Featherless lance un cloud privé à prix fixe pour GLM 5.2 sur GPU AMD

Featherless a lancé un déploiement cloud privé dédié du modèle open-weights GLM 5.2 de Z.ai, facturé 7 500 $ par mois, sans frais par token. Le service est optimisé pour fonctionner nativement sur des GPU AMD Instinct MI325X, et l'entreprise affirme réduire les coûts d'inférence de 94 % par rapport à des concurrents propriétaires comme GPT-5.5 et Claude Opus 4.8 ^IF. Voici tout ce qu'il faut savoir sur ce service, le modèle et son positionnement face aux alternatives propriétaires.

Qu'est-ce que le cloud privé Featherless GLM 5.2 ?

Featherless a lancé un déploiement cloud privé dédié du modèle open-weights GLM 5.2 de Z.ai, optimisé pour fonctionner nativement sur des GPU AMD Instinct MI325X moyennant des frais mensuels fixes ^IF. Featherless affirme être la seule plateforme à avoir optimisé GLM 5.2 pour fonctionner nativement sur du matériel AMD dans un environnement cloud privé ^I. Cette approche permet aux clients d'éviter la facturation au token et de payer plutôt un coût annuel fixe de 90 000 $ US pour une équipe de développement pleinement utilisée ^I.

Tarification : 7 500 $/mois, tokens illimités

• Frais mensuels fixes : 7 500 $/mois pour une instance cloud privée dédiée ^IF.
• Tokens illimités — pas de frais d'API par token ^IF. C'est la principale différence avec les API au paiement à l'usage.
• Pour contexte, l'API publique de Z.ai facture 1,40 $ par million de tokens en entrée et 4,40 $ par million de tokens en sortie ^DAL. Une charge de travail agentique intensive coûtant plus de 125 000 $/mois sur des API propriétaires reviendrait à environ 7 500 $/mois avec le forfait fixe — soit une réduction de 94 % ^IF.

Comment le calcul fonctionne : GLM 5.2 sur l'API publique coûte environ 1/5 à 1/6 du prix par token de GPT-5.5 ou Claude Opus 4.8 ^GD. Sur la seule sortie, GLM-5.2 à 4,40 $ par million de tokens contre 30 $ pour GPT-5.5 représente environ 1/6,8 du coût ^OF. L'entrée en cache tombe à 0,26 $ par million de tokens ^GF.

Matériel : 4× GPU AMD Instinct MI325X

Chaque instance cloud privée fonctionne sur 4 × GPU AMD Instinct MI325X ^FO. Le MI325X se caractérise par :

• 256 Go de mémoire HBM3e et 6 To/s de bande passante mémoire par accélérateur ^AA.
• Architecture CDNA3 avec 19 456 processeurs de flux et 1216 cœurs matriciels ^A.
• Performance FP8 de 2,61 PFLOPs ^A.

Il s'agit d'une stratégie matérielle notablement différente des déploiements NVIDIA H100/H200 courants dans l'industrie, et Featherless la présente comme un moyen d'éviter les contraintes d'approvisionnement NVIDIA ^I.

Spécifications du modèle GLM 5.2

Spécification	Détails
Architecture	744B paramètres au total, Mixture-of-Experts (MoE) avec ~40B actifs par token GS
Fenêtre de contexte	Jusqu'à 256K tokens sur le cloud public ; jusqu'à 1 million de tokens sur le cloud privé FI
Quantification	FP8 par défaut (~750 Go de VRAM pour les poids) FOR
Poids ouverts	Oui — Z.ai a publié GLM 5.2 sous licence MIT IDA
Focus d'entraînement	Priorité au codage ; spécialisé pour les tâches de génie logiciel GDS

En quantification FP8, les poids du modèle nécessitent environ 750 Go de VRAM, ce qui est confortablement accueilli par le total de 1 To de VRAM réparti sur 4× MI325X (4 × 256 Go), avec de la marge pour le cache KV sur des contextes étendus ^OR.

Benchmarks clés : GLM 5.2 contre GPT-5.5 et Claude Opus 4.8

SWE-bench Pro (génie logiciel réel) :

• GLM 5.2 : 62,1 % contre GPT-5.5 : 58,6 % — bat GPT-5.5 sur les benchmarks de codage ^DF.
• Derrière Claude Opus 4.8 (69,2 %) sur cette métrique ^O.

