GLM-5.2: Chiński model AI, który zmienił reguły gry na globalnym rynku

Co oferuje GLM-5.2: Specyfikacje, benchmarki i ceny

GLM-5.2 wykorzystuje architekturę MoE z 744 miliardami parametrów, z czego około 40 miliardów jest aktywnych na token . Jego okno kontekstowe wynoszące 1 milion tokenów jest w pełni użyteczne i stanowi pięciokrotny wzrost w stosunku do 200 tys. tokenów w GLM-5.1 . Maksymalna długość odpowiedzi sięga 131 072 tokenów . Model został podobno wytrenowany na chipach Huawei Ascend, a nie na sprzęcie NVIDIA – to szczegół o istotnych implikacjach dla łańcucha dostaw i kontroli eksportu .

W standardowych benchmarkach GLM-5.2 uzyskał najwyższy wynik spośród wszystkich modeli open-weight w Indeksie Inteligencji Artificial Analysis v4.1 – 51 punktów, wyprzedzając MiniMax-M3 (44), DeepSeek V4 Pro (44) i Kimi K2.6 (43) . W teście GPQA Diamond (rozumowanie naukowe na poziomie zaawansowanym) osiągnął 80,3%, a w AIME 2025 (rozumowanie matematyczne) 86,67% . W kluczowym teście inżynierii oprogramowania SWE-bench Pro uzyskał 62,1 – pokonując GPT-5.5 (58,6) i pozostając za Claude Opus 4.8 o około 0,7 punktu w powiązanym teście FrontierSWE (74,4% vs 75,1%) . Według CNBC, GLM-5.2 znajduje się w odległości jednego punktu procentowego od Opus 4.8 Anthropica w kluczowym teście agentowym, przy około jednej piątej kosztu .

Ceny API wynoszą 1,40 dolara za milion tokenów wejściowych i 4,40 dolara za milion tokenów wyjściowych – to około jedna szósta kosztu GPT-5.5 przez API . Tokeny z cache’a kosztują 0,26 dolara za milion .

Amerykańskie restrykcje eksportowe a zwrot w stronę chińskiej AI

GLM-5.2 trafił do subskrybentów 13 czerwca 2026 roku – dzień po tym, jak amerykański Departament Handlu zmusił Anthropic do globalnego wyłączenia Fable 5 w ramach ograniczeń eksportowych . To zestawienie nie umknęło uwadze przedsiębiorstw. Amerykańskie restrykcje eksportowe na zaawansowane chipy AI (NVIDIA H100/B200 do Chin) popchnęły chińskie laboratoria w stronę trenowania na krajowym sprzęcie, takim jak Huawei Ascend, jednocześnie zwalniając chińskie modele z amerykańskich zasad licencjonowania reeksportu – co daje im przewagę w zakresie zgodności na rynkach, gdzie modele AI pochodzenia amerykańskiego podlegają ograniczeniom .

Strategia kosztowa Coinbase’a: 50% oszczędności dzięki domyślnemu korzystaniu z modeli open-weight

CEO Coinbase’a Brian Armstrong publicznie przedstawił tę strategię. 8 czerwca 2026 roku przewidział, że 80% obciążeń AI będzie docelowo działać na modelach open-weight, argumentując, że ekonomia jest nie do podważenia – zwłaszcza gdy chińskie modele open-weight oferują wydajność zbliżoną do czołowych modeli za ułamek ceny . 27 czerwca szczegółowo opisał wewnętrzne podejście Coinbase’a: domyślnie kierować inżynierów do otwartych chińskich modeli, takich jak GLM 5.2 i Kimi 2.7, inteligentnie routować zapytania przez bramę LLM i agresywnie cache’ować odpowiedzi .

Wyniki są uderzające. Coinbase obniżył wewnętrzne wydatki na AI o około 50%, nawet przy wykładniczym wzroście użycia tokenów . Wskaźnik trafień cache’a wzrósł z 5% do 60% . Firma nie nałożyła żadnych limitów użycia ani alertów budżetowych na inżynierów . Coinbase eksperymentuje teraz z wewnętrznym narzędziem „LLM Ops”, które dodatkowo automatyzuje wybór modelu do zadania .

Strategia spotkała się jednak ze sceptycyzmem. Krytycy wskazują na nierozwiązane kwestie bezpieczeństwa i napięcia geopolityczne – kierowanie zapytań przedsiębiorstw przez modele stworzone przez chińskie laboratorium powiązane z państwem niesie ze sobą ryzyko prawne, którego żaden regulator jeszcze nie wyjaśnił .

OpenRouter: Chińskie modele prześcigają amerykańskie w ruchu tokenów

Dane z OpenRoutera pokazują dramatyczne przesunięcie w użyciu modeli AI w latach 2024–2026 . W czerwcu 2025 roku modele amerykańskie (Google, OpenAI, Anthropic) miały około 70–80% udziału w tokenach, a chińskie około 10% . Do lutego 2026 roku chińskie modele przekroczyły około 61% wolumenu tokenów wśród 10 najpopularniejszych modeli . Do czerwca 2026 roku chińskie modele przetwarzały około 18 bilionów tokenów tygodniowo, podczas gdy amerykańskie około 5,5 biliona, a całkowity tygodniowy wolumen sięgnął około 25 bilionów . Udział amerykańskich modeli spadł do około 30% w ciągu 12 miesięcy . Kluczowe chińskie modele napędzające tę zmianę to DeepSeek, Qwen, MiniMax, Moonshot/Kimi, a teraz GLM-5.2 .

Nierozwiązane ryzyka bezpieczeństwa i prawne

Główna kwestia prawna jest prosta, ale nierozstrzygnięta. Z.ai (Zhipu AI) to chińska firma wywodząca się z Uniwersytetu Tsinghua i powiązana z Pekińską Akademią Sztucznej Inteligencji (BAAI) – podmiotami osadzonymi w państwowym ekosystemie AI Chin . Chińskie prawo – ustawa o wywiadzie narodowym (2017) i ustawa o bezpieczeństwie danych (2021) – nakłada na wszystkie chińskie organizacje ogólny obowiązek „wspierania, pomagania i współpracy z państwową służbą wywiadowczą”. Przepisy te są szeroko sformułowane i mają zasięg eksterytorialny.

Konkretne wektory ryzyka wymieniane w doniesieniach prasowych obejmują: firmy, które same hostują GLM-5.2, mogą nadal podlegać chińskiemu prawu, jeśli wchodzą w interakcje z jakimkolwiek chińskim podmiotem w zakresie aktualizacji, telemetrii czy wsparcia ; zapytania API kierowane przez chińskie punkty końcowe inferencji przechodzą przez jurysdykcje, w których dostęp do danych przez podmioty państwowe jest prawnie dozwolony ; strategia Coinbase’a spotkała się z publiczną krytyką dotyczącą „nierozwiązanych ryzyk bezpieczeństwa i prawnych” dla firm przetwarzających wrażliwe dane finansowe . Żadne amerykańskie ani unijne wytyczne regulacyjne nie przesądziły jeszcze definitywnie, czy korzystanie z chińskich modeli open-weight – nawet hostowanych samodzielnie – stwarza odpowiedzialność w ramach reżimów ochrony danych czy sankcji. Stan na koniec czerwca 2026 roku: ryzyko pozostaje nierozstrzygnięte, a przedsiębiorstwa same oceniają je w oparciu o lokalizację hostingu modelu, wrażliwość danych i zależności w łańcuchu dostaw .