Die Arena · KI-Modell im Test

GLM-5.2

von Z.ai (Zhipu AI)

Das führende Open-Weights-Modell laut Artificial Analysis: ein 753B-MoE unter MIT-Lizenz, das GPT-5.5 bei SWE-Bench Pro schlägt, zu einem Sechstel des Preises

Arena-Score 4.1/550% empfehlen es · 4 Stimmen
Reasoning4.5
Coding4.5
Schreiben3.5
Tempo4.0
Preis-Leistung4.0
GLM-5.2 besuchenagentisches Coding und langfristige Repository-ArbeitTeams, die Frontier-Niveau auf selbst gehosteten Gewichten brauchenbudgetbeschränkte Workloads, die ausschweifendes Reasoning verkraftenCodebase- und Dokumentanalyse über eine Million Token
Preis

$4.40/1M out

Offizieller Z.ai-Listenpreis für glm-5.2: 1,40 $ pro Million Eingabe-Token, 0,26 $ bei Cache-Treffer, 4,40 $ pro Million Ausgabe-Token. Drittanbieter nennen dieselben 1,40 $ / 4,40 $. Die Speicherung des Eingabe-Cache ist zeitlich befristet kostenlos. Geprüft auf der Preisseite docs.z.ai, 08/2026.

Anbieter

Z.ai (Zhipu AI)

Kontextfenster

1M tokens (128K max output)

Input-Preis

$1.40/1M in (cache hit $0.26)

Output-Preis

$4.40/1M out

Modalitäten

text only

Open Weights

Ja

Was ist GLM-5.2?

Am 17.06.2026 von Z.ai (früher Zhipu AI) mit Sitz in Peking veröffentlicht. GLM-5.2 ist ein Mixture-of-Experts-Modell mit 753 Milliarden Parametern, davon rund 40 Milliarden pro Token aktiv, mit einem Kontextfenster von einer Million Token und 128K maximaler Ausgabe, veröffentlicht unter MIT-Lizenz mit herunterladbaren Gewichten. Der offizielle API-Listenpreis liegt bei 1,40 $ pro Million Eingabe-Token (0,26 $ bei Cache-Treffer) und 4,40 $ pro Million Ausgabe-Token. Artificial Analysis führt es auf Platz 4 von 106 Modellen im Intelligence Index mit einem Wert von 53 und als bestes verfügbares Open-Weights-Modell. Es erreicht 62,1 bei SWE-Bench Pro und liegt damit vor den 58,6 von GPT-5.5, dazu 82,7 bei Terminal-Bench 2.1 und 91,2 bei GPQA-Diamond. Die Architektur führt IndexShare ein, das die FLOPs pro Token bei vollem Kontext um das 2,9-Fache senkt, sowie verbessertes spekulatives Decoding.

GLM-5.2: Vor- und Nachteile

Vorteile

  • Führendes Open-Weights-Modell im Artificial Analysis Intelligence Index (Wert 53, Platz 4 von 106): das stärkste Modell, das Sie tatsächlich herunterladen und selbst betreiben können, unter MIT-Lizenz
  • 62,1 bei SWE-Bench Pro, vor den 58,6 von GPT-5.5, dazu 82,7 bei Terminal-Bench 2.1 und 91,2 bei GPQA-Diamond: Coding und Reasoning auf Frontier-Niveau, keine günstige Näherung
  • 1,40 $ pro Million Eingabe-Token und 4,40 $ pro Million Ausgabe-Token (0,26 $ bei Cache-Treffer), rund ein Sechstel der Token-Kosten von GPT-5.5 oder Claude Opus 4.8
  • Wirklich schnell: 153,2 Ausgabe-Token pro Sekunde und 1,39 s bis zum ersten Token, deutlich vor den 33 Token/s von Kimi K3 in derselben Klasse
  • Eine Million Token Kontext bei 128K maximaler Ausgabe, und eine IndexShare-Architektur, die die FLOPs pro Token bei voller Kontextlänge um das 2,9-Fache senkt
  • MIT-Lizenz mit veröffentlichten Gewichten: Selbstbetrieb beseitigt sowohl die Anbieterbindung als auch die Frage der Datenhoheit, die bei der gehosteten API besteht

