Z.AI GLM 5.2: Das chinesische Open-Weight-Modell, das GPT-5.5 bei Codierung übertrifft und ein Sechstel kostet

Wichtige Coding- und Reasoning-Benchmarks

Laut Vals AI erzielte GLM-5.2 auf fünf Benchmarks (Vals Index, Harvey's Legal Agent Benchmark, Finance Agent v2, ProofBench, Vibe Code Bench) die besten Ergebnisse aller Modelle – einschließlich Closed-Source-Modellen .

Architektur

GLM-5.2 behält die 744B Gesamt-/ 40B aktive MoE-Architektur des Vorgängers GLM-5.1 bei, führt aber zwei wesentliche Neuerungen ein :

• IndexShare – Eine neuartige Sparse-Attention-Optimierung, die einen einzigen, leichten Indexer über jeweils vier Sparse-Attention-Layer hinweg wiederverwendet. Dadurch reduzieren sich die FLOPs pro Token bei 1M Kontext um etwa das 2,9-Fache .
• Verbesserte Multi-Token-Vorhersage (MTP) – Eine optimierte spekulative Dekodierungsschicht erhöht die Akzeptanzlänge um bis zu 20 % und senkt so die Latenz bei langen Ausgaben .

Technische Daten

• Kontextfenster: 1 Million Token (nutzbar, nicht nur theoretisch)
• Maximale Ausgabe: 131.072 Token pro Generierung
• Denkmodi: „High"- und „Max"-Stufen für tiefergehendes Reasoning
• Lizenz: MIT (vollständig offene Gewichte)

Kosten

API-Preise (pro 1 Mio. Token, offizielle Z.AI-Dokumentation)

Wettbewerbsvergleich

• GLM-5.2 kostet etwa 1/6 des Preises pro Token von GPT-5.5 und Claude Opus 4.8 – bei vergleichbarer oder besserer Codierungsleistung .
• Im Abo (GLM Coding Plan) gibt es Stufen für ~10 $/Monat (Lite), ~30 $/Monat (Pro) und ~80 $/Monat (Max) .
• Z.AI liegt damit auf der Pareto-Grenze für Intelligence vs. Kosten pro Aufgabe .

Tech-CEOs loben GLM-5.2

• Guillermo Rauch (CEO von Vercel) – Zeigte sich „aufrichtig beeindruckt, fast schockiert" über die Codierungsfähigkeiten und meinte, das Modell „verändert die Dinge" .
• Elon Musk – Likte Social-Media-Beiträge über das Modell .
• Aaron Levie (CEO von Box) – Reagierte sehr positiv auf die Fähigkeiten .
• In der westlichen Tech-Community wurde die Woche der Veröffentlichung als „eine der besten Wochen aller Zeiten" für Open-Source-KI bezeichnet .

Strategischer Kontext

US-Entity-Liste und Exportkontrollen

• Z.AI (Zhipu AI) wurde im Januar 2025 auf die US-Entity-Liste gesetzt, was den Zugang zu modernen Halbleitern und Chip-Produktionsanlagen einschränkt .
• Die Veröffentlichung erfolgte unmittelbar nachdem die US-Regierung die Abschaltung von Anthropics Claude Fable angeordnet hatte . Z.AI-Gründer Jie Tang bezog sich in seiner Ankündigung explizit auf diese Abschaltung und positionierte GLM-5.2 als offene Alternative .
• Am 15. Juni 2026 stieg die Aktie von Zhipu um 33 %, nachdem Washington die Beschränkungen für ausländischen Zugang zu fortschrittlichen US-Modellen verschärft hatte .

Börsengang in Hongkong

• Zhipu AI vollzog am 8. Januar 2026 seinen Börsengang an der Hongkonger Börse und nahm dabei rund 4,35 Mrd. HKD (~558 Mio. $) bei einer Marktkapitalisierung von knapp 52,83 Mrd. $ ein . Das Unternehmen wird von CEO Zhang Peng geführt.

Chinesische Open-Weight-Modelle vs. westliche Frontier-KI

• GLM-5.2 ist das deutlichste Signal dafür, dass chinesische Open-Weight-Modelle die Lücke zu westlichen proprietären Frontier-Modellen geschlossen haben. Bei mehreren Langzeit-Codierungs-Benchmarks schlägt es GPT-5.5 und liegt nur 1 % hinter Claude Opus 4.8 .
• Das Modell zeigt, dass Exportkontrollen die Innovationsfähigkeit chinesischer KI-Labore (hier: IndexShare-Architektur) nicht gebremst haben .
• Die Strategie von Z.AI kombiniert Open-Weight-Veröffentlichung (MIT-Lizenz), aggressive Preise (~1/6 der Kosten von Closed-Source-Modellen) und einen Fokus auf langfristige, agentische Codierungsaufgaben – eine direkte Zielsetzung auf die Entwickler-Community, die westliche Labore lange dominiert haben .
• Hugging Face finanzierte persönlich sechs Stunden kostenlose globale Rechenzeit für GLM-5.2 – ein klares Signal für die Unterstützung offener chinesischer Modelle .
• Die Veröffentlichung verschärft den Wettbewerb weiter: Wenn chinesische Open-Weight-Modelle auf dieser Linie bleiben, wird es für westliche Labore immer schwieriger, ihre Closed-Source-Zugänge zu rechtfertigen – besonders bei kosten sensitiven Codierungs- und Agenten-Workloads.

Quellen: