Prezzi: 7.500 $/mese canone fisso con token illimitati

• Canone mensile fisso: 7.500 $/mese per un'istanza cloud privata dedicata .
• Token illimitati — nessun addebito API per token . Questo è il principale fattore distintivo rispetto alle API pay-as-you-go.
• Per contesto, l'API pubblica di Z.ai addebita 1,40 $ per milione di token in input e 4,40 $ per milione di token in output . Un carico di lavoro agentico intenso che costerebbe oltre 125.000 $/mese sulle API proprietarie costerebbe circa 7.500 $/mese con il piano a tariffa fissa — una riduzione del 94% .

Come funziona il calcolo: GLM 5.2 sull'API pubblica costa circa da 1/5 a 1/6 del prezzo per token di GPT-5.5 o Claude Opus 4.8 . Sul solo output, GLM-5.2 a 4,40 $ per milione di token contro i 30 $ di GPT-5.5 equivale a circa 1/6,8 del costo . L'input in cache scende ulteriormente a 0,26 $ per milione di token .

Hardware: 4 GPU AMD Instinct MI325X

Ogni istanza cloud privata funziona su 4 GPU AMD Instinct MI325X . L'MI325X offre:

• 256 GB di memoria HBM3e e 6 TB/s di larghezza di banda per acceleratore .
• Architettura CDNA3 con 19.456 stream processor e 1216 matrix core .
• Prestazioni FP8 di 2,61 PFLOPs .

Si tratta di una strategia hardware notevolmente diversa rispetto alle implementazioni NVIDIA H100/H200 comuni nel settore, e Featherless la presenta come un modo per evitare i vincoli di fornitura NVIDIA .

Specifiche del modello GLM 5.2

Con la quantizzazione FP8, i pesi del modello richiedono circa 750 GB di VRAM, comodamente ospitati dalla VRAM totale di 1 TB su 4 GPU MI325X (4 × 256 GB), con spazio libero per la KV cache a lunghezze di contesto estese .

Benchmark chiave: GLM 5.2 vs. GPT-5.5 e Claude Opus 4.8

SWE-bench Pro (ingegneria del software reale):

• GLM 5.2: 62,1% vs. GPT-5.5: 58,6% — supera GPT-5.5 sui benchmark di coding .
• In coda a Claude Opus 4.8 (69,2%) su questo parametro .

Terminal-Bench 2.1 (compiti di coding agentici):

• GLM 5.2: 82,7 (miglior risultato riportato) vs. Claude Opus 4.8: 78,9 — si porta avanti nei compiti agentici basati su terminale .

GLM 5.2 è al #2 nella classifica Arena WebDev coding secondo Featherless .

Confronto costi: GLM 5.2 vs. API proprietarie

Il vantaggio in termini di costi è il punto di forza di GLM 5.2. Con le tariffe API ufficiali di Z.ai:

Fonti:

Su un mix realistico di carico di lavoro 3:1 output/input, GLM-5.2 si attesta vicino a 3,65 $ per milione di token contro i circa 23,75 $ di GPT-5.5 — un rapporto di circa 1/6,5 . Tracker indipendenti elencano una mediana inferiore tra i provider che servono i pesi aperti (più vicino a circa 0,55 $ per input e 1,85 $ per output) .

Posizionamento competitivo vs. AI proprietaria

• Leadership nelle prestazioni di coding: GLM 5.2 supera GPT-5.5 su SWE-bench Pro costando drasticamente meno in termini di token, posizionandosi come un'alternativa di coding ad alte prestazioni e basso costo .
• Punto debole dei carichi di lavoro agentici: Il cloud privato a tariffa fissa è progettato per un utilizzo agentico continuo (inferenza ad alto volume e continua), dove i costi API per token dei fornitori proprietari lievitano .
• Vantaggio pesi aperti + AMD: Poiché il modello è aperto e funziona su hardware AMD (anziché NVIDIA H100/H200), Featherless può offrire un cloud privato a una frazione del costo delle implementazioni equivalenti basate su NVIDIA .
• Leadership nella finestra di contesto: Con 1M di token sul cloud privato, compete o supera le finestre di contesto di GPT-5.5 e Claude Opus 4.8 su implementazioni dedicate .
• Precisazione: Sui punteggi benchmark puri (SWE-bench Pro), Claude Opus 4.8 è ancora in testa (69,2 vs. 62,1), quindi GLM 5.2 non è il leader assoluto su ogni metrica — ma il suo vantaggio in termini di costi è enorme .

