Det mest opsigtsvækkende resultat kommer fra SWE-bench Pro, som tester, hvor godt en model kan løse realistiske softwareudviklingsopgaver. Her scorede GLM-5.2 62,1, foran GPT-5.5 med 58,6 og Z.ai’s tidligere GLM-5.1 med 58,4.

Ifølge de offentliggjorte benchmarkresultater scorede modellen desuden 89,5 procent på GPQA Diamond, der måler svar på avancerede videnskabelige spørgsmål, 81,0 på Terminal-Bench 2.1 og 40,1 på Humanity’s Last Exam.

Nvidias API-dokumentation beskriver GLM-5.2 som en model med topresultater inden for ræsonnement, programmering og såkaldte agentiske opgaver, hvor AI-systemet selv kan planlægge og gennemføre flere trin.

Det er dog værd at skelne mellem en god benchmarkscore og en samlet sejr over alle konkurrerende modeller. GLM-5.2’s forspring gælder især de citerede kodetest; resultaterne siger ikke i sig selv, at modellen er bedst til alle typer opgaver.

Markant vækst – men store underskud

Z.ai’s tekniske fremskridt har også vakt opsigt blandt investorer.

• Virksomhedens omsætning steg 132 procent i 2025 til 724 millioner yuan, svarende til omkring 100 millioner dollar.
• Ved børsnoteringen i Hongkong i januar 2026 hentede selskabet omkring 552-558 millioner dollar til en værdisætning på 6,6 milliarder dollar.
• Aktien steg på et tidspunkt op mod 35 procent efter selskabets første regnskabsaflæggelse som børsnoteret virksomhed.
• Samtidig rapporterede Z.ai et nettotab på 4,718 milliarder yuan i 2025 og forsknings- og udviklingsudgifter på 3,18 milliarder yuan.

Det illustrerer den grundlæggende spænding i AI-branchen: Efterspørgslen og markedsværdierne kan vokse eksplosivt, mens det stadig er svært at få selve modelvirksomheden til at give overskud. Reuters’ Breakingviews har peget på høje udviklingsomkostninger, hård priskonkurrence og forretningsmodeller, der endnu ikke er fuldt modne, som centrale udfordringer for kinesiske AI-specialister som Z.ai.

Fra tilpasning til kinesiske chips til mulig specialprocessor

Z.ai’s chipstrategi består indtil videre af to forskellige spor.

Det bekræftede: GLM kører på kinesisk hardware

Z.ai har siden februar 2026 tilpasset GLM-5-serien til kinesiske halvledere, efter at USA strammede adgangen til avancerede Nvidia-chips. GLM-5.2 blev lanceret med understøttelse af flere typer indenlandsk infrastruktur, herunder klynger baseret på Huaweis Ascend-processorer.

Allerede i august 2025 oplyste virksomheden, at GLM-modellerne kunne bruges sammen med Huaweis Ascend-processorer og Kirin-chips.

Z.ai har også sagt, at billedmodellen GLM-Image blev trænet udelukkende på Huaweis Ascend-chips og med Huaweis softwareplatform MindSpore. Hvis selskabets beskrivelse lægges til grund, var det et vigtigt eksempel på, at en større model kunne trænes uden amerikanske halvledere.

Der er dog forskel på at tilpasse en model til eksisterende chips og at udvikle sin egen processor.

Det foreløbige: mulig ASIC til GLM-modellerne

Ifølge en rapport fra The Information, gengivet via Yahoo Finance, har Z.ai indledt indledende samtaler med flere kinesiske chipdesignvirksomheder om en specialbygget AI-processor, en såkaldt ASIC, der skulle optimeres til GLM-modellerne.

Der er endnu ikke valgt en partner, og der er ingen bekræftet tape-out – altså en færdig chipdesignfil, der er sendt til produktion – eller et endeligt udviklingsprogram. Det mest præcise billede er derfor, at Z.ai undersøger muligheden for en specialchip, men endnu ikke har lanceret et dokumenteret ASIC-projekt.

Ifølge rapporten hænger interessen blandt andet sammen med en 27-dobling i den daglige token-anvendelse af GLM-5.2 og et stadig strammere amerikansk eksportregime.

Hvorfor hjemlige chips er blevet strategisk vigtige

Z.ai’s beslutninger skal ses i lyset af et bredere teknologisk kapløb mellem USA og Kina.

