基准与速度数据 —— AA Intelligence Index 51、158 t/s、TTFT 1.54s
- Open Source Initiative — MIT License —— 权威的 OSI 批准 MIT 文本与说明
- Meta Llama 3 社区许可协议 —— 7 亿 MAU 阈值与附加条款
- Apache License 2.0 —— 完整文本，含专利授权条款
