Databricks adopta GLM 5.2 como su motor de codificación predeterminado

El costo total de propiedad favoreció a GLM 5.2. A través de la API de Z.ai, GLM 5.2 tiene un precio de aproximadamente $1.40 por millón de tokens de entrada y $4.40 por millón de tokens de salida . Para un equipo que procesa 10 millones de tokens al mes con una división 50/50 entre entrada y salida, el total sería de unos $29 al mes . Modelos competidores como Opus 4.8 de Anthropic, a $5/$25 por millón de tokens, pueden costar de 3 a 6 veces más por puntuaciones de benchmark comparables o ligeramente mejores . Por tarea, una prueba de Databricks mostró que GLM 5.2 usando el agente Pi logró una tasa de aprobación del 87.5% a $1.25 por tarea, mientras que Opus 4.8 de alto esfuerzo usando Claude Code logró una tasa de aprobación comparable a $2.00 por tarea .

Por qué Databricks adoptó GLM 5.2

Rendimiento comparable a los modelos frontera a un costo mucho menor. GLM 5.2 obtuvo 62.1 en SWE-bench Pro, superando a GPT-5.5 (58.6) y acercándose a unos pocos puntos de Opus 4.8 de Anthropic . En FrontierSWE Dominance, alcanzó el 74.4%, casi empatando con el 75.1% de Opus 4.8 . Las pruebas internas de Databricks se hicieron eco de estos benchmarks públicos: el modelo chino de pesos abiertos igualó o se acercó a la capacidad de los principales modelos propietarios en las mismas tareas de ingeniería del mundo real .

Flexibilidad de despliegue con pesos abiertos y licencia MIT. Dado que GLM 5.2 tiene licencia MIT y es completamente de pesos abiertos, Databricks pudo desplegarlo internamente, ajustarlo finamente e integrarlo estrechamente en su flujo de trabajo de codificación agente sin licencias por asiento ni bloqueo de proveedor . Este modelo de licencia permite a las empresas ejecutar el modelo en su propia infraestructura, evitando costos recurrentes de API para uso de alto volumen.

Adecuado para tareas de múltiples pasos y largo plazo. El benchmark se centró en ediciones de codificación agente que abarcan muchos archivos y pasos de razonamiento. GLM 5.2, con su ventana de contexto de 1 millón de tokens y su arquitectura de mezcla de expertos de 744 mil millones de parámetros, fue optimizado específicamente para este tipo de trabajo a escala de repositorio y de largo plazo, en lugar del autocompletado de un solo archivo . En Terminal-Bench 2.1, que prueba la ejecución de tareas agente en línea de comandos, obtuvo 81.0, lo que lo convierte en el modelo de código abierto más fuerte, solo detrás de Claude Opus 4.8 (85.0) .