Nachteile

  • Das ausschweifendste der führenden Modelle: 43.000 Ausgabe-Token pro Artificial-Analysis-Aufgabe (davon 37.000 Reasoning), das 1,8-Fache des Durchschnitts, sodass aus dem günstigen Listenpreis 0,32 $ pro Aufgabe werden und Antworten auf OpenRouter rund 75 Sekunden brauchen
  • Schwach bei halluzinationsbereinigtem Wissen: 4 bei AA-Omniscience gegenüber 27 für Claude Opus 4.8, 23 für Gemini 3.5 Flash und 20 für GPT-5.5, es antwortet also selbstbewusst, wo stärkere Modelle ablehnen
  • Nur Text: keine Bild- oder Audioeingabe, während die meisten direkten Konkurrenten nativ multimodal sind
  • Artificial Analysis hält es im Vergleich zu anderen Open-Weights-Modellen ähnlicher Größe für teuer: das Preisargument trägt gegen die geschlossene US-Frontier, nicht gegen das offene Feld
  • 753 Milliarden Parameter erfordern für den Selbstbetrieb ein Multi-GPU-Rechenzentrum; für die meisten Teams bedeutet „offene Gewichte“ Portabilität und Prüfrechte statt der tatsächlichen Möglichkeit, es zu betreiben

Das Urteil der Arena

GLM-5.2 ist das beste Modell, das Sie derzeit herunterladen können. Es führt das Open-Weights-Feld bei Artificial Analysis an, schlägt GPT-5.5 bei SWE-Bench Pro und kostet pro Token rund ein Sechstel der geschlossenen US-Frontier. Nehmen Sie es für agentisches Coding, langfristige Repository-Arbeit und Analysen über eine Million Token, besonders wenn Selbstbetrieb oder Lizenzfreiheit für Ihre Roadmap zählen. Achten Sie auf die Ausschweifung: Es verbraucht 43.000 Ausgabe-Token pro Aufgabe, die tatsächliche Rechnung landet also bei etwa 0,32 $ pro Aufgabe und Antworten dauern rund 75 Sekunden, was es für interaktive Produkte ausschließt. Und nutzen Sie es nicht als Wissensorakel: Ein AA-Omniscience-Wert von 4 gegenüber 27 für Opus 4.8 bedeutet, dass es selbstbewusst antwortet, wo es ablehnen sollte, also setzen Sie vor alles Faktische eine Prüfschicht. Bei reinen Token-Kosten bleibt DeepSeek V4 günstiger; das Argument von GLM-5.2 ist Frontier-Fähigkeit, die Ihnen gehört.

Daumen hoch oder Daumen runter

Fällen Sie Ihr Urteil

Würden Sie GLM-5.2 empfehlen oder die Menge davor warnen?

50%Crowd-Score · 4

Top-Alternativen zu GLM-5.2

Alle Alternativen
1
Gemini 3.8 Flash

Googles Alltagsmodell vom September 2026: 1M-Kontext, Aktionspreis 0,75 $/3,75 $, 305 Tokens/s Ausgabetempo

$3.75/1M out60%(1)
Visit
2
Gemini 3 Pro

Googles Frontier-Modell vom Nov 2025: 1M Kontext, als erstes über 1500 Elo auf LMArena, ersetzt durch Gemini 3.1 Pro.

$12/1M out (prompts ≤200K)57%(3)
Visit
3
Grok 4.3

xAIs 1M-Kontext-Frontier-Modell für $1.25/$2.50 pro 1M Tokens, optimiert für agentische Tool-Nutzung.

$2.50/1M out
Visit

GLM-5.2 im direkten Vergleich

Was die Menge sagt

Nullus Refundus

“yok”

Nullus Refundus

“The verbosity is not a detail. 43k output tokens for a task Opus does in 15k means my cheap model is not cheap, and 75 seconds per answer killed it for our support bot. Great for batch, useless interactive.”

Wächter des Repos

“1M context that actually stays coherent. Fed it a 400k-token monorepo and the cross-file reasoning was better than anything else I can self-host. 153 tokens/s makes the long reasoning bearable.”

Champion der Vibes

“Swapped it in for our agentic refactor jobs and it held up against Opus 4.8 at a fraction of the bill. The MIT weights are what sold my CTO: we can move it in-house if Z.ai ever changes the terms.”

GLM-5.2: häufige Fragen

Was kostet GLM-5.2 pro 1M Tokens?

GLM-5.2 kostet $1.40/1M in (cache hit $0.26) pro 1M Input-Tokens und $4.40/1M out pro 1M Output-Tokens. Offizieller Z.ai-Listenpreis für glm-5.2: 1,40 $ pro Million Eingabe-Token, 0,26 $ bei Cache-Treffer, 4,40 $ pro Million Ausgabe-Token. Drittanbieter nennen dieselben 1,40 $ / 4,40 $. Die Speicherung des Eingabe-Cache ist zeitlich befristet kostenlos. Geprüft auf der Preisseite docs.z.ai, 08/2026.