GLM-5.2: Kinesisk AI-modell utmanar västerländska jättar – till en bråkdel av priset

Den 13 juni 2026 släppte det kinesiska AI-labbet Z.ai (tidigare Zhipu AI) GLM-5.2, en MoE-modell (Mixture-of-Experts) med 744 miljarder parametrar . Modellvikterna gjordes tillgängliga på Hugging Face fyra dagar senare under en frikostig MIT-licens utan regionala begränsningar . Lanseringen kom en dag efter att USA:s exportkontroll tvingat Anthropic att inaktivera sin Fable 5-modell globalt . Tidpunkten skapade en direkt ”USA begränsar, Kina släpper”-berättelse som påskyndade företagens intresse för kinesiska AI-alternativ – och prestandasiffrorna och priset gjorde argumentet svårt att ignorera.

Vad GLM-5.2 erbjuder: Specifikationer, riktmärken och prissättning

GLM-5.2 använder en MoE-arkitektur med 744 miljarder parametrar, varav cirka 40 miljarder är aktiva per token . Dess kontextfönster på 1 miljon tokens är fullt användbart och innebär en femfaldig ökning jämfört med GLM-5.1:s 200 000 . Maxutmatningen når 131 072 tokens . Modellen har enligt uppgift tränats på Huawei Ascend-chipp snarare än NVIDIA-hårdvara, en detalj med betydande implikationer för leveranskedjan och exportkontroll .

På standardiserade riktmärken uppnådde GLM-5.2 den högsta poängen av alla öppna modeller på Artificial Analysis Intelligence Index v4.1 med 51 poäng, före MiniMax-M3 (44), DeepSeek V4 Pro (44) och Kimi K2.6 (43) . Den fick 80,3 % på GPQA Diamond (forskar nivå vetenskapligt resonemang) och 86,67 % på AIME 2025 (matematiskt resonemang) . På SWE-bench Pro, ett viktigt riktmärke för programvaruteknik, nådde den 62,1 – och överträffade därmed GPT-5.5 (58,6) och hamnade endast 0,7 poäng efter Claude Opus 4.8 på det relaterade FrontierSWE-riktmärket (74,4 % vs 75,1 %) . Enligt CNBC ligger GLM-5.2 inom en procentenhet från Anthropics Opus 4.8 på ett viktigt agentriktmärke, till ungefär en femtedel av kostnaden .

API-prissättningen är 1,40 USD per miljon tokens inmatning och 4,40 USD per miljon tokens utmatning , vilket är ungefär en sjättedel av kostnaden för GPT-5.5 via API . Cachade tokens kostar 0,26 USD per miljon .

USA:s exportkontroll och skiftet mot kinesisk AI

GLM-5.2 blev tillgänglig för prenumeranter den 13 juni 2026 – en dag efter att USA:s handelsdepartement tvingade Anthropic att inaktivera Fable 5 globalt på grund av exportkontrollrestriktioner . Denna kontrast gick inte företagen förbi. USA:s exportkontroll av avancerade AI-chipp (NVIDIA H100/B200 till Kina) har tvingat kinesiska labb att träna på inhemsk hårdvara som Huawei Ascend, samtidigt som det gör kinesiska modeller undantagna från USA:s återexportlicensregler – vilket ger dem en regelefterlevnadsfördel på marknader där USA-ursprung AI-modeller möter restriktioner .

Coinbases kostnadsstrategi: 50 % besparingar genom att som standard välja öppna modeller

Coinbases vd Brian Armstrong lade fram affärsargumentet offentligt. Den 8 juni 2026 förutspådde han att 80 % av AI-arbetsbördan så småningom skulle köras på öppna modeller, och hävdade att ekonomin är obestridlig – särskilt när kinesiska öppna modeller levererar prestanda i närheten av frontlinjen till en bråkdel av priset . Den 27 juni detaljerade han Coinbases interna tillvägagångssätt: som standard styra ingenjörer till öppen källkodsmodeller som GLM 5.2 och Kimi 2.7, dirigera promptar intelligent via en LLM-gateway och aggressivt cachelagra svar .

Resultaten är slående. Coinbase minskade interna AI-utgifter med cirka 50 % samtidigt som tokenanvändningen växte exponentiellt . Cacheträffarna förbättrades från 5 % till 60 % . Företaget införde inga användningstak eller budgetvarningar för ingenjörer . Coinbase experimenterar nu med ett internt ”LLM Ops”-verktyg som ytterligare automatiserar modellval per uppgift .

Men strategin möttes av skepsis. Kritiker pekade på olösta säkerhetsrisker och geopolitiska spänningar – att dirigera företagspromptar genom modeller skapade av ett labb med kinesisk statsanknytning innebär en juridisk exponering som ingen tillsynsmyndighet ännu har klargjort .

OpenRouter: Kinesiska modeller kör om USA i token-trafik

OpenRouter-data visar en dramatisk ombalansering av AI-modellanvändning mellan 2024 och 2026 . I juni 2025 hade USA-modeller från Google, OpenAI och Anthropic cirka 70–80 % av tokenandelarna, medan kinesiska modeller låg på cirka 10 % . I februari 2026 hade kinesiska modeller passerat cirka 61 % av tokenvolymen bland de tio mest använda modellerna . I juni 2026 bearbetade kinesiska modeller cirka 18 biljoner tokens per vecka jämfört med USA-modellers cirka 5,5 biljoner, med en total veckovolym på cirka 25 biljoner . USA:s andel sjönk till cirka 30 % på tolv månader . Viktiga kinesiska modeller som driver skiftet inkluderar DeepSeek, Qwen, MiniMax, Moonshot/Kimi och nu GLM-5.2 .

De olösta säkerhets- och juridiska riskerna

Den centrala juridiska frågan är okomplicerad men olöst. Z.ai (Zhipu AI) är ett kinesiskt företag som knoppats av från Tsinghuauniversitetet och är knutet till Beijing Academy of Artificial Intelligence (BAAI) – enheter som är inbäddade i Kinas statliga AI-ekosystem . Kinas underrättelselag (2017) och dataskyddslag (2021) ålägger alla kinesiska organisationer en allmän skyldighet att ”stödja, bistå och samarbeta med statlig underrättelseverksamhet.” Dessa lagar är brett formulerade och har extraterritoriell räckvidd.

Specifika riskvektorer som nämns i mediareportage inkluderar: företag som kör självhostade GLM-5.2-vikter kan fortfarande vara juridiskt skyldiga enligt kinesisk lag om de interagerar med någon kinesisk enhet för uppdateringar, telemetri eller support ; API-anrop som dirigeras via kinesisk-hostade inferensslutpunkter passerar genom jurisdiktioner där statliga aktörers datatillgång är juridiskt tillåten ; och Coinbases egen strategi har mötts av offentlig kritik på grund av ”olösta säkerhets- och juridiska risker” för företag som hanterar känslig finansiell data . Ingen amerikansk eller EU-reglering har ännu definitivt tagit ställning till om användning av kinesiska öppna modeller – även självhostade – skapar ansvar enligt dataskyddsregimer eller sanktionsramar. I slutet av juni 2026 är risken fortfarande olöst, och företagen gör sina egna bedömningar baserat på modellens värdplats, datakänslighet och leveranskedjeberoenden .