Featherless spouští privátní cloud pro GLM 5.2 za paušál 7 500 $ měsíčně

Featherless uvedl na trh dedikovaný privátní cloud pro otevřený model GLM 5.2 od společnosti Z.ai. Cena je pevně stanovená na 7 500 dolarů měsíčně a zahrnuje neomezený počet tokenů – žádné další poplatky za zpracovaná data . Celá infrastruktura běží na 4 grafických kartách AMD Instinct MI325X a firma tvrdí, že oproti uzavřeným řešením, jako jsou GPT-5.5 a Claude Opus 4.8, lze ušetřit až 94 % nákladů na inferenci . Podívejme se na podrobnosti.

Co je Featherless GLM 5.2 Private Cloud?

Featherless nasadil volně dostupný model GLM 5.2 do soukromého cloudu a optimalizoval ho pro běh nativně na GPU AMD Instinct MI325X . Firma tvrdí, že je jediná, které se to podařilo . Klíčový rozdíl je v účtování: zákazníci neplatí za každý token, ale fixní roční částku 90 000 dolarů, což na měsíc vychází na 7 500 dolarů .

Cena: Pevný poplatek za neomezené používání

• Pevný měsíční poplatek: 7 500 $/měsíc za celý dedikovaný privátní cloud .
• Neomezený počet tokenů – žádné starosti s účtováním za API . To je hlavní výhoda oproti konkurenci.
• Veřejné API od Z.ai účtuje 1,40 dolaru za milion vstupních tokenů a 4,40 dolaru za milion výstupních . U náročných agentních úloh, kde by cena u konkurence přesáhla 125 000 dolarů měsíčně, vyjde fixní paušál zhruba na 7 500 dolarů. To je úspora 94 % .

Jak to vychází: GLM 5.2 je na veřejném API 5× až 6× levnější než GPT-5.5 nebo Claude Opus 4.8 . Samotný výstup stojí 4,40 dolaru u GLM 5.2 oproti 30 dolarům u GPT-5.5 – tedy zhruba 6,8× méně . Ceny za vstup lze ještě snížit na 0,26 dolaru u kešovaných dat .

Hardware: 4× AMD Instinct MI325X

Každý privátní cloud běží na 4 kartách AMD Instinct MI325X . Ty nabízejí:

• 256 GB HBM3e paměti s propustností 6 TB/s na jeden akcelerátor .
• Architekturu CDNA3 s 19 456 stream procesory a 1216 matrix jádry .
• Výkon FP8 až 2,61 PFLOPs .

Toto je odlišná hardwarová strategie od běžných nasazení na NVIDIA H100/H200. Featherless to uvádí jako způsob, jak se vyhnout problémům s nedostatkem čipů NVIDIA .

Specifikace modelu GLM 5.2

Specifikace	Podrobnosti
Architektura	744B parametrů, Mixture-of-Experts (MoE) – aktivních je ~40B parametrů na jeden token
Kontextové okno	Až 256K tokenů ve veřejném cloudu; až 1 milion tokenů v privátním cloudu
Kvantizace	FP8 (váhy zabírají ~750 GB VRAM)
Otevřené váhy	Ano – model je uvolněn pod licencí MIT
Zaměření	Primárně na kódování a softwarové inženýrství

Všechny váhy v FP8 kvantizaci zaberou zhruba 750 GB VRAM. Čtyři karty MI325X poskytují celkem 1 TB VRAM (4 × 256 GB), což stačí i pro velká kontextová okna s prostorem pro KV cache .

Výsledky testů: GLM 5.2 vs. GPT-5.5 a Claude Opus 4.8

SWE-bench Pro (reálné softwarové úlohy):

• GLM 5.2: 62,1 % vs. GPT-5.5: 58,6 % – poráží konkurenci v programování .
• Claude Opus 4.8 si vede lépe (69,2 %) .

Terminal-Bench 2.1 (agentní úlohy v terminálu):

• GLM 5.2: 82,7 (nejlepší naměřený výsledek) vs. Claude Opus 4.8: 78,9 – zde je GLM 5.2 vpředu .

Podle Featherless se GLM 5.2 umístil na 2. místě žebříčku Arena WebDev pro programování .

Srovnání nákladů s konkurencí

Model	Vstup (za 1M tokenů)	Výstup (za 1M tokenů)
GLM 5.2	1,40 $	4,40 $
GPT-5.5	~5,00 $	~30,00 $
Claude Opus 4.8	~8,00 $	~40,00 $

Zdroje:

Při realistickém mixu 3:1 (výstup vs. vstup) vychází GLM 5.2 na 3,65 dolaru na milion tokenů, zatímco GPT-5.5 na 23,75 dolaru. To je poměr 1:6,5 .

Postavení vůči konkurenci

• Vítěz v programování: GLM 5.2 poráží GPT-5.5 v SWE-bench Pro a je výrazně levnější .
• Ideální pro agenty: Fixní paušál se vyplatí u úloh s nepřetržitou inferencí, kde by cena za tokeny u konkurence rychle narostla .
• Otevřený model na AMD: Díky otevřeným vahám a hardwaru AMD může Featherless nabídnout výrazně nižší cenu než srovnatelná řešení na čipech NVIDIA .
• Největší kontext: 1 milion tokenů v privátním cloudu překonává nebo se vyrovná konkurenci .
• Upozornění: Claude Opus 4.8 má stále lepší skóre v SWE-bench Pro (69,2 vs. 62,1). GLM 5.2 není nejlepší ve všech testech, ale cenově je bezkonkurenční .

Pro koho je tato služba určena?

Služba je nejvhodnější pro:

• Týmy s náročnými agentními úlohami, kde měsíční náklady za API přesahují 10 000 až 50 000 dolarů.
• Firmy, které potřebují nepřetržitě zpracovávat programátorské úlohy a chtějí výkon srovnatelný s GPT-5.5 za zlomek ceny.
• Společnosti, které se chtějí vyhnout závislosti na hardwaru NVIDIA a vyzkoušet infrastrukturu AMD.
• Vývojářské týmy, které chtějí neomezené používání bez starostí s měřením a fakturací.

Featherless nabízí i levnější tarify od 25 dolarů měsíčně pro přístup k menším modelům, ale dedikovaný uzel za 7 500 dolarů je určený pro skutečně náročné nasazení .

Shrnutí

Featherless přišel s nabídkou privátního cloudu pro model GLM 5.2 na 4× AMD MI325X GPU za 7 500 dolarů měsíčně paušálně. Slibuje 94% úsporu oproti konkurenčním API pro náročné agentní úlohy. Model s 744B parametry v architektuře MoE poráží GPT-5.5 v programátorských testech a stojí přitom zhruba šestinu ceny. I když Claude Opus 4.8 v některých testech vede, kombinace výkonu a ceny u GLM 5.2 dělá z této nabídky vážného soupeře pro všechny, kdo chtějí ušetřit bez obětování kvality.