Terminal-Bench 2.1 (tâches de codage agentique) :

• GLM 5.2 : 82,7 (meilleur score rapporté) contre Claude Opus 4.8 : 78,9 — prend l'avantage sur les tâches agentiques en terminal ^O.

GLM 5.2 se classe #2 sur le classement Arena WebDev de codage selon Featherless ^F.

Comparaison des coûts : GLM 5.2 contre les API propriétaires

L'avantage en termes de coût est là où GLM 5.2 se démarque vraiment. Aux tarifs officiels de l'API de Z.ai :

Modèle	Entrée (par million de tokens)	Sortie (par million de tokens)
GLM 5.2	1,40 $	4,40 $
GPT-5.5	~5,00 $	~30,00 $
Claude Opus 4.8	~8,00 $	~40,00 $

Sources : ^DDAOF

Sur un mix réaliste de 3:1 sortie/entrée, GLM-5.2 atterrit autour de 3,65 $ par million de tokens contre environ 23,75 $ pour GPT-5.5 — un rapport d'environ 1/6,5 ^O. Des observateurs indépendants listent une médiane plus basse chez les fournisseurs servant les poids ouverts (plus proche de ~0,55 $ en entrée et ~1,85 $ en sortie) ^DD.

Positionnement concurrentiel face à l'IA propriétaire

• Couronne des performances de codage : GLM 5.2 bat GPT-5.5 sur SWE-bench Pro tout en étant nettement moins cher par token, ce qui le positionne comme une alternative de codage performante et économique ^DF.
• Zone de prédilection pour les charges agentiques : Le cloud privé à tarif fixe est conçu pour une utilisation agentique soutenue (inférence continue à volume élevé), où les coûts d'API par token des fournisseurs propriétaires explosent ^IF.
• Avantage poids ouverts + AMD : Parce que le modèle est ouvert et fonctionne sur du matériel AMD (plutôt que NVIDIA H100/H200), Featherless peut proposer un cloud privé à une fraction du coût des déploiements équivalents basés sur NVIDIA ^II.
• Leadership de la fenêtre de contexte : Avec 1M de tokens sur le cloud privé, il rivalise ou dépasse les fenêtres de contexte de GPT-5.5 et Claude Opus 4.8 sur des déploiements dédiés ^FI.
• Bémol : Sur les scores de benchmark purs (SWE-bench Pro), Claude Opus 4.8 est toujours en tête (69,2 contre 62,1), donc GLM 5.2 n'est pas le leader absolu sur tous les indicateurs — mais son avantage en termes de coût est massif ^O.

À qui s'adresse ce service ?

Le cloud privé Featherless pour GLM 5.2 est surtout intéressant pour :

• Les équipes gérant des charges agentiques à volume élevé où les coûts d'API par token dépassent rapidement 10 000 à 50 000 $/mois.
• Les organisations ayant des besoins soutenus d'inférence en codage et génie logiciel qui veulent des performances surpassant GPT-5.5 à une fraction du coût.
• Les entreprises cherchant à éviter les contraintes d'approvisionnement en matériel NVIDIA en déployant sur une infrastructure AMD.
• Les équipes d'ingénierie qui souhaitent une utilisation illimitée des tokens sans se soucier de la facturation au compteur.

Featherless propose également des forfaits à tarif fixe de niveau inférieur à partir de 25 $/mois pour un accès serverless à des modèles plus petits, mais le nœud dédié à 7 500 $/mois est explicitement destiné aux équipes ayant besoin d'une inférence soutenue à volume élevé sur le modèle complet GLM 5.2 ^F.

En résumé

Le nouveau service de Featherless propose un cloud privé à 7 500 $/mois pour GLM 5.2 sur 4× GPU AMD MI325X, revendiquant 94 % d'économies par rapport aux API propriétaires pour une utilisation agentique intensive. Le modèle MoE de 744B paramètres bat GPT-5.5 sur SWE-bench Pro pour environ un sixième du coût par token, ce qui en fait une alternative open-weights convaincante pour les organisations ayant de lourdes charges de travail de codage et d'inférence agentique. Bien que Claude Opus 4.8 soit toujours en tête sur certains benchmarks, l'avantage en termes de coût de la combinaison GLM 5.2 + Featherless est suffisamment important pour en faire une option sérieuse pour les équipes soucieuses de leur budget qui ne veulent pas faire de compromis sur les performances.