Chi dovrebbe considerare questo servizio?

Il cloud privato Featherless per GLM 5.2 è più adatto per:

• Team che gestiscono carichi di lavoro agentici ad alto volume dove i costi API per token superano rapidamente i 10.000–50.000 $/mese.
• Organizzazioni con esigenze sostenute di inferenza per coding e ingegneria del software che desiderano prestazioni superiori a GPT-5.5 a una frazione del costo.
• Aziende che cercano di evitare i vincoli di fornitura dell'hardware NVIDIA implementando su infrastruttura AMD.
• Team di ingegneria che vogliono un utilizzo illimitato dei token senza preoccuparsi della fatturazione a consumo.

Featherless offre anche piani flat-rate di livello inferiore a partire da 25 $/mese per l'accesso serverless a modelli più piccoli, ma il nodo dedicato da 7.500 $/mese è esplicitamente per team che necessitano di inferenza sostenuta e ad alto volume sul modello GLM 5.2 completo .

In sintesi

Il nuovo servizio di Featherless offre un cloud privato a tariffa fissa di 7.500 $/mese per GLM 5.2 su 4 GPU AMD MI325X, con un risparmio dichiarato del 94% rispetto alle API proprietarie per un uso agentico ad alto volume. Il modello MoE da 744B supera GPT-5.5 su SWE-bench Pro a circa un sesto del costo per token, diventando un'allettante alternativa open-weight per le organizzazioni con carichi di lavoro intensivi di coding e inferenza agentica. Sebbene Claude Opus 4.8 sia ancora in testa su alcuni benchmark, il vantaggio in termini di costi della combinazione GLM 5.2 + Featherless è abbastanza grande da renderla un'opzione seria per i team attenti al budget che non vogliono scendere a compromessi sulle prestazioni.

Prezzi: 7.500 $/mese canone fisso con token illimitati

• Canone mensile fisso: 7.500 $/mese per un'istanza cloud privata dedicata .
• Token illimitati — nessun addebito API per token . Questo è il principale fattore distintivo rispetto alle API pay-as-you-go.
• Per contesto, l'API pubblica di Z.ai addebita 1,40 $ per milione di token in input e 4,40 $ per milione di token in output . Un carico di lavoro agentico intenso che costerebbe oltre 125.000 $/mese sulle API proprietarie costerebbe circa 7.500 $/mese con il piano a tariffa fissa — una riduzione del 94% .

Come funziona il calcolo: GLM 5.2 sull'API pubblica costa circa da 1/5 a 1/6 del prezzo per token di GPT-5.5 o Claude Opus 4.8 . Sul solo output, GLM-5.2 a 4,40 $ per milione di token contro i 30 $ di GPT-5.5 equivale a circa 1/6,8 del costo . L'input in cache scende ulteriormente a 0,26 $ per milione di token .

Hardware: 4 GPU AMD Instinct MI325X

Ogni istanza cloud privata funziona su 4 GPU AMD Instinct MI325X . L'MI325X offre:

• 256 GB di memoria HBM3e e 6 TB/s di larghezza di banda per acceleratore .
• Architettura CDNA3 con 19.456 stream processor e 1216 matrix core .
• Prestazioni FP8 di 2,61 PFLOPs .

Si tratta di una strategia hardware notevolmente diversa rispetto alle implementazioni NVIDIA H100/H200 comuni nel settore, e Featherless la presenta come un modo per evitare i vincoli di fornitura NVIDIA .

Specifiche del modello GLM 5.2

Con la quantizzazione FP8, i pesi del modello richiedono circa 750 GB di VRAM, comodamente ospitati dalla VRAM totale di 1 TB su 4 GPU MI325X (4 × 256 GB), con spazio libero per la KV cache a lunghezze di contesto estese .