USA’s eksportkontrol

Z.ai blev føjet til det amerikanske handelsministeriums Entity List den 16. januar 2025. Optagelsen på listen kan begrænse virksomheders adgang til amerikansk teknologi og gør afhængigheden af udenlandske AI-acceleratorer til en strategisk risiko – ikke blot et spørgsmål om pris.

Statsfinansierede datacentre skal bruge kinesiske chips

Reuters rapporterede i november 2025, at kinesiske myndigheder havde givet besked om, at statsfinansierede datacenterprojekter skulle anvende AI-chips produceret i Kina. Projekter, der var mindre end 30 procent færdige, skulle ifølge kilderne enten fjerne allerede installerede udenlandske chips eller opgive planer om at anskaffe dem.

For kinesiske modeludviklere skaber det et stærkt incitament til at sikre, at modellerne kan trænes og køre på flere lokale platforme. Det kan også give indenlandske chipproducenter som Huawei en større rolle i den infrastruktur, der skal understøtte landets AI-udbygning.

Der cirkulerer samtidig rapporter om meget store fremtidige investeringer i kinesiske AI-datacentre og høje mål for andelen af indenlandske chips. De mere detaljerede beløb og procentsatser er dog ikke underbygget af de stærkeste kilder i materialet og bør derfor behandles med forsigtighed.

Konklusion: selvforsyning før egen chip

Z.ai har allerede taget konkrete skridt mod større beregningsmæssig selvforsyning. GLM-5-serien er tilpasset kinesisk hardware, GLM-5.2 kan køre på blandt andet Huawei Ascend-infrastruktur, og virksomheden har fremhævet GLM-Image som en model, der blev trænet på en fuldt kinesisk chipplatform.

Samtidig har GLM-5.2 leveret et stærkt resultat på SWE-bench Pro med 62,1 mod GPT-5.5’s 58,6.

Men historien om en egen Z.ai-chip er stadig på et tidligt og ubekræftet stadie. Indtil videre er den mest nøgterne beskrivelse derfor: Z.ai er i gang med et bredt skifte til kinesisk AI-hardware og undersøger muligvis en specialdesignet ASIC – men har endnu ikke dokumenteret et færdigt egenudviklet chipprogram.

Det mest opsigtsvækkende resultat kommer fra SWE-bench Pro, som tester, hvor godt en model kan løse realistiske softwareudviklingsopgaver. Her scorede GLM-5.2 62,1, foran GPT-5.5 med 58,6 og Z.ai’s tidligere GLM-5.1 med 58,4.

Ifølge de offentliggjorte benchmarkresultater scorede modellen desuden 89,5 procent på GPQA Diamond, der måler svar på avancerede videnskabelige spørgsmål, 81,0 på Terminal-Bench 2.1 og 40,1 på Humanity’s Last Exam.

Nvidias API-dokumentation beskriver GLM-5.2 som en model med topresultater inden for ræsonnement, programmering og såkaldte agentiske opgaver, hvor AI-systemet selv kan planlægge og gennemføre flere trin.

Det er dog værd at skelne mellem en god benchmarkscore og en samlet sejr over alle konkurrerende modeller. GLM-5.2’s forspring gælder især de citerede kodetest; resultaterne siger ikke i sig selv, at modellen er bedst til alle typer opgaver.

Markant vækst – men store underskud

Z.ai’s tekniske fremskridt har også vakt opsigt blandt investorer.

• Virksomhedens omsætning steg 132 procent i 2025 til 724 millioner yuan, svarende til omkring 100 millioner dollar.
• Ved børsnoteringen i Hongkong i januar 2026 hentede selskabet omkring 552-558 millioner dollar til en værdisætning på 6,6 milliarder dollar.
• Aktien steg på et tidspunkt op mod 35 procent efter selskabets første regnskabsaflæggelse som børsnoteret virksomhed.
• Samtidig rapporterede Z.ai et nettotab på 4,718 milliarder yuan i 2025 og forsknings- og udviklingsudgifter på 3,18 milliarder yuan.

Det illustrerer den grundlæggende spænding i AI-branchen: Efterspørgslen og markedsværdierne kan vokse eksplosivt, mens det stadig er svært at få selve modelvirksomheden til at give overskud. Reuters’ Breakingviews har peget på høje udviklingsomkostninger, hård priskonkurrence og forretningsmodeller, der endnu ikke er fuldt modne, som centrale udfordringer for kinesiske AI-specialister som Z.ai.

