Arena · recenzja: model AI
GLM-5.2
od Z.ai (Zhipu AI)
Najlepszy model o otwartych wagach według Artificial Analysis: MoE o 753 mld parametrów na licencji MIT, który pokonuje GPT-5.5 w SWE-Bench Pro za jedną szóstą ceny
$4.40/1M out
Oficjalna cena Z.ai dla glm-5.2: 1,40 $ za milion tokenów wejściowych, 0,26 $ przy trafieniu w cache, 4,40 $ za milion wyjściowych. Dostawcy zewnętrzni podają te same 1,40 $ / 4,40 $. Przechowywanie cache wejściowego jest przez ograniczony czas bezpłatne. Zweryfikowane na stronie cennika docs.z.ai, 08/2026.
Z.ai (Zhipu AI)
1M tokens (128K max output)
$1.40/1M in (cache hit $0.26)
$4.40/1M out
text only
Tak
Czym jest GLM-5.2?
Wydany 17.06.2026 przez pekińskie Z.ai (dawniej Zhipu AI). GLM-5.2 to model Mixture-of-Experts o 753 miliardach parametrów, z czego około 40 miliardów aktywnych na token, z oknem kontekstowym miliona tokenów i maksymalnym wyjściem 128K, opublikowany na licencji MIT wraz z wagami do pobrania. Oficjalna cena API to 1,40 $ za milion tokenów wejściowych (0,26 $ przy trafieniu w pamięć podręczną) i 4,40 $ za milion wyjściowych. Artificial Analysis umieszcza go na 4. miejscu spośród 106 modeli swojego Intelligence Index z wynikiem 53 i jako najlepszy dostępny model o otwartych wagach. Osiąga 62,1 w SWE-Bench Pro, wyprzedzając 58,6 GPT-5.5, a także 82,7 w Terminal-Bench 2.1 i 91,2 w GPQA-Diamond. Architektura wprowadza IndexShare, które przy pełnym kontekście zmniejsza liczbę FLOPs na token 2,9-krotnie, oraz ulepszone dekodowanie spekulatywne.
GLM-5.2: plusy i minusy
Plusy
- Najlepszy model o otwartych wagach w Artificial Analysis Intelligence Index (wynik 53, 4. miejsce ze 106): najmocniejszy model, który faktycznie można pobrać i hostować samodzielnie, na licencji MIT
- 62,1 w SWE-Bench Pro, przed 58,6 GPT-5.5, oraz 82,7 w Terminal-Bench 2.1 i 91,2 w GPQA-Diamond: kodowanie i rozumowanie na poziomie czołówki, a nie tanie przybliżenie
- 1,40 $ za milion tokenów wejściowych i 4,40 $ za wyjściowe (0,26 $ na wejściu przy trafieniu w cache), czyli około jedna szósta kosztu tokenów GPT-5.5 lub Claude Opus 4.8
- Naprawdę szybki: 153,2 tokena wyjściowego na sekundę i 1,39 s do pierwszego tokena, znacznie przed 33 tokenami/s Kimi K3 w tej samej klasie
- Milion tokenów kontekstu przy 128K maksymalnego wyjścia oraz architektura IndexShare, która przy pełnej długości kontekstu dzieli liczbę FLOPs na token przez 2,9
- Licencja MIT i opublikowane wagi: samodzielny hosting usuwa zarówno uzależnienie od dostawcy, jak i kwestię jurysdykcji danych, która dotyczy hostowanego API
Minusy
- Najbardziej rozwlekły z czołowych modeli: 43 000 tokenów wyjściowych na zadanie Artificial Analysis (w tym 37 000 rozumowania), 1,8 raza więcej niż średnia, przez co niska cena katalogowa daje 0,32 $ za zadanie, a odpowiedzi na OpenRouter trwają około 75 sekund
- Słaby w wiedzy skorygowanej o halucynacje: 4 w AA-Omniscience wobec 27 dla Claude Opus 4.8, 23 dla Gemini 3.5 Flash i 20 dla GPT-5.5, czyli odpowiada pewnie tam, gdzie lepsze modele się wstrzymują
- Tylko tekst: brak wejścia obrazu i dźwięku, podczas gdy większość bezpośrednich konkurentów jest natywnie multimodalna
- Artificial Analysis uznaje go za drogi na tle innych modeli o otwartych wagach podobnej wielkości: argument cenowy broni się wobec zamkniętej czołówki amerykańskiej, nie wobec otwartego pola
- 753 miliardy parametrów wymagają infrastruktury wielu GPU do samodzielnego hostowania; dla większości zespołów „otwarte wagi” oznaczają przenośność i prawo audytu, a nie realną możliwość uruchomienia
Werdykt areny
GLM-5.2 to najlepszy model, jaki można dziś pobrać. Prowadzi w kategorii otwartych wag w Artificial Analysis, pokonuje GPT-5.5 w SWE-Bench Pro i kosztuje za token około jednej szóstej zamkniętej czołówki amerykańskiej. Wybierz go do kodowania agentowego, długofalowej pracy nad repozytorium i analizy w oknie miliona tokenów, zwłaszcza jeśli samodzielny hosting lub swoboda licencyjna liczą się w twoich planach. Uważaj na rozwlekłość: zużywa 43 000 tokenów wyjściowych na zadanie, więc realny rachunek zbliża się do 0,32 $ za zadanie, a odpowiedzi trwają około 75 sekund, co wyklucza go z produktów interaktywnych. I nie używaj go jako wyroczni wiedzy: wynik 4 w AA-Omniscience wobec 27 dla Opus 4.8 oznacza, że odpowie pewnie tam, gdzie powinien się wstrzymać, więc postaw warstwę weryfikacji przed wszystkim, co faktograficzne. Pod względem samego kosztu tokenów DeepSeek V4 pozostaje tańszy; atutem GLM-5.2 jest poziom czołówki, który możesz mieć na własność.
Kciuk w górę czy kciuk w dół
Wydaj swój werdykt
Polecasz GLM-5.2, czy ostrzegasz przed nim tłum?
Najlepsze alternatywy dla GLM-5.2
Wszystkie alternatywyModel roboczy Google z września 2026: kontekst 1M, cena promocyjna 0,75 $/3,75 $, prędkość wyjścia 305 tokenów/s
Frontierowy model Google z listopada 2025: 1M kontekstu, pierwszy powyżej 1500 Elo na LMArena, zastąpiony przez Gemini 3.1 Pro.
Porównaj GLM-5.2 w pojedynku
Co mówi tłum
“yok”
“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.”
“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.”
“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: najczęstsze pytania
Ile kosztuje GLM-5.2 za 1M tokenów?
GLM-5.2 kosztuje $1.40/1M in (cache hit $0.26) za 1M tokenów wejściowych i $4.40/1M out za 1M tokenów wyjściowych. Oficjalna cena Z.ai dla glm-5.2: 1,40 $ za milion tokenów wejściowych, 0,26 $ przy trafieniu w cache, 4,40 $ za milion wyjściowych. Dostawcy zewnętrzni podają te same 1,40 $ / 4,40 $. Przechowywanie cache wejściowego jest przez ograniczony czas bezpłatne. Zweryfikowane na stronie cennika docs.z.ai, 08/2026.