Z.ai:s GLM-5.2 slår GPT-5.5 i kodtest – men den stora frågan handlar om chip

Det mest uppmärksammade resultatet är poängen 62,1 i SWE-bench Pro. Testet mäter hur väl en AI-modell kan lösa realistiska uppgifter inom mjukvaruutveckling. GLM-5.2 slog där GPT-5.5, som fick 58,6, och Z.ai:s tidigare modell GLM-5.1, som fick 58,4. ^DAC

I andra redovisade tester fick modellen 89,5 procent i GPQA Diamond, som fokuserar på avancerade vetenskapliga frågor, 81,0 i Terminal-Bench 2.1 och 40,1 i Humanity’s Last Exam. ^D Nvidias API-dokumentation beskriver GLM-5.2 som en modell med mycket starka resultat inom resonemang, programmering och så kallade agentuppgifter. ^D

Det är dock viktigt att inte läsa in för mycket i ett enskilt benchmark. SWE-bench Pro säger framför allt något om förmågan att lösa specifika utvecklingsuppgifter; det är inte ett heltäckande mått på en modells kvalitet i alla typer av användning.

Ett kraftigt lyft för bolagets marknadsprofil

GLM-5.2 har gett Z.ai ökad uppmärksamhet på en marknad där tekniska resultat snabbt påverkar investerarnas förväntningar.

• Z.ai rapporterade en intäktsökning på 132 procent under 2025, till 724 miljoner yuan, motsvarande ungefär 100 miljoner dollar. ^RGC
• Bolaget tog in omkring 552–558 miljoner dollar i samband med börsnoteringen i Hongkong i januari 2026, till en värdering på cirka 6,6 miljarder dollar. ^RC
• Aktien steg som mest 35 procent efter bolagets första rapport som noterat företag. ^BC
• Samtidigt är lönsamheten ett tydligt frågetecken. Z.ai rapporterade en nettoförlust på 4,718 miljarder yuan för 2025 och forsknings- och utvecklingskostnader på 3,18 miljarder yuan. ^TK

Det speglar ett bredare problem för kinesiska modellbolag: snabbt växande användning och intäkter, men också höga kostnader för träning, datorkraft och produktutveckling. Reuters Breakingviews beskriver sektorn som pressad av stora förluster, dyr forskning, hård priskonkurrens och affärsmodeller som ännu inte är fullt utvecklade. ^R

Vad vet vi om ett eget AI-chip?

Här krävs en tydlig skillnad mellan det som är bekräftat och det som fortfarande bara undersöks.

Bekräftat: modellerna körs på kinesisk hårdvara

Sedan februari 2026 har Z.ai anpassat GLM-5-serien för inhemska halvledare efter att USA stramat åt Kinas tillgång till avancerade Nvidia-chip. GLM-5.2 lanserades med stöd för flera typer av kinesisk infrastruktur, däribland kluster baserade på Huaweis Ascend-chip. ^R

Z.ai uppgav redan i augusti 2025 att GLM-modellerna var kompatibla med Huaweis Ascend-processorer och Kirin-chip. ^FS Bolaget har också tränat bildmodellen GLM-Image helt på Huaweis Ascend-chip och MindSpore-ramverk. Enligt bolaget var det den första större öppna modellen som utvecklats utan amerikanska halvledare i hela träningskedjan. ^FSY

Z.ai:s vd Zhang Peng har beskrivit målet så här: ”Vi försöker göra vår infrastruktur bättre och göra modellen mer effektiv på olika typer av chip.” ^R

Inte bekräftat: ett färdigt specialchip

Enligt uppgifter som återgivits av Yahoo Finance från The Information har Z.ai haft inledande kontakter med flera kinesiska chipdesignbolag om ett specialbyggt ASIC-chip optimerat för GLM-modellerna. ^F

Men bolaget har ännu inte valt någon samarbetspartner. Det finns inte heller någon bekräftad så kallad tape-out, alltså att en färdig chipdesign skickats vidare till tillverkning, eller något offentliggjort slutligt program. ^F

Den mest korrekta beskrivningen är därför att Z.ai undersöker möjligheten att utveckla ett eget ASIC-chip, samtidigt som den praktiska strategin redan består av att anpassa modellerna till befintliga kinesiska chipplattformar.

Exportreglerna gör hårdvarufrågan strategisk

Z.ai lades till på USA:s handelsdepartements Entity List den 16 januari 2025. ^U En sådan placering begränsar tillgången till amerikansk teknik och gör beroendet av utländska AI-acceleratorer mer riskfyllt.

För Z.ai innebär det att chipanpassning inte bara är ett sätt att sänka kostnader eller förbättra prestanda. Det är också ett sätt att minska sårbarheten i företagets verksamhet. Om modellerna kan tränas och köras på flera inhemska plattformar blir bolaget mindre beroende av en enda leverantör eller av framtida amerikanska exportlicenser.

Kinas datacenter styrs mot inhemska chip

Z.ai:s strategi passar in i en större förändring av Kinas AI-infrastruktur. Reuters rapporterade i november 2025 att kinesiska myndigheter hade gett direktiv om att statsfinansierade datacenterprojekt ska använda AI-chip som producerats i Kina. Projekt som var mindre än 30 procent färdigställda skulle enligt uppgifterna behöva ta bort redan installerade utländska chip eller avstå från planerade inköp. ^RD

Det innebär att efterfrågan på kinesiska alternativ inte enbart drivs av privata teknikbolag. Statliga upphandlingar och datacenterprojekt skapar samtidigt en marknad för leverantörer som Huawei och andra inhemska chiputvecklare.

Det finns dessutom uppgifter om mycket stora framtida investeringar i kinesisk AI- och datacenterkapacitet. De mest detaljerade påståendena om en nationell satsning på omkring 2 biljoner yuan och ett specifikt krav på 80 procent inhemska chip är dock inte lika väl underbyggda i det tillgängliga källmaterialet. Det säkrare konstaterandet är att Kina använder regler och statlig finansiering för att påskynda övergången till inhemsk AI-hårdvara. ^RKST

Slutsatsen: tekniskt försprång, men ekonomisk press

Z.ai har alltså kommit längre med sin chipstrategi än vad rubriker om ett ”eget AI-chip” kan antyda – men inte så långt som ett färdigt specialchip skulle innebära.

Det som är belagt är att bolaget har:

• anpassat GLM-modellerna för kinesisk hårdvara, inklusive Huawei Ascend, ^RF
• tränat GLM-Image helt på en inhemsk chipplattform, ^FS
• undersökt möjligheten att ta fram ett eget ASIC-chip, utan att något färdigt program har bekräftats, ^F
• och utvecklat GLM-5.2 till en stark öppen viktmodell för avancerad programmering. ^DA

GLM-5.2:s resultat på SWE-bench Pro – 62,1 mot GPT-5.5:s 58,6 – stärker Z.ai:s tekniska position. Men bolagets framtid avgörs inte av benchmarkresultat ensamma. Förmågan att få fram tillräcklig datorkapacitet, kontrollera kostnaderna och bygga en lönsam affär blir minst lika viktig när USA:s exportkontroller och Kinas inhemska chipkrav omformar hela AI-marknaden.