Fra tilpasning til kinesiske chips til mulig specialprocessor

Z.ai’s chipstrategi består indtil videre af to forskellige spor.

Det bekræftede: GLM kører på kinesisk hardware

Z.ai har siden februar 2026 tilpasset GLM-5-serien til kinesiske halvledere, efter at USA strammede adgangen til avancerede Nvidia-chips. GLM-5.2 blev lanceret med understøttelse af flere typer indenlandsk infrastruktur, herunder klynger baseret på Huaweis Ascend-processorer.

Allerede i august 2025 oplyste virksomheden, at GLM-modellerne kunne bruges sammen med Huaweis Ascend-processorer og Kirin-chips.

Z.ai har også sagt, at billedmodellen GLM-Image blev trænet udelukkende på Huaweis Ascend-chips og med Huaweis softwareplatform MindSpore. Hvis selskabets beskrivelse lægges til grund, var det et vigtigt eksempel på, at en større model kunne trænes uden amerikanske halvledere.

Der er dog forskel på at tilpasse en model til eksisterende chips og at udvikle sin egen processor.

Det foreløbige: mulig ASIC til GLM-modellerne

Ifølge en rapport fra The Information, gengivet via Yahoo Finance, har Z.ai indledt indledende samtaler med flere kinesiske chipdesignvirksomheder om en specialbygget AI-processor, en såkaldt ASIC, der skulle optimeres til GLM-modellerne.

Der er endnu ikke valgt en partner, og der er ingen bekræftet tape-out – altså en færdig chipdesignfil, der er sendt til produktion – eller et endeligt udviklingsprogram. Det mest præcise billede er derfor, at Z.ai undersøger muligheden for en specialchip, men endnu ikke har lanceret et dokumenteret ASIC-projekt.

Ifølge rapporten hænger interessen blandt andet sammen med en 27-dobling i den daglige token-anvendelse af GLM-5.2 og et stadig strammere amerikansk eksportregime.

Hvorfor hjemlige chips er blevet strategisk vigtige

Z.ai’s beslutninger skal ses i lyset af et bredere teknologisk kapløb mellem USA og Kina.

USA’s eksportkontrol

Z.ai blev føjet til det amerikanske handelsministeriums Entity List den 16. januar 2025. Optagelsen på listen kan begrænse virksomheders adgang til amerikansk teknologi og gør afhængigheden af udenlandske AI-acceleratorer til en strategisk risiko – ikke blot et spørgsmål om pris.

Statsfinansierede datacentre skal bruge kinesiske chips

Reuters rapporterede i november 2025, at kinesiske myndigheder havde givet besked om, at statsfinansierede datacenterprojekter skulle anvende AI-chips produceret i Kina. Projekter, der var mindre end 30 procent færdige, skulle ifølge kilderne enten fjerne allerede installerede udenlandske chips eller opgive planer om at anskaffe dem.

For kinesiske modeludviklere skaber det et stærkt incitament til at sikre, at modellerne kan trænes og køre på flere lokale platforme. Det kan også give indenlandske chipproducenter som Huawei en større rolle i den infrastruktur, der skal understøtte landets AI-udbygning.

Der cirkulerer samtidig rapporter om meget store fremtidige investeringer i kinesiske AI-datacentre og høje mål for andelen af indenlandske chips. De mere detaljerede beløb og procentsatser er dog ikke underbygget af de stærkeste kilder i materialet og bør derfor behandles med forsigtighed.

Konklusion: selvforsyning før egen chip

Z.ai har allerede taget konkrete skridt mod større beregningsmæssig selvforsyning. GLM-5-serien er tilpasset kinesisk hardware, GLM-5.2 kan køre på blandt andet Huawei Ascend-infrastruktur, og virksomheden har fremhævet GLM-Image som en model, der blev trænet på en fuldt kinesisk chipplatform.

Samtidig har GLM-5.2 leveret et stærkt resultat på SWE-bench Pro med 62,1 mod GPT-5.5’s 58,6.

Men historien om en egen Z.ai-chip er stadig på et tidligt og ubekræftet stadie. Indtil videre er den mest nøgterne beskrivelse derfor: Z.ai er i gang med et bredt skifte til kinesisk AI-hardware og undersøger muligvis en specialdesignet ASIC – men har endnu ikke dokumenteret et færdigt egenudviklet chipprogram.