Kinesisk open source-AI erövrar Silicon Valley – presterar bättre och kostar en sjättedel

En våg av amerikanska företag – däribland Microsoft, Amazon och Databricks – anammar i tysthet kinesiska open source-AI-modeller, med Zhipu AI:s GLM-5.2 i centrum. Modellen, som släpptes den 13 juni 2026 under en fri MIT-licens, slår OpenAI:s GPT-5.5 på viktiga kodningsbenchmarks samtidigt som den kostar ungefär en sjättedel per token . Denna pris-prestanda-inversion har gjort modellen oemotståndlig för kostnadsmedvetna utvecklingsteam, men den medför också betydande cybersäkerhetsrisker och geopolitiska komplikationer som myndigheterna ännu inte tagit itu med.

Amerikanska företags användning

Microsoft, Amazon och andra stora molnleverantörer erbjuder redan tillgång till Z.ai, DeepSeek, MiniMax och andra kinesiska AI-system via sina plattformar. Microsoft har övervägt djupare integration, bland annat att använda DeepSeeks senaste modell för att driva en av sina egna produkter . Zohos vd Sridhar Vembu har offentligt argumenterat för att amerikanska företag inte använder kinesisk open source-AI av illojalitet, utan för att pris-prestanda-gapet har blivit för stort för att ignorera .

Att GLM-5.2 har öppna vikter – tillgängliga under MIT-licens via Hugging Face – har varit en avgörande faktor. Amerikanska utvecklare och företag kan ladda ner hela modellvikterna, köra dem på egen infrastruktur och helt kringgå beroendet av kinesiska moln-API:er . Detta gör att teamen kan dra nytta av kostnads- och prestandafördelarna utan att skicka egen kod till kinesiska servrar, även om det kräver att man litar på själva modellvikterna.

Benchmark-prestanda

GLM-5.2 är den starkaste open weight-modellen för kodning i juni 2026 . Den uppnådde 62,1 på SWE-bench Pro, vilket överträffar GPT-5.5:s 58,6 och närmar sig Claude Opus 4.8:s 69,2 . På Terminal-Bench 2.1 nådde den 81,0, inom fyra poäng från Claude Opus 4.8:s 85,0 . På FrontierSWE, ett benchmark för långsiktiga tekniska projekt, fick den 74,4% – före GPT-5.5:s 72,6% och strax bakom Claude Opus 4.8:s 75,1% .

Modellen uppnådde också 51 poäng på Artificial Analysis Intelligence Index v4.1, vilket placerar den på fjärde plats totalt – efter endast Claude Fable 5, Claude Opus 4.8 och GPT-5.5 – och först bland alla open weight-modeller . I det blindtestade front-end-benchmarket Code Arena rankades den tvåa i världen och först bland open source-modeller . Den fick 1 524 på GDPval-AA v2 (mänskligt benchmark: 1 000) och matchade GPT-5.5 i resonemang .

Utöver råpoängen hanterar GLM-5.2 ett kontextfönster på 1 miljon token utan förlust – 5 gånger större än föregångaren GLM-5.1 – vilket gör den särskilt lämpad för långa kodningsuppgifter och komplex systemutveckling .

Kostnadsfördelar

Z.ai:s officiella API-pris för GLM-5.2 är $1,40 per miljon input-tokens och $4,40 per miljon output-tokens, med cachad input för $0,26 per miljon tokens . Som jämförelse kostar GPT-5.5 cirka $5 per miljon input-tokens och $30 per miljon output-tokens, totalt cirka $35 per miljon tokens för kombinerad input/output . Detta gör GLM-5.2 ungefär en sjättedel av den sammanlagda kostnaden för GPT-5.5 och cirka 4 gånger billigare än Claude Opus 4.8 .

För företag med egen GPU-infrastruktur är själva värddriften av modellvikterna gratis under MIT-licensen, vilket eliminerar API-kostnader helt . Z.ai erbjuder också en GLM Coding Plan från cirka $18 per månad för fast pris .

Säkerhetsfrågor

Samma egenskaper som gör GLM-5.2 attraktiv för legitim kodning väcker också oro hos säkerhetsforskare. Axios rapporterade att dess agentiska kodningsförmåga gör avancerad hackning ”dramatiskt billigare och mer tillgänglig” för angripare . Två oberoende säkerhetsutvärderingar från Graphistry och Semgrep visade att GLM-5.2 presterade i nivå med ledande amerikanska modeller på cybersäkerhetsundersökningar och sårbarhetsdetektering .

Specifikt uppnådde GLM-5.2 39% F1 på att hitta en vanlig typ av sårbarhet, vilket slog Anthropics Claude Code – och presterade i nivå med Anthropics begränsade Claude Mythos till en bråkdel av kostnaden . Detta har ökat oron inom den amerikanska regeringen för huruvida exportkontrollerna effektivt begränsar kinesisk AI-utveckling .

Datahantering är en annan stor fråga. Z.ai:s värd-API dirigerar data via kinesiska servrar, vilket väcker frågor om efterlevnad och datasuveränitet. Även om egen värddrift undviker detta, är vissa team fortfarande ovilliga att använda system från ett företag med kopplingar till den kinesiska regeringen . USA:s representanthus inledde i maj en formell utredning av cybersäkerhetsrisker med AI-modeller av kinesiskt ursprung i kritisk infrastruktur, där Zhipu nämns tillsammans med DeepSeek, MiniMax och ByteDance .

Den bredare konkurrens- och policysituationen

GLM-5.2 representerar en vändpunkt i AI-kapplöpningen mellan USA och Kina. Gapet mellan open weight- och slutna frontlinjemodeller har i praktiken eliminerats: det här är första gången en open weight-modell verkligen matchar proprietära amerikanska modeller på långsiktiga kodningsbenchmarks . Att ett kinesiskt labb levererar GPT-5.5-klass prestanda för en sjättedel av kostnaden – under MIT-licens – pressar amerikanska AI-företag att sänka priserna och överväga att öppna sina egna modeller, vilket omformar hela branschens ekonomi .

Policyläget är oklart. USA upprätthåller exportkontroller av avancerade AI-chip till Kina, men ändå producerar kinesiska labb frontlinjemodeller inom dessa begränsningar – vilket tyder på att kontrollerna inte bromsar kinesisk AI-utveckling som avsett . Washington har ännu inte svarat på om MIT-licensierade kinesiska modeller bör omfattas av nya restriktioner . Zhipu har redan annonserat GLM-5.5 för augusti 2026, vilket indikerar att takten i kinesisk frontlinje-AI-utveckling accelererar .