Databricks setzt auf GLM 5.2: Was der interne Benchmark über KI-Modelle verriet

Der Token-Preis ist ein irreführender Kostenindikator. Der Benchmark zeigte, dass der Preis pro Token keine verlässliche Vorhersage für die tatsächlichen Gesamtkosten in agentischen Coding-Workflows liefert. Größere Modelle können erheblich token-effizienter sein, sodass ein günstigeres Modell pro Token am Ende teurer sein kann, wenn es für dieselbe Aufgabe mehr Tokens benötigt. Diese Erkenntnis veranlasste Databricks dazu, Modelle anhand der realen Kosten für die vollständige Aufgabenerledigung zu bewerten und nicht anhand der rohen API-Preise .

Die Gesamtbetriebskosten sprachen für GLM 5.2. Über die API von Z.ai kostet GLM 5.2 etwa 1,40 Dollar pro Million Input-Tokens und 4,40 Dollar pro Million Output-Tokens . Für ein Team, das 10 Millionen Tokens pro Monat mit einem 50/50-Input-Output-Verhältnis verarbeitet, ergibt sich ein monatlicher Betrag von rund 29 Dollar . Konkurrierende Modelle wie Anthropics Opus 4.8 mit 5/25 Dollar pro Million Tokens können bei vergleichbaren oder leicht besseren Benchmark-Ergebnissen drei- bis sechsmal teurer sein . In einem Test von Databricks erreichte GLM 5.2 in Kombination mit dem Pi-Agenten eine Bestehensquote von 87,5 % bei Kosten von 1,25 Dollar pro Aufgabe, während Opus 4.8 mit hohem Rechenaufwand und Claude Code eine vergleichbare Quote von rund 87,5 % zu Kosten von 2 Dollar pro Aufgabe erzielte .

Warum Databricks auf GLM 5.2 setzt

Leistung auf Spitzenniveau zu deutlich geringeren Kosten. GLM 5.2 erzielte 62,1 Punkte auf SWE-bench Pro und übertraf damit GPT-5.5 (58,6). Es liegt nur wenige Punkte hinter Anthropics Opus 4.8 . Im FrontierSWE Dominance erreichte es 74,4 % und lag damit fast gleichauf mit Opus 4.8 (75,1 %) . Die internen Tests von Databricks bestätigten diese öffentlichen Benchmarks: Das chinesische Open-Weight-Modell erreichte oder näherte sich bei denselben realen Ingenieuraufgaben der Leistungsfähigkeit führender proprietärer Modelle an .

Flexibilität durch Open-Weight und MIT-Lizenz. Da GLM 5.2 unter der MIT-Lizenz veröffentlicht wurde und vollständig offene Gewichte besitzt, konnte Databricks das Modell intern bereitstellen, feinabstimmen und eng in den agentischen Coding-Workflow integrieren – ohne Pro-Nutzer-Lizenzierung oder Vendor-Lock-in . Dieses Lizenzmodell ermöglicht es Unternehmen, das Modell auf ihrer eigenen Infrastruktur zu betreiben und so bei hohem Nutzungsvolumen wiederkehrende API-Kosten zu vermeiden.

Geeignet für langfristige, mehrstufige Aufgaben. Der Benchmark konzentrierte sich auf agentische Codebearbeitungen, die sich über viele Dateien und mehrere Denkschritte erstrecken. GLM 5.2 mit seinem 1-Millionen-Token-Kontextfenster und der 744-Milliarden-Parameter-Mixture-of-Experts-Architektur wurde genau für diese Art von Repository-weiten, langfristigen Aufgaben optimiert und nicht für die Autovervollständigung einzelner Dateien . Auf Terminal-Bench 2.1, der die Ausführung von Befehlszeilen- und Agentenaufgaben testet, erreichte es 81,0 Punkte und ist damit das leistungsstärkste Open-Source-Modell – nur Claude Opus 4.8 (85,0) liegt noch davor .