Descubra o GLM-5.2, o novo modelo de pesos abertos que rivaliza com GPT-5.5 em tarefas agênticas. Aprenda a configurar este modelo de baixo custo no Cursor via OpenRouter.
A Z.ai lançou um modelo de pesos abertos (open-weights) que rivaliza com os líderes proprietários em tarefas agênticas autónomas.
O que aconteceu
O GLM-5.2, concebido para codificação e trabalhos agênticos de longa duração, ocupa agora a posição de liderança entre os modelos abertos.
Detalhes do Modelo
-
Loop de codificação agêntica: Dada uma especificação de produto e, opcionalmente, um conjunto de avaliações (ou seja, um dataset para medir o desempenho), um agente de IA pode escrever código, testar o seu trabalho e iterar até que o código esteja livre de erros e cumpra a especificação.
-
Disponibilidade e Preço: Os pesos estão disponíveis para usos comerciais e não comerciais sob licença MIT via Hugging Face. O custo via API é de $1.40 / $0.26 / $4.40 por milhão de tokens de entrada/cache/saída, com planos de Codificação GLM entre $12.60 e $112 por mês. Os dados de treino e métodos específicos do GLM-5.2 não foram divulgados.
-
Desempenho: O GLM-5.2 apresentou o desempenho mais forte de qualquer modelo de pesos abertos nos testes da Artificial Analysis. Executou tarefas perto dos principais modelos proprietários da Anthropic e da OpenAI em várias avaliações agênticas, superando alguns e ficando ligeiramente atrás de outros.
Por que importa
Os programadores que consideram o Claude Opus 4.8 ou o GPT-5.5 demasiado dispendiosos podem obter capacidades agênticas e de codificação semelhantes por uma fração do custo, de acordo com a avaliação da Artificial Analysis sobre o custo por inteligência.
A nossa reflexão: Os pesos abertos continuam a aproximar-se dos melhores modelos fechados. O desempenho notável do GLM-5.2 em tarefas de desenvolvimento web e pós-treino sugere que capacidades agênticas avançadas estão disponíveis para qualquer pessoa com hardware suficientemente avançado, de forma gratuita.
Opinião pessoal
Minha opinião pessoal: Usei o período de testes gratuito pela OpenRouter e até o momento estou gostando. Por hora utilizei apenas em projetos pessoais para testes aplicado ao Cursor. Mas quero que você tenha a experiência por você. A seguir, demonstro como usar o GLM-5.2 no Cursor:
Como usar o GLM-5.2 no Cursor?
Para começar a usar o OpenRouter, que é uma excelente centralizadora para acessar diversos modelos de linguagem (como Claude, Llama, Gemini e outros) através de uma única API, siga este passo a passo detalhado:
Passo 1: Criar sua conta
-
Acesse o site oficial: https://openrouter.ai/.
-
No canto superior direito, clique no botão Sign In ou Sign Up.
-
O OpenRouter utiliza login via redes sociais (Google, GitHub, Discord, etc.). Escolha a opção de sua preferência para criar a conta rapidamente sem precisar decorar uma nova senha.
-
Após o login, você será redirecionado para o painel principal.
Passo 2: Configurar o saldo (Créditos)
O OpenRouter funciona no modelo pré-pago (créditos):
-
No menu principal, clique no ícone do seu perfil ou na aba Credits.
-
Clique em Add Credits.
-
Escolha o valor que deseja adicionar (o mínimo costuma ser baixo, facilitando testes).
-
O pagamento pode ser feito via cartão de crédito, ou até mesmo via criptomoedas, se você preferir.
-
Assim que o pagamento for confirmado, seu saldo aparecerá no painel de controle.
Passo 3: Gerar sua API Key
Esta é a chave que você usará nos seus códigos, ferramentas de automação ou aplicações.
-
No menu lateral ou na barra superior, procure por Keys ou acesse diretamente openrouter.ai/keys.
-
Clique no botão Create Key.
-
Nomeie sua chave: Dê um nome sugestivo (ex: “Projeto_Python_Local” ou “App_IA_Fluxo”) para que você saiba onde está usando cada uma futuramente.
-
Após clicar em confirmar, uma janela aparecerá com sua chave começando com
sk-or-v1-.... -
Atenção: Copie essa chave imediatamente e guarde-a em um lugar seguro (como um gerenciador de senhas ou arquivo
.env). O OpenRouter não mostrará essa chave completa novamente por motivos de segurança.
Passo 4: Configuração do modelo GLM-5.2 no Cursor
Abra as configurações do Cursor e na aba Models:
Expanda a seção “APY Keys” e cole a sua chave do OpenRouter no campo “OpenAI API Key”. Na sequência, em “Override OpenAI Base URL” sete com: https://openrouter.ai/api/v1/cursor
E ative o modelo GLM5.2 nos modelos do Cursor:
Pronto, agora pode usar no Cursor com todos os seus MCPS e Skills já instalados e configurados.
Depois envie o que achou.
Continue aprendendo sobre codificação com IA
Como Fazer o Code Review com IA Funcionar de Verdade – Para que o code review com Inteligência Artificial funcione de verdade e não gere apenas ruído, é essencial fornecer contexto claro sobre a arquitetura e as regras do projeto, direcionando a IA para focar em problemas específicos como segurança e performance. Integrada diretamente no fluxo de trabalho (CI/CD), a IA deve atuar como uma assistente ágil que filtra erros de padrão e redundâncias, liberando os desenvolvedores seniores para se concentrarem na lógica de negócios e nas decisões arquitetônicas mais complexas dos Pull Requests.
Resenha de Livro: “Engenharia de IA” – Construindo aplicações com modelos de fundação – O livro “Engenharia de IA: Construindo aplicações com modelos de fundação”, de Chip Huyen, é um guia prático que preenche a lacuna entre os conceitos teóricos de IA e a criação de produtos reais, ensinando como escolher o modelo certo (open-source ou proprietário), estruturar prompts de forma eficaz, integrar dados corporativos utilizando a arquitetura RAG (Retrieval-Augmented Generation) para reduzir alucinações e, principalmente, como testar e colocar essas aplicações em produção de maneira segura.
Currículo para IA e ATS: Guia Prático para Passar em Triagens Automáticas – O guia sobre “Currículo para IA e ATS” de 2026 orienta como otimizar currículos para passar pelos robôs de triagem (ATS – Applicant Tracking Systems) das empresas. O texto destaca a importância de usar formatos de arquivo simples (preferencialmente PDF estruturado ou Word), evitar layouts complexos como colunas duplas, imagens e gráficos que os algoritmos não conseguem ler, e incluir palavras-chave exatas da descrição da vaga. Além disso, recomenda estruturar as experiências focando em resultados quantificáveis e usar nomenclaturas padrão de mercado para cargos e habilidades, garantindo que tanto a inteligência artificial quanto o recrutador humano consigam processar as informações facilmente.
Repositórios e Skills Essenciais para Claude Code, Cursor e Codex – aborda como otimizar o uso dessas ferramentas de IA para desenvolvimento de software, destacando a necessidade de organizar os repositórios com documentação clara (como arquivos README e CONTRIBUTING.md), manter um código modular e adotar padrões de nomenclatura consistentes para facilitar a leitura pelos modelos. Além disso, enfatiza que os desenvolvedores precisam desenvolver habilidades focadas em “Engenharia de Prompt” para gerar instruções precisas, dominar a revisão de código assistida por IA e entender como configurar corretamente os limites de contexto das ferramentas, transformando a IA de um simples gerador de código para um verdadeiro parceiro de engenharia estrutural.
