Ein billiges chinesisches KI-Modell bringt Programmierer zum Überdenken ihrer Rechnungen
GLM 5.2 von Z.ai kostet einen Bruchteil von Anthropics Top-Modellen und bewältigt echte Aufgaben. Rate Limits, Halluzinationen und Datenschutzfragen bedeuten, dass es nicht für jeden geeignet ist.
Wichtigste 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 es schneller macht zu reagieren.
- Z.ai berechnet $4,40 pro Million Output-Token (die Textblöcke, die das Modell generiert), weniger als ein Fünftel des vergleichbaren Preises für Anthropics Opus 4.8.
- GLM 5.2 ist Open-Weights, was bedeutet, dass jede Organisation mit eigener Hardware es herunterladen und ausführen kann, ohne Z.ai überhaupt zu zahlen.
- Der AI Index von Stanford stellte fest, dass chinesische Labore 2025 knapp mehr als halb so viele bemerkenswerte KI-Modelle produzierten wie US-Labs, gegenüber etwa einem Drittel im Jahr 2023.
- In Z.ais eigenen Benchmarks absolvierte GLM 5.2 nur 13 Prozent der Aufgaben in SWE-Marathon, einem schwierigen langfristigen Codier-Test, während Anthropics Claude Opus 4.8 diese Punktzahl verdoppelte.
Zain Hasan ist ein KI-Ingenieur bei Together AI und genau die Art von Person, die genau verfolgt, was er für KI-Tools ausgibt. Schwierige Probleme gehen an ein Top-Modell, einfache Probleme an etwas Billigeres. Seine aktuelle günstigere Wahl ist GLM 5.2.
GLM 5.2 kommt von Z.ai, einem KI-Labor mit Sitz in Peking. Das Modell kostet $4,40 pro Million Output-Token über Z.ais API (eine Programmierschnittstelle, die es 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-Codier-Modell. Die erste Berichterstattung erfolgte durch IEEE Spectrum AI, die Veröffentlichung fand am 16. Juni 2025 statt.
Es ist auch Open-Weights: Z.ai veröffentlichte die zugrundeliegenden Daten des Modells, sodass jeder mit ausreichend Rechenleistung es selbst herunterladen und kostenlos ausführen kann.
Ist GLM 5.2 wirklich vertrauenswürdig genug?
Für viele Aufgaben ja, aber mit klaren Grenzen. David Nix, ein Principal Software Engineer bei MetaRouter in Denver, sagt, dass GLM 5.2 nah genug an den besten US-Modellen herankommt, dass es jetzt 10 bis 20 Prozent seiner täglichen KI-Workload bewältigt. Front-End-Design-Arbeiten sind dort, wo er es zuerst einsetzt.
Hasan sagt, das Modell behält einen kohärenten Gedankenstrang über Stunden hinweg bei Hin- und Her-Gesprächen bei. Frühere billigere Modelle verloren oft den Faden nach nur fünf bis fünfzehn Austauschen.
Nicht jeder hatte reibungslose Ergebnisse. Sai Kiran Myadaram, ein Softwareingenieur bei Indhic AI in Bengaluru, verbrauchte sein wöchentliches Z.ai-Token-Kontingent in weniger als drei Tagen. Er stieß auf Halluzinationen (bei denen eine KI selbstbewusst falsche oder erfundene Antworten produziert) und übermäßiges Überplanen bei einfachen Fehlerbehebungen und ist seitdem zu OpenAIs Codex zurückgekehrt.
Die Datenschutzfrage ist real. GLM 5.2 kommt aus China, und einige US-amerikanische Unternehmen machen sich Sorgen, dass sensibler Code über chinesisch verbundene Server fließt. Die Open-Weights-Option ist die praktische Antwort: Hosten Sie das Modell auf Ihrer eigenen Hardware und Ihre Daten verlassen nie Ihr Gebäude. Das ist etwas, das die meisten Top-US-Modelle nicht bieten können; sie liegen hinter einer API ohne Self-Hosting-Option. Unsere Geschichte vom 14. Juli über Grok Build, der still Ihre gesamte Codebasis in die Cloud hochlud, zeigte, wie wenig Sichtbarkeit Ingenieure normalerweise darüber haben, wohin ihr Code geht.
Benchmarks zeigen ein gemischtes Bild. Z.ais eigener Forschungsbericht zeigt, dass GLM 5.2 bei den meisten Codier-Tests hinter Anthropics Opus 4.8 zurückbleibt, obwohl es bei einigen kürzeren agentic Codier-Benchmarks (Tests, bei denen KI-Software mehrstufige Programmieraufgaben selbstständig erledigt) fast gleichauf geht.
Sollten Sie sich Sorgen um die Kosten machen, dieses zu ignorieren?
Das größere Problem, argumentiert Hasan, ist, dass die meisten Softwareteams nicht wissen, was ihre KI-Tools pro Projekt kosten. Wenn das Unternehmen zahlt, greifen Ingenieure standardmäßig zum leistungsfähigsten Modell. GLM 5.2 wird die besten US-Modelle für die schwierigsten Aufgaben nicht ersetzen. Aber für Routinearbeiten ist die Preisspanne real und breit genug, dass es immer mehr so aussieht, als wäre das Ignorieren davon eine Entscheidung, nicht ein Versehen.
