Featherless Lança Nuvem Privada com Taxa Fixa para o GLM 5.2 em Hardware AMD

A Featherless acaba de lançar uma implantação de nuvem privada dedicada para o modelo GLM 5.2 da Z.ai, com pesos abertos, a uma taxa mensal fixa de US$ 7.500, sem cobrança por token. O serviço é otimizado para rodar nativamente em GPUs AMD Instinct MI325X, e a empresa afirma que pode reduzir os custos de inferência em 94% em comparação com concorrentes de código fechado como GPT-5.5 e Claude Opus 4.8 . Aqui está tudo o que você precisa saber sobre o serviço, o modelo e como ele se compara às alternativas proprietárias.

O que é a Nuvem Privada Featherless GLM 5.2?

A Featherless lançou uma implantação de nuvem privada dedicada do modelo GLM 5.2 de pesos abertos da Z.ai, otimizado para rodar nativamente em GPUs AMD Instinct MI325X com uma taxa mensal fixa . A Featherless afirma ser a única plataforma que otimizou o GLM 5.2 para rodar nativamente em hardware AMD em um ambiente de nuvem privada . Essa abordagem permite que os clientes evitem a cobrança baseada em tokens e, em vez disso, paguem um custo anual fixo de US$ 90.000 para uma equipe de desenvolvimento totalmente utilizada .

Preço: US$ 7.500/mês com Taxa Fixa e Tokens Ilimitados

• Taxa mensal fixa: US$ 7.500/mês para uma instância de nuvem privada dedicada .
• Tokens ilimitados — sem cobranças por token de API . Este é o principal diferencial em relação às APIs de pagamento por uso.
• Para efeito de comparação, a API pública da Z.ai cobra US$ 1,40 por milhão de tokens de entrada e US$ 4,40 por milhão de tokens de saída . Uma carga de trabalho pesada de agente que custaria mais de US$ 125.000/mês em APIs proprietárias custaria aproximadamente US$ 7.500/mês no plano de taxa fixa — uma redução de 94% .

Como a matemática funciona: O GLM 5.2 na API pública custa cerca de 1/5 a 1/6 do preço por token do GPT-5.5 ou Claude Opus 4.8 . Considerando apenas a saída, o GLM-5.2 a US$ 4,40 por milhão de tokens contra os US$ 30 do GPT-5.5 custa cerca de 1/6,8 do valor . A entrada em cache cai ainda mais, para US$ 0,26 por milhão de tokens .

Hardware: 4 GPUs AMD Instinct MI325X

Cada instância de nuvem privada é executada em 4 GPUs AMD Instinct MI325X . A MI325X possui:

• 256 GB de memória HBM3e e 6 TB/s de largura de banda de memória por acelerador .
• Arquitetura CDNA3 com 19.456 processadores stream e 1.216 núcleos de matriz .
• Desempenho FP8 de 2,61 PFLOPs .

Esta é uma estratégia de hardware notavelmente diferente das implantações NVIDIA H100/H200 comuns no setor, e a Featherless a apresenta como uma forma de evitar as restrições de fornecimento da NVIDIA .

Especificações do Modelo GLM 5.2

Especificação	Detalhes
Arquitetura	744B parâmetros totais, Mixture-of-Experts (MoE) com ~40B ativos por token
Janela de contexto	Até 256 mil tokens na nuvem pública; até 1 milhão de tokens na nuvem privada
Quantização	FP8 por padrão (~750 GB de VRAM para os pesos)
Pesos abertos	Sim — A Z.ai lançou o GLM 5.2 com pesos abertos sob licença MIT
Foco de treinamento	Foco em codificação; especializado para tarefas de engenharia de software

Na quantização FP8, os pesos do modelo exigem aproximadamente 750 GB de VRAM, o que é confortavelmente acomodado pelo total de 1 TB de VRAM em 4 GPUs MI325X (4 × 256 GB), com espaço para o cache KV em comprimentos de contexto estendidos .

Principais Benchmarks: GLM 5.2 vs. GPT-5.5 e Claude Opus 4.8

SWE-bench Pro (engenharia de software do mundo real):

• GLM 5.2: 62,1% vs. GPT-5.5: 58,6% — supera o GPT-5.5 em benchmarks de codificação .
• Fica atrás do Claude Opus 4.8 (69,2%) nesta métrica .

