Frente a frente

Logo de GLM-5.2vsLogo de GLM-5.3

GLM-5.2 vs GLM-5.3: qual modelo de IA vence em 2026?

GLM-5.2 ($4.40/1M out) e GLM-5.3 ($4.40/1M out) estão entre os modelos de IA mais usados de 2026. Em 4 votos da comunidade, GLM-5.2 lidera com 50% de aprovação.

Veredicto rápido

Em Raciocínio, escolha GLM-5.2: a arena o avalia em 4.5/5 contra 3.5/5 de GLM-5.3. Os dois começam pelo mesmo preço: $4.40/1M out.

Comparação linha por linha

Critérios
A partir de
$4.40/1M outPreço 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.
$4.40/1M outPreço oficial da API da Z.ai para o GLM-5.3: US$ 1,40 por 1 milhão de tokens de entrada, US$ 0,26 por 1 milhão com cache, US$ 4,40 por 1 milhão de saída; armazenamento de cache grátis por tempo limitado. GLM-5.3-Flash (US$ 0,15/US$ 0,50) e GLM-5.3-FlashX (US$ 0,37/US$ 1,25) são variantes mais baratas. Verificado em docs.z.ai/guides/overview/pricing em 2026-11-17.
Provedor
Z.ai (Zhipu AI)
Z.ai (Zhipu AI)
Janela de contexto
1M tokens (128K max output)
1M tokens (128K max output)
Preço de entrada
$1.40/1M in (cache hit $0.26)
$1.40/1M in (cache hit $0.26)
Preço de saída
$4.40/1M out
$4.40/1M out
Modalidades
text only
text only
Open weights
Sim
Sim
Pontuação da multidão
50%(4)
50%(0)
Notas da arena (1-5)
Raciocínio
4.5
3.5
Programação
4.5
4.0
Escrita
3.5
3.5
Velocidade
4.0
3.0
Custo-benefício
4.0
3.5

Pontos fortes e fracos

GLM-5.2

  • 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
  • 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

GLM-5.3

  • Grandes ganhos em programação agêntica sobre o GLM-5.2, segundo a Z.ai: DeepSWE v1.1 sobe de 46,2 para 66,9, Terminal-Bench 3.0 de 4,6 para 28,3 e Z.ai Code Bench de 23,4% para 34,5%, usando menos tokens de saída
  • Mesmo preço do GLM-5.2: US$ 1,40 por 1 milhão de tokens de entrada (US$ 0,26 com cache) e US$ 4,40 de saída, com armazenamento de cache grátis por tempo limitado
  • Pesos para download no Hugging Face, então dá para hospedar por conta própria, ao contrário dos modelos fechados de ponta dos EUA
  • Janela de contexto de 1 milhão de tokens com até 128K tokens de saída, boa para trabalhar com repositórios inteiros e documentos longos
  • Bons resultados em segurança e exploração, segundo a Z.ai: CyberGym 84,5% contra 77,2% do GLM-5.2, ExploitBench 54,4% contra 24,4%
  • Chamada de funções, streaming, cache de contexto e saída JSON estruturada na API oficial
  • Longe da fronteira em testes independentes: 32 no Intelligence Index v5 da Artificial Analysis, mais ou menos o mesmo que o DeepSeek-V4.1-Flash (33), que custa um quarto por token de saída
  • Muito prolixo e lento no esforço max padrão: 135 milhões de tokens de saída para rodar o índice, cerca de 60 s até o primeiro token de resposta e US$ 5,01 por tarefa do índice, segundo a Artificial Analysis
  • Os pesos saem da licença MIT do GLM-5.2 para uma licença GLM-5.3 que só permite uso comercial com restrições
  • Não dá para desligar o raciocínio: requisições com thinking desativado agora falham, o que prejudica usos sensíveis à latência
  • Entrada somente de texto: sem imagem, áudio ou vídeo, enquanto a maioria dos concorrentes nessa faixa de preço é multimodal

Dê seu veredicto

Uma recomendação por ferramenta por gladiador. Ela redefine a pontuação da multidão que todos veem.

GLM-5.2$4.40/1M out
50%pontuação da multidão · 4
GLM-5.3$4.40/1M out
50%pontuação da multidão · 0

O veredicto da arena sobre o GLM-5.2

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.

O veredicto da arena sobre o GLM-5.3

O GLM-5.3 é a versão do GLM para usar agora: mesmo preço do GLM-5.2, mesmo modelo base, mas claramente melhor em programação agêntica e segurança, de acordo com os benchmarks da própria Z.ai. Escolha-o para agentes de código, automação de terminal ou auto-hospedagem quando quiser pesos para download de porte próximo à fronteira. Mantenha as expectativas realistas: a Artificial Analysis dá nota 32, no nível do DeepSeek-V4.1-Flash, que é bem mais barato e aceita imagens. O raciocínio sempre ativo o deixa lento (cerca de um minuto até o primeiro token de resposta no esforço max), e a nova licença é menos permissiva que a MIT do GLM-5.2: confira os termos antes de construir um produto comercial sobre os pesos.

O que a multidão diz

Sobre o GLM-5.2

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.”

Sobre o GLM-5.3

Nenhum veredicto ainda. Seja o primeiro a falar.

Perguntas frequentes

O GLM-5.2 é melhor que o GLM-5.3?

Em Raciocínio, o GLM-5.2 pontua mais alto (4.5/5 vs 3.5/5). A escolha certa depende do seu caso de uso. A comparação linha por linha nesta página detalha preços, especificações principais e notas da arena.

Qual é mais barato, GLM-5.2 ou GLM-5.3?

Custam o mesmo para começar: ambos partem de $4.40/1M out.

Quanto custam GLM-5.2 e GLM-5.3 por 1M de tokens?

GLM-5.2: $1.40/1M in (cache hit $0.26) por 1M de tokens de entrada, $4.40/1M out por 1M de tokens de saída. GLM-5.3: $1.40/1M in (cache hit $0.26) por 1M de tokens de entrada, $4.40/1M out por 1M de tokens de saída.