Featherless startet Private Cloud für GLM 5.2 – Pauschalpreis und AMD-Hardware

Featherless hat einen dedizierten Private-Cloud-Service für das Open-Weight-Modell GLM 5.2 von Z.ai zu einem monatlichen Festpreis von 7.500 US-Dollar gestartet – ohne versteckte Kosten pro Token. Der Service wurde speziell für den nativen Betrieb auf AMD Instinct MI325X GPUs optimiert. Das Unternehmen verspricht Kosteneinsparungen von 94 % im Vergleich zu geschlossenen Konkurrenzmodellen wie GPT-5.5 und Claude Opus 4.8 . Hier erfahren Sie alles Wissenswerte: wie der Service funktioniert, was das Modell kann und wie es sich gegen die proprietäre Konkurrenz behauptet.

Was ist der Featherless GLM 5.2 Private Cloud?

Featherless bietet eine dedizierte Private-Cloud-Instanz des quelloffenen GLM 5.2 von Z.ai an, die nativ auf AMD Instinct MI325X GPUs läuft . Nach eigenen Angaben ist Featherless die einzige Plattform, die GLM 5.2 für AMD-Hardware in einer Private-Cloud-Umgebung optimiert hat . Der Clou: Kunden zahlen keine Gebühren pro Token, sondern einen festen Jahresbetrag von 90.000 US-Dollar. Das entspricht einem Festgehalt für ein voll ausgelastetes Entwicklungsteam .

Preis: 7.500 $/Monat Flatrate – unlimitierte Tokens

• Monatliche Flatrate: 7.500 $ für eine dedizierte Private-Cloud-Instanz .
• Unlimitierte Tokens – keine API-Gebühren pro Token . Das ist der entscheidende Unterschied zu den üblichen Pay-as-you-go-APIs.
• Zum Vergleich: Die öffentliche API von Z.ai verlangt 1,40 $ pro Million Input-Tokens und 4,40 $ pro Million Output-Tokens . Ein intensiver Agenten-Workload, der bei proprietären APIs über 125.000 $ pro Monat kosten würde, schlägt beim Flatrate-Tarif mit rund 7.500 $ zu Buche – eine Reduktion um 94 % .

So rechnet sich das: GLM 5.2 kostet über die öffentliche API etwa 1/5 bis 1/6 des Preises pro Token von GPT-5.5 oder Claude Opus 4.8 . Reine Output-Kosten: GLM-5.2 mit 4,40 $ pro Million Tokens gegenüber 30 $ bei GPT-5.5 – das ist rund 1/6,8 der Kosten . Gecachte Inputs kosten sogar nur 0,26 $ pro Million Tokens .

Hardware: 4× AMD Instinct MI325X GPUs

Jede Private-Cloud-Instanz läuft auf 4 AMD Instinct MI325X GPUs . Die MI325X glänzt mit:

• 256 GB HBM3e-Speicher und einer Speicherbandbreite von 6 TB/s pro Beschleuniger .
• CDNA3-Architektur mit 19.456 Stream-Prozessoren und 1.216 Matrix-Kernen .
• FP8-Leistung von 2,61 PFLOPs .

Dieser Hardware-Ansatz unterscheidet sich deutlich von den branchenüblichen NVIDIA H100/H200-Deployments. Featherless sieht darin einen Weg, die oft angespannte NVIDIA-Lieferkette zu umgehen .

GLM 5.2: Technische Daten des Modells

Spezifikation	Details
Architektur	744B Gesamtparameter, Mixture-of-Experts (MoE) mit ca. 40B aktiven Parametern pro Token
Kontextfenster	Bis zu 256K Tokens in der Public Cloud; bis zu 1 Million Tokens in der Private Cloud
Quantisierung	FP8 (Standard) – etwa 750 GB VRAM für die Gewichte
Offene Gewichte	Ja – Z.ai hat GLM 5.2 unter der MIT-Lizenz als Open-Weight-Modell veröffentlicht
Trainingsfokus	Code-zentriert; spezialisiert auf Softwareentwicklungsaufgaben

In FP8-Quantisierung benötigen die Modellgewichte rund 750 GB VRAM. Die 4 MI325X GPUs bieten mit insgesamt 1 TB VRAM (4 × 256 GB) nicht nur ausreichend Platz, sondern auch Reserve für den KV-Cache bei großen Kontextlängen .

Benchmarks: GLM 5.2 vs. GPT-5.5 und Claude Opus 4.8

SWE-bench Pro (reale Softwareentwicklung):

• GLM 5.2: 62,1 % vs. GPT-5.5: 58,6 % – schlägt GPT-5.5 bei Code-Benchmarks .
• Liegt hinter Claude Opus 4.8 (69,2 %) auf dieser Messlatte .

