Ein billiges chinesisches KI-Modell bringt Programmierer zum Überdenken ihrer Rechnungen
GLM 5.2 von Z.ai kostet einen Bruchteil der Top-Modelle von Anthropic und bewältigt echte Aufgaben. Aber Ratenlimits, Halluzinationen und Datenschutzfragen bedeuten, dass es nicht für jeden geeignet ist.
Wichtige Punkte
- Z.ai veröffentlichte GLM 5.2 am 16. Juni 2025, ein großes Sprachmodell mit 753 Milliarden Gesamtparametern, aber nur 40 Milliarden aktiven gleichzeitig, was schnellere Reaktionen ermöglicht.
- Z.ai berechnet $4,40 pro Million Output-Token (die Textblöcke, die das Modell erzeugt), weniger als ein Fünftel des vergleichbaren Preises für Anthropics Opus 4.8.
- GLM 5.2 ist open-weights, das heißt, jede Organisation mit eigener Hardware kann es herunterladen und ausführen, ohne Z.ai überhaupt zu bezahlen.
- Der AI Index der Stanford-Universität ergab, dass chinesische Labore 2025 etwas mehr als halb so viele bemerkenswerte KI-Modelle produzierten wie US-Labore, gegenüber etwa einem Drittel im Jahr 2023.
- In Z.ais eigenen Benchmarks schloss GLM 5.2 nur 13 Prozent der Aufgaben im SWE-Marathon ab, einem schwierigen langfristigen Coding-Test, während Anthropics Claude Opus 4.8 diesen Wert verdoppelte.
Zain Hasan ist KI-Ingenieur bei Together AI und genau die Art von Person, die verfolgt, was er für KI-Tools ausgibt. Sein System ist einfach: schwierige Probleme gehen an ein Top-Modell, einfache Probleme an etwas Billigeres. Derzeit ist seine günstigere Wahl GLM 5.2.
GLM 5.2 kommt von Z.ai, einem in Peking ansässigen KI-Labor. Das Modell kostet $4,40 pro Million Output-Token, wenn Sie Z.ais API verwenden (eine Programmierschnittstelle, die Verbindung, die Ihrer App ermöglicht, mit ihrem Modell zu kommunizieren). Das ist weniger als ein Fünftel des Preises von Anthropics Claude Opus 4.8 und etwa ein Zehntel von Anthropics Fable-Coding-Modell. Die Veröffentlichung wurde zunächst von IEEE Spectrum AI berichtet und erfolgte am 16. Juni 2025.
Es ist auch open-weights, das heißt, Z.ai veröffentlichte die zugrunde liegenden Daten des Modells, sodass jeder mit ausreichender Rechenleistung es herunterladen und kostenlos selbst ausführen kann.
Ist GLM 5.2 wirklich gut genug, um darauf zu vertrauen?
Für viele Aufgaben ja, aber mit klaren Grenzen. David Nix, Principal Software Engineer bei dem in Denver ansässigen Unternehmen MetaRouter, sagt, dass GLM 5.2 den Top-Modellen der USA nahe genug kommt, dass es jetzt 10 bis 20 Prozent seiner täglichen KI-Arbeit bewältigt. Frontend-Design-Arbeiten (Erstellung der visuellen Seite von Websites und Apps) ist dort, wo er es zuerst einsetzt.
Hasan sagt, dass das Modell einen kohärenten Gedankenstrang über stundenlange Hin- und Herbesprechungen aufrechterhält, etwas, das frühere billigere Modelle nach nur fünf bis fünfzehn Austauschvorgängen nicht schafften.
Nicht alle hatten reibungslose Ergebnisse. Sai Kiran Myadaram, ein Softwareingenieur bei dem in Bengaluru ansässigen Unternehmen Indhic AI, verbrauchte sein wöchentliches Z.ai-Token-Kontingent in weniger als drei Tagen. Er stieß auch auf Halluzinationen (wo eine KI zuversichtlich falsche oder erfundene Antworten produziert) und übermäßige Überplanung bei einfachen Fixes. Er ist seitdem zu OpenAIs Codex zurückgewechselt.
Die Datenschutzfrage ist real. GLM 5.2 kommt aus China, und einige US-Unternehmen sind besorgt über sensible Code- oder Geschäftsdaten, die durch chinesisch verbundene Server geleitet werden. Die open-weights-Option ist die praktische Antwort: Hosten Sie das Modell auf Ihrer eigenen Hardware und Ihre Daten verlassen Ihr Gebäude niemals. Die meisten Top-Modelle aus den USA bieten keine solche Option; sie liegen hinter einer API ohne Selbst-Hosting-Möglichkeit.
Benchmarks zeigen ein gemischtes Bild. Z.ais eigener Forschungsbericht zeigt, dass GLM 5.2 bei den meisten Coding-Tests hinter Anthropics Opus 4.8 zurückbleibt, obwohl es bei einigen kürzeren agentengestützten Coding-Benchmarks (Tests, bei denen ein KI-Agent, Software, die mehrstufige Aufgaben eigenständig ausführt, echte Programmierprobleme angeht) fast mit Opus 4.8 gleichzieht.
Die größere Geschichte, argumentiert Hasan, ist, dass die meisten Softwareteams keine Ahnung haben, was ihre KI-Tools pro Projekt tatsächlich kosten. Wenn das Unternehmen bezahlt, greifen Ingenieure natürlich zum leistungsstärksten Modell. GLM 5.2 wird die besten US-Modelle für die schwierigsten Aufgaben nicht ersetzen. Aber für routinemäßige Arbeiten ist die Preislücke groß genug, um beachtet zu werden.