Benchmark chiave: GLM 5.2 vs. GPT-5.5 e Claude Opus 4.8

SWE-bench Pro (ingegneria del software reale):

• GLM 5.2: 62,1% vs. GPT-5.5: 58,6% — supera GPT-5.5 sui benchmark di coding .
• In coda a Claude Opus 4.8 (69,2%) su questo parametro .

Terminal-Bench 2.1 (compiti di coding agentici):

• GLM 5.2: 82,7 (miglior risultato riportato) vs. Claude Opus 4.8: 78,9 — si porta avanti nei compiti agentici basati su terminale .

GLM 5.2 è al #2 nella classifica Arena WebDev coding secondo Featherless .

Confronto costi: GLM 5.2 vs. API proprietarie

Il vantaggio in termini di costi è il punto di forza di GLM 5.2. Con le tariffe API ufficiali di Z.ai:

Fonti:

Su un mix realistico di carico di lavoro 3:1 output/input, GLM-5.2 si attesta vicino a 3,65 $ per milione di token contro i circa 23,75 $ di GPT-5.5 — un rapporto di circa 1/6,5 . Tracker indipendenti elencano una mediana inferiore tra i provider che servono i pesi aperti (più vicino a circa 0,55 $ per input e 1,85 $ per output) .

Posizionamento competitivo vs. AI proprietaria

• Leadership nelle prestazioni di coding: GLM 5.2 supera GPT-5.5 su SWE-bench Pro costando drasticamente meno in termini di token, posizionandosi come un'alternativa di coding ad alte prestazioni e basso costo .
• Punto debole dei carichi di lavoro agentici: Il cloud privato a tariffa fissa è progettato per un utilizzo agentico continuo (inferenza ad alto volume e continua), dove i costi API per token dei fornitori proprietari lievitano .
• Vantaggio pesi aperti + AMD: Poiché il modello è aperto e funziona su hardware AMD (anziché NVIDIA H100/H200), Featherless può offrire un cloud privato a una frazione del costo delle implementazioni equivalenti basate su NVIDIA .
• Leadership nella finestra di contesto: Con 1M di token sul cloud privato, compete o supera le finestre di contesto di GPT-5.5 e Claude Opus 4.8 su implementazioni dedicate .
• Precisazione: Sui punteggi benchmark puri (SWE-bench Pro), Claude Opus 4.8 è ancora in testa (69,2 vs. 62,1), quindi GLM 5.2 non è il leader assoluto su ogni metrica — ma il suo vantaggio in termini di costi è enorme .

Chi dovrebbe considerare questo servizio?

Il cloud privato Featherless per GLM 5.2 è più adatto per:

• Team che gestiscono carichi di lavoro agentici ad alto volume dove i costi API per token superano rapidamente i 10.000–50.000 $/mese.
• Organizzazioni con esigenze sostenute di inferenza per coding e ingegneria del software che desiderano prestazioni superiori a GPT-5.5 a una frazione del costo.
• Aziende che cercano di evitare i vincoli di fornitura dell'hardware NVIDIA implementando su infrastruttura AMD.
• Team di ingegneria che vogliono un utilizzo illimitato dei token senza preoccuparsi della fatturazione a consumo.

Featherless offre anche piani flat-rate di livello inferiore a partire da 25 $/mese per l'accesso serverless a modelli più piccoli, ma il nodo dedicato da 7.500 $/mese è esplicitamente per team che necessitano di inferenza sostenuta e ad alto volume sul modello GLM 5.2 completo .

In sintesi

Il nuovo servizio di Featherless offre un cloud privato a tariffa fissa di 7.500 $/mese per GLM 5.2 su 4 GPU AMD MI325X, con un risparmio dichiarato del 94% rispetto alle API proprietarie per un uso agentico ad alto volume. Il modello MoE da 744B supera GPT-5.5 su SWE-bench Pro a circa un sesto del costo per token, diventando un'allettante alternativa open-weight per le organizzazioni con carichi di lavoro intensivi di coding e inferenza agentica. Sebbene Claude Opus 4.8 sia ancora in testa su alcuni benchmark, il vantaggio in termini di costi della combinazione GLM 5.2 + Featherless è abbastanza grande da renderla un'opzione seria per i team attenti al budget che non vogliono scendere a compromessi sulle prestazioni.