Terminal-Bench 2.1 (Agenten-basierte Code-Aufgaben):

• GLM 5.2: 82,7 (bester gemeldeter Wert) vs. Claude Opus 4.8: 78,9 – liegt bei terminalbasierten Agenten-Aufgaben vorn .

Laut Featherless belegt GLM 5.2 Platz 2 im Arena WebDev Coding Leaderboard .

Kostenvergleich: GLM 5.2 vs. proprietäre APIs

Der Kostenunterschied ist das stärkste Argument für GLM 5.2. Die offiziellen API-Preise von Z.ai:

Modell	Input (pro 1M Tokens)	Output (pro 1M Tokens)
GLM 5.2	1,40 $	4,40 $
GPT-5.5	ca. 5,00 $	ca. 30,00 $
Claude Opus 4.8	ca. 8,00 $	ca. 40,00 $

Quellen:

Bei einem realistischen 3:1-Verhältnis von Output zu Input liegt GLM-5.2 bei etwa 3,65 $ pro Million Tokens, GPT-5.5 dagegen bei rund 23,75 $ – ein Verhältnis von etwa 1:6,5 . Unabhängige Preisvergleiche nennen für die offenen Gewichte einen noch niedrigeren Median (etwa 0,55 $ Input und 1,85 $ Output) .

Wettbewerbspositionierung vs. proprietäre KI

• Code-Performance-Krone: GLM 5.2 schlägt GPT-5.5 im SWE-bench Pro und ist pro Token drastisch günstiger – das macht es zu einer hochleistungsfähigen und kostengünstigen Code-Alternative .
• Ideales Einsatzgebiet für Agenten: Die Flatrate ist auf intensive, dauerhafte Agenten-Workloads zugeschnitten, bei denen die Kosten für proprietäre APIs explodieren .
• Open Weights + AMD-Vorteil: Da das Modell offen ist und auf AMD-Hardware (statt NVIDIA H100/H200) läuft, kann Featherless eine Private Cloud zu einem Bruchteil der Kosten vergleichbarer NVIDIA-basierter Lösungen anbieten .
• Führendes Kontextfenster: Mit 1 Million Tokens in der Private Cloud übertrifft oder erreicht es die Kontextfenster von GPT-5.5 und Claude Opus 4.8 in dedizierten Umgebungen .
• Einschränkung: In reinen Benchmark-Werten (SWE-bench Pro) liegt Claude Opus 4.8 noch vorn (69,2 vs. 62,1). GLM 5.2 ist also nicht in jeder Metrik der Spitzenreiter – der Kostenvorteil ist jedoch immens .

Für wen eignet sich dieser Service?

Die Featherless Private Cloud für GLM 5.2 ist besonders attraktiv für:

• Teams mit umfangreichen Agenten-Workloads, deren API-Kosten schnell über 10.000 bis 50.000 $ pro Monat steigen.
• Organisationen mit dauerhaftem Bedarf an Code- und Softwareentwicklungs-Inferenzen, die eine GPT-5.5-übertreffende Leistung zu einem Bruchteil der Kosten suchen.
• Unternehmen, die NVIDIA-Lieferengpässe umgehen und auf AMD-Infrastruktur setzen möchten.
• Entwicklungsteams, die unbegrenzte Token-Nutzung ohne Abrechnungssorgen wollen.

Featherless bietet auch günstigere Flatrate-Tarife ab 25 $/Monat für den serverlosen Zugriff auf kleinere Modelle an. Der dedizierte Knoten für 7.500 $/Monat ist jedoch explizit für Teams gedacht, die dauerhaft und in großem Umfang Inferenz mit dem vollständigen GLM 5.2-Modell betreiben .

Fazit

Der neue Service von Featherless bietet eine Private Cloud für GLM 5.2 auf 4 AMD MI325X GPUs zum monatlichen Festpreis von 7.500 $. Für umfangreiche Agenten-Workloads verspricht das Unternehmen Kosteneinsparungen von 94 % im Vergleich zu proprietären APIs. Das 744B MoE-Modell übertrifft GPT-5.5 im SWE-bench Pro und kostet pro Token nur etwa ein Sechstel. Damit ist es eine ernstzunehmende Open-Weight-Alternative für Organisationen mit hohem Code- und Agenten-Inferenzbedarf. Claude Opus 4.8 liegt zwar in einigen Benchmarks noch vorn, doch die Kombination aus GLM 5.2 und Featherless ist preislich so attraktiv, dass sie für kostenbewusste Teams, die keine Leistungseinbußen hinnehmen wollen, eine äußerst interessante Option darstellt.