Databricksin sisäinen vertailu paljasti: avoimen lähdekoodin malli GLM 5.2 on yhtä hyvä kuin huippumallit – murto-osalla hinnasta

Token-hinta on harhaanjohtava kustannusmittari. Vertailu osoitti, että mallin token-hinta ei luotettavasti ennusta todellisia kokonaiskustannuksia agenttisissa koodaustyönkuluissa. Suuremmat mallit voivat olla huomattavasti token-tehokkaampia, mikä tarkoittaa, että halvempi token-hinta voi johtaa korkeampiin kokonaiskustannuksiin, jos malli tarvitsee enemmän tokeneita saman tehtävän suorittamiseen. Tämä sai Databricksin arvioimaan malleja todellisten, päästä päähän -tehtäväkustannusten perusteella, ei raaka-API hintojen .

Kokonaiskustannukset suosivat GLM 5.2:ta. Z.ai:n API:ssa GLM 5.2:n hinta on noin 1,40 dollaria miljoonalta syöttötokenilta ja 4,40 dollaria miljoonalta tulostetokenilta . Tiimille, joka käsittelee 10 miljoonaa tokenia kuukaudessa 50/50-jakaumalla, kokonaiskustannukset olisivat noin 29 dollaria kuukaudessa . Kilpailijamallit, kuten Anthropicin Opus 4.8 hintaan 5/25 dollaria miljoonalta tokenilta, voivat maksaa 3–6 kertaa enemmän vastaavista tai hieman paremmista vertailutuloksista . Yhdessä Databricksin testissä GLM 5.2 saavutti Pi-agentilla 87,5 %:n läpäisyasteen hintaan 1,25 dollaria per tehtävä, kun Opus 4.8:n vastaava luku Claude Code -agentilla oli 2,00 dollaria .

Miksi Databricks valitsi GLM 5.2:n

Suorituskyky vastaa huippumalleja murto-osalla hinnasta. GLM 5.2 sai SWE-bench Prossa tuloksen 62,1, ohittaen GPT-5.5:n (58,6) ja jääden vain muutaman pisteen päähän Anthropicin Opus 4.8:sta . FrontierSWE Dominancessa se saavutti 74,4 %, lähes tasoissa Opus 4.8:n 75,1 %:n kanssa . Databricksin sisäiset testit vahvistivat julkiset tulokset: kiinalainen avoimen painoarvon malli ylsi samalle tasolle tai lähelle johtavien omisteisten mallien kyvykkyyttä samoissa todellisissa ohjelmointitehtävissä .

Avoimen painoarvon ja MIT-lisenssin tuoma joustavuus. Koska GLM 5.2 on MIT-lisensoitu ja täysin avoimen painoarvon malli, Databricks pystyi ottamaan sen käyttöön omassa infrastruktuurissaan, hienosäätämään sitä ja integroimaan sen tiiviisti omaan agenttiseen koodaustyönkulkuunsa ilman käyttäjäkohtaisia lisenssimaksuja tai toimittajariippuvuutta . Tämä lisenssimalli antaa yrityksille mahdollisuuden ajaa mallia omalla infrastruktuurillaan, välttäen toistuvat API-kustannukset suurissa käyttömäärissä.

Sopii pitkäkestoisiin, monivaiheisiin tehtäviin. Vertailu keskittyi agenttisiin koodausmuokkauksiin, jotka ulottuvat useisiin tiedostoihin ja vaativat monivaiheista päättelyä. GLM 5.2, jossa on 1 miljoonan tokenin konteksti-ikkuna ja 744 miljardin parametrin mixture-of-experts -arkkitehtuuri, on optimoitu juuri tällaisiin repossa tapahtuviin pitkäkestoisiin tehtäviin, ei yksittäistiedostojen automaattitäydennykseen . Terminal-Bench 2.1:ssä, joka testaa komentorivi- ja agenttitehtävien suoritusta, se sai 81,0, ollen vahvin avoimen lähdekoodin malli ja jääden vain Claude Opus 4.8:n (85,0) taakse .