Terminal-Bench 2.1 (tarefas de codificação de agente):

• GLM 5.2: 82,7 (melhor resultado relatado) vs. Claude Opus 4.8: 78,9 — fica à frente em tarefas de agente baseadas em terminal .

De acordo com a Featherless, o GLM 5.2 ocupa o 2º lugar no ranking de codificação Arena WebDev .

Comparação de Custos: GLM 5.2 vs. APIs Proprietárias

A vantagem de custo é onde o GLM 5.2 realmente se destaca. Nas taxas oficiais da API Z.ai:

Modelo	Entrada (por 1M tokens)	Saída (por 1M tokens)
GLM 5.2	US$ 1,40	US$ 4,40
GPT-5.5	~US$ 5,00	~US$ 30,00
Claude Opus 4.8	~US$ 8,00	~US$ 40,00

Fontes:

Em uma mistura de carga de trabalho realista de 3:1 de saída para entrada, o GLM-5.2 fica perto de US$ 3,65 por milhão de tokens contra os aproximadamente US$ 23,75 do GPT-5.5 — uma proporção de cerca de 1/6,5 . Rastreadores independentes listam uma mediana mais baixa entre os provedores que atendem aos pesos abertos (mais perto de ~US$ 0,55 de entrada e ~US$ 1,85 de saída) .

Posicionamento Competitivo vs. IA Proprietária

• Coroa de desempenho em codificação: O GLM 5.2 supera o GPT-5.5 no SWE-bench Pro, sendo dramaticamente mais barato por token, posicionando-se como uma alternativa de codificação de alto desempenho e baixo custo .
• Ponto ideal para cargas de trabalho de agente: A nuvem privada de taxa fixa é projetada para uso sustentado de agente (inferência contínua de alto volume), onde os custos de API por token de fornecedores proprietários disparam .
• Vantagem de pesos abertos + AMD: Como o modelo é aberto e roda em hardware AMD (em vez de NVIDIA H100/H200), a Featherless pode oferecer uma nuvem privada a uma fração do custo de implantações equivalentes baseadas em NVIDIA .
• Liderança em janela de contexto: Com 1 milhão de tokens na nuvem privada, compete ou excede as janelas de contexto do GPT-5.5 e Claude Opus 4.8 em implantações dedicadas .
• Ressalva: Em pontuações de benchmark puras (SWE-bench Pro), o Claude Opus 4.8 ainda lidera (69,2 vs. 62,1), então o GLM 5.2 não é o líder absoluto em todas as métricas — mas sua vantagem de custo é enorme .

Quem Deve Considerar Este Serviço?

A nuvem privada da Featherless para o GLM 5.2 é mais atraente para:

• Equipes que executam cargas de trabalho de agente de alto volume onde os custos de API por token excedem rapidamente US$ 10.000 a US$ 50.000/mês.
• Organizações com necessidades sustentadas de inferência em codificação e engenharia de software que desejam desempenho superior ao GPT-5.5 a uma fração do custo.
• Empresas que buscam evitar restrições de fornecimento de hardware NVIDIA ao implantar em infraestrutura AMD.
• Equipes de engenharia que desejam uso ilimitado de tokens sem se preocupar com a cobrança medida.

A Featherless também oferece planos de taxa fixa de nível inferior a partir de US$ 25/mês para acesso serverless a modelos menores, mas o nó dedicado de US$ 7.500/mês é explicitamente para equipes que precisam de inferência sustentada e de alto volume no modelo GLM 5.2 completo .

Conclusão

O novo serviço da Featherless oferece uma nuvem privada de taxa fixa de US$ 7.500/mês para o GLM 5.2 em 4 GPUs AMD MI325X, com economia de 94% em relação às APIs proprietárias para uso intensivo de agentes de alto volume. O modelo MoE de 744B supera o GPT-5.5 no SWE-bench Pro a cerca de um sexto do custo por token, tornando-se uma alternativa convincente de pesos abertos para organizações com cargas de trabalho pesadas de codificação e inferência de agentes. Embora o Claude Opus 4.8 ainda lidere em alguns benchmarks, a vantagem de custo da combinação GLM 5.2 + Featherless é grande o suficiente para torná-la uma opção séria para equipes preocupadas com o orçamento que não querem comprometer o desempenho.