A arena · análise de modelo de IA

GLM-5.2

por Z.ai (Zhipu AI)

O melhor modelo de pesos abertos segundo a Artificial Analysis: um MoE de 753 mil milhões de parâmetros sob licença MIT que bate o GPT-5.5 no SWE-Bench Pro por um sexto do preço

Pontuação da arena 4.1/550% recomendam · 4 votos
Raciocínio4.5
Programação4.5
Escrita3.5
Velocidade4.0
Custo-benefício4.0
Visitar GLM-5.2programação agêntica e trabalho prolongado sobre um repositórioequipas que precisam de nível de fronteira em pesos alojados por sicargas limitadas pelo orçamento que toleram raciocínio prolixoanálise de bases de código e documentos com um milhão de tokens
Preço

$4.40/1M out

Preço oficial da Z.ai para o glm-5.2: 1,40 $ por milhão de tokens de entrada, 0,26 $ com acerto de cache, 4,40 $ de saída. Os fornecedores externos indicam os mesmos 1,40 $ / 4,40 $. O armazenamento da cache de entrada é gratuito por tempo limitado. Verificado na página de preços docs.z.ai, 08/2026.

Provedor

Z.ai (Zhipu AI)

Janela de contexto

1M tokens (128K max output)

Preço de entrada

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

Preço de saída

$4.40/1M out

Modalidades

text only

Open weights

Sim

O que é o GLM-5.2?

Lançado a 17/06/2026 pela Z.ai (antiga Zhipu AI), sediada em Pequim. O GLM-5.2 é um modelo Mixture-of-Experts com 753 mil milhões de parâmetros, cerca de 40 mil milhões ativos por token, com uma janela de contexto de um milhão de tokens e 128K de saída máxima, publicado sob licença MIT com pesos descarregáveis. O preço oficial da API é de 1,40 $ por milhão de tokens de entrada (0,26 $ com acerto de cache) e 4,40 $ de saída. A Artificial Analysis coloca-o em 4.º lugar entre 106 modelos do seu Intelligence Index com uma pontuação de 53, e primeiro entre os modelos de pesos abertos disponíveis. Obtém 62,1 no SWE-Bench Pro, à frente dos 58,6 do GPT-5.5, além de 82,7 no Terminal-Bench 2.1 e 91,2 no GPQA-Diamond. A arquitetura introduz o IndexShare, que reduz 2,9 vezes os FLOPs por token com o contexto completo, e uma descodificação especulativa melhorada.

GLM-5.2: prós e contras

Prós

  • Primeiro entre os modelos de pesos abertos no Artificial Analysis Intelligence Index (pontuação 53, 4.º entre 106): o modelo mais forte que pode realmente descarregar e alojar por si próprio, sob licença MIT
  • 62,1 no SWE-Bench Pro, à frente dos 58,6 do GPT-5.5, com 82,7 no Terminal-Bench 2.1 e 91,2 no GPQA-Diamond: código e raciocínio ao nível da fronteira, não uma aproximação barata
  • 1,40 $ por milhão de tokens de entrada e 4,40 $ de saída (0,26 $ na entrada com acerto de cache), cerca de um sexto do custo por token do GPT-5.5 ou do Claude Opus 4.8
  • Realmente rápido: 153,2 tokens de saída por segundo e 1,39 s até ao primeiro token, muito à frente dos 33 tokens/s do Kimi K3 na mesma classe
  • Um milhão de tokens de contexto com 128K de saída máxima, e uma arquitetura IndexShare que divide por 2,9 os FLOPs por token no comprimento total de contexto
  • Licença MIT e pesos publicados: alojá-lo por conta própria elimina tanto a dependência do fornecedor como a questão da jurisdição dos dados que se coloca na API alojada

Contras

  • O mais prolixo dos modelos de topo: 43 000 tokens de saída por tarefa da Artificial Analysis (37 000 dos quais de raciocínio), 1,8 vezes a média, pelo que o preço baixo de tabela se traduz em 0,32 $ por tarefa e cerca de 75 segundos de ponta a ponta no OpenRouter
  • Fraco em conhecimento corrigido por alucinações: 4 no AA-Omniscience contra 27 do Claude Opus 4.8, 23 do Gemini 3.5 Flash e 20 do GPT-5.5, ou seja, responde com confiança onde modelos melhores se abstêm
  • Apenas texto: sem entrada de imagem ou áudio, enquanto a maioria dos concorrentes diretos é multimodal de origem
  • A Artificial Analysis considera-o caro face a outros modelos de pesos abertos de dimensão comparável: o argumento do preço vale contra a fronteira norte-americana fechada, não contra o campo aberto
  • 753 mil milhões de parâmetros exigem uma infraestrutura multi-GPU para alojamento próprio; para a maioria das equipas, «pesos abertos» significa portabilidade e direito de auditoria mais do que a capacidade real de o executar

O veredicto da arena

O GLM-5.2 é o melhor modelo que pode descarregar hoje. Lidera o campo dos pesos abertos na Artificial Analysis, bate o GPT-5.5 no SWE-Bench Pro e custa por token cerca de um sexto da fronteira norte-americana fechada. Escolha-o para programação agêntica, trabalho de fundo sobre repositórios e análise com um milhão de tokens, sobretudo se o alojamento próprio ou a liberdade de licença pesarem no seu plano. Atenção à prolixidade: consome 43 000 tokens de saída por tarefa, pelo que a fatura real ronda os 0,32 $ por tarefa e as respostas demoram cerca de 75 segundos, o que o exclui de produtos interativos. E não o use como oráculo de conhecimento: a pontuação de 4 no AA-Omniscience, contra 27 do Opus 4.8, significa que responderá com confiança quando deveria abster-se, por isso coloque uma camada de verificação à frente de tudo o que for factual. Em puro custo por token, o DeepSeek V4 continua mais barato; a proposta do GLM-5.2 é uma capacidade de fronteira que pode possuir.

Polegar para cima ou para baixo

Dê seu veredicto

Você recomendaria o GLM-5.2 ou avisaria a multidão para ficar longe?

50%pontuação da multidão · 4

Melhores alternativas ao GLM-5.2

Todas as alternativas
1
Gemini 3.8 Flash

O modelo do dia a dia do Google em setembro de 2026: contexto de 1M, preço promocional de US$ 0,75/US$ 3,75, velocidade de saída de 305 tokens/s

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

O modelo de fronteira do Google de nov 2025: contexto de 1M, primeiro a passar de 1500 de Elo no LMArena, substituído pelo Gemini 3.1 Pro.

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

O modelo de fronteira da xAI com contexto de 1M a $1.25/$2.50 por 1M de tokens, ajustado para uso agêntico de ferramentas.

$2.50/1M out
Visit

Compare o GLM-5.2 frente a frente

O que a multidão diz

Sem Reembolsius

“yok”

Sem Reembolsius

“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.”

Guardião do Repo

“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.”

Campeão das 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: perguntas frequentes

Quanto custa o GLM-5.2 por 1M de tokens?

O GLM-5.2 custa $1.40/1M in (cache hit $0.26) por 1M de tokens de entrada e $4.40/1M out por 1M de tokens de saída. Preço oficial da Z.ai para o glm-5.2: 1,40 $ por milhão de tokens de entrada, 0,26 $ com acerto de cache, 4,40 $ de saída. Os fornecedores externos indicam os mesmos 1,40 $ / 4,40 $. O armazenamento da cache de entrada é gratuito por tempo limitado. Verificado na página de preços docs.z.ai, 08/2026.