Proč Databricks vsadil na čínský GLM 5.2 a co prozradilo interní srovnání AI modelů

Celkové náklady na vlastnictví zvýhodnily GLM 5.2. V rámci API Z.ai stojí GLM 5.2 přibližně 1,40 USD za milion vstupních tokenů a 4,40 USD za milion výstupních tokenů . Pro tým zpracovávající 10 milionů tokenů měsíčně s polovičním poměrem vstupů a výstupů by celkové náklady činily asi 29 USD měsíčně . Konkurenční modely, jako je Anthropicův Opus 4.8 za 5/25 USD za milion tokenů, mohou být 3 až 6krát dražší při srovnatelném nebo jen mírně lepším skóre v benchmarcích . Jeden test Databricks ukázal, že GLM 5.2 s agentem Pi dosáhl úspěšnosti 87,5 % za 1,25 USD na úkol, zatímco Opus 4.8 s Claude Code dosáhl srovnatelné úspěšnosti za 2,00 USD na úkol .

Proč Databricks zvolil GLM 5.2

Výkon srovnatelný se špičkou za výrazně nižší náklady. GLM 5.2 dosáhl na SWE-bench Pro skóre 62,1, čímž překonal GPT-5.5 (58,6) a přiblížil se Anthropicovu Opus 4.8 . Na FrontierSWE Dominance dosáhl 74,4 %, téměř se vyrovnal Opus 4.8 s 75,1 % . Interní testy Databricks tato veřejná měření potvrdila: čínský model s otevřenými váhami se vyrovnal nebo přiblížil schopnostem předních proprietárních modelů na stejných reálných úlohách .

Flexibilita nasazení díky MIT licenci. Protože je GLM 5.2 distribuován pod licencí MIT a je plně otevřený, mohl ho Databricks nasadit interně, dolaďovat a těsně integrovat do svého agentního kódovacího workflow bez licenčních poplatků na uživatele nebo závislosti na dodavateli . Tento model licencování umožňuje firmám provozovat model na vlastní infrastruktuře a vyhnout se opakujícím se nákladům na API při vysokém objemu používání.

Vhodnost pro dlouhodobé, vícekrokové úkoly. Benchmark se zaměřil na agentní kódovací úpravy, které zahrnují mnoho souborů a kroků uvažování. GLM 5.2 s kontextovým oknem 1 milion tokenů a architekturou mixture-of-experts se 744 miliardami parametrů byl speciálně optimalizován pro tuto práci v rozsahu celého repozitáře, nikoli pro pouhé automatické doplňování kódu v jednom souboru . Na Terminal-Bench 2.1, který testuje provádění příkazů a agentních úloh, dosáhl skóre 81,0, což z něj dělá nejsilnější open-source model, těsně za Claude Opus 4.8 (85,0) .