Chiński model AI GLM-5.2 podbija amerykańskie przedsiębiorstwa. Dlaczego Microsoft i Databricks ryzykują?

Fala amerykańskich przedsiębiorstw — w tym Microsoft, Amazon, Databricks i inne — po cichu przyjmuje chińskie modele AI open-source, a model GLM-5.2 od Zhipu AI znajduje się w centrum tej zmiany. Model wydany 13 czerwca 2026 roku na licencji MIT bije na głowę OpenAI GPT-5.5 w kluczowych testach programistycznych, kosztując przy tym około jedną szóstą ceny za token . Ta inwersja stosunku ceny do wydajności sprawia, że model jest nieodparty dla oszczędnych zespołów inżynieryjnych, ale wprowadza również znaczące ryzyko cyberbezpieczeństwa i komplikacje geopolityczne, których regulatorzy jeszcze nie rozwiązali.

Adopcja przez amerykańskie firmy

Microsoft, Amazon i inni główni dostawcy usług w chmurze oferują już dostęp do systemów Z.ai, DeepSeek, MiniMax i innych chińskich systemów AI za pośrednictwem swoich platform. Microsoft rozważał głębszą integrację, w tym wykorzystanie najnowszego modelu DeepSeek do zasilania jednego z własnych produktów . Prezes Zoho, Sridhar Vembu, publicznie stwierdził, że amerykańskie firmy sięgają po chińskie AI open-source nie z powodu nielojalności, ale dlatego, że różnica w stosunku ceny do wydajności stała się zbyt duża, aby ją ignorować .

Charakter open-weight modelu GLM-5.2 — dostępnego na licencji MIT na Hugging Face — był kluczowym czynnikiem napędzającym tę adopcję. Programiści i przedsiębiorstwa z USA mogą pobrać pełne wagi modelu, hostować je na własnej infrastrukturze i całkowicie ominąć zależność od chińskich API w chmurze . Pozwala to zespołom czerpać korzyści kosztowe i wydajnościowe bez przesyłania zastrzeżonego kodu na chińskie serwery, choć wymaga to zaufania do samych wag modelu.

Wydajność w testach

GLM-5.2 jest najsilniejszym modelem open-weight do kodowania według stanu na czerwiec 2026 roku . Uzyskał on 62.1 w SWE-bench Pro, przewyższając wynik GPT-5.5 (58.6) i zbliżając się do Claude Opus 4.8 (69.2) . W Terminal-Bench 2.1 osiągnął 81.0, lądując w odległości czterech punktów od Claude Opus 4.8 (85.0) . W FrontierSWE, teście długoterminowych projektów technicznych, uzyskał 74.4%, wyprzedzając GPT-5.5 (72.6%) i plasując się tuż za Claude Opus 4.8 (75.1%) .

Model zdobył również 51 punktów w Artificial Analysis Intelligence Index v4.1, zajmując czwarte miejsce — za Claude Fable 5, Claude Opus 4.8 i GPT-5.5 — i pierwsze wśród wszystkich modeli open-weight . W ślepym teście Code Arena zajął drugie miejsce na świecie i pierwsze wśród modeli open-source . Uzyskał 1,524 w GDPval-AA v2 (punkt odniesienia dla ludzi: 1,000), dorównując GPT-5.5 w testach rozumowania .

Poza surowymi wynikami, GLM-5.2 obsługuje bezwstrainy kontekst 1 miliona tokenów — 5 razy więcej niż poprzednik GLM-5.1 — co czyni go szczególnie odpowiednim do długotrwałych zadań kodowania i złożonej inżynierii systemów .

Przewaga kosztowa

Oficjalna cena API Z.ai dla GLM-5.2 wynosi 1,40 USD za milion tokenów wejściowych i 4,40 USD za milion tokenów wyjściowych, z buforowanym wejściem po 0,26 USD za milion tokenów . Dla porównania, GPT-5.5 kosztuje około 5 USD za milion tokenów wejściowych i 30 USD za milion tokenów wyjściowych, co daje łącznie około 35 USD za milion tokenów . To sprawia, że GLM-5.2 jest około sześć razy tańszy od GPT-5.5 i około 4 razy tańszy od Claude Opus 4.8 .

Dla firm posiadających własną infrastrukturę GPU, samodzielne hostowanie wag modelu jest bezpłatne w ramach licencji MIT, co całkowicie eliminuje koszty API . Z.ai oferuje również GLM Coding Plan już od około 18 USD miesięcznie za dostęp ryczałtowy .

Zagrożenia bezpieczeństwa

Same możliwości, które czynią GLM-5.2 atrakcyjnym do legalnego kodowania, budzą również niepokój wśród badaczy bezpieczeństwa. Axios poinformował, że jego agentowe zdolności programistyczne sprawiają, że zaawansowane możliwości hakerskie stają się "dramatycznie tańsze i bardziej dostępne" dla atakujących . Dwie niezależne oceny bezpieczeństwa przeprowadzone przez Graphistry i Semgrep wykazały, że GLM-5.2 dorównuje wiodącym amerykańskim modelom w zakresie analizy cyberbezpieczeństwa i wykrywania podatności .

W szczególności GLM-5.2 uzyskał 39% F1 w znajdowaniu powszechnej klasy podatności oprogramowania, pokonując Anthropic Claude Code — i dorównując zastrzeżonemu Claude Mythos od Anthropic, ale za ułamek kosztów . Zintensyfikowało to obawy w amerykańskim rządzie co do tego, czy kontrole eksportu skutecznie ograniczają chiński postęp w dziedzinie AI .

Obsługa danych to kolejny poważny problem. Hostowane API Z.ai kieruje dane przez chińskie serwery, co rodzi pytania o zgodność i suwerenność danych. Podczas gdy samodzielne hostowanie pozwala tego uniknąć, niektóre zespoły nadal niechętnie korzystają z systemów firmy mającej powiązania z chińskim rządem . W maju 2026 roku amerykańscy kongresmeni wszczęli formalne dochodzenie w sprawie zagrożeń cyberbezpieczeństwa stwarzanych przez modele AI pochodzenia chińskiego w infrastrukturze krytycznej, wymieniając Zhipu obok DeepSeek, MiniMax i ByteDance .

Szerzej: krajobraz konkurencyjny i polityczny

GLM-5.2 stanowi punkt zwrotny w wyścigu AI między USA a Chinami. Luka między modelami open-weight a zamkniętymi modelami granicznymi praktycznie się zamknęła: jest to pierwszy model open-weight, który rzeczywiście dorównuje zastrzeżonym modelom amerykańskim w długoterminowych testach programistycznych . Chińskie laboratorium dostarczające wydajność klasy GPT-5.5 za jedną szóstą ceny — na licencji MIT — wywiera presję na amerykańskie firmy AI, aby obniżyły ceny i rozważyły otwarcie własnych modeli, zmieniając ekonomię całej branży .

Obraz polityczny jest niejasny. USA utrzymują kontrole eksportu zaawansowanych chipów AI do Chin, ale chińskie laboratoria produkują modele graniczne w ramach tych ograniczeń — co sugeruje, że kontrole nie spowalniają chińskiego postępu w AI zgodnie z zamierzeniami. Waszyngton nie odpowiedział jeszcze na pytanie, czy modele chińskie na licencji MIT powinny podlegać nowym ograniczeniom . Zhipu zapowiedział już GLM-5.5 na sierpień 2026 roku, co wskazuje, że tempo wydawania chińskich modeli AI przyspiesza .