Featherless lanserar privat molntjänst för GLM 5.2 – fast månadsavgift på 7 500 dollar sparar 94 % jämfört med GPT-5.5

Featherless har lanserat en dedikerad privat molntjänst för Z.AI:s öppna modell GLM 5.2, optimerad för att köras på AMD Instinct MI325X GPU:er. Tjänsten har en fast månadsavgift på 7 500 dollar och ingen debitering per token. Enligt Featherless minskar detta kostnaderna för inferens med 94 % jämfört med slutna modeller som GPT-5.5 och Claude Opus 4.8 ^IF. Här är allt du behöver veta om tjänsten, modellen och hur den står sig mot proprietära alternativ.

Vad är Featherless GLM 5.2 Private Cloud?

Featherless erbjuder ett dedikerat privat moln för Z.ai:s GLM 5.2 – en modell med öppna vikter – optimerad för att köras inbyggt på AMD Instinct MI325X GPU:er för en fast månadsavgift ^IF. Featherless uppger att de är den enda plattformen som optimerat GLM 5.2 för AMD-hårdvara i en privat molnmiljö ^I. Det innebär att kunderna slipper tokenbaserad debitering och istället betalar en fast årlig kostnad på 90 000 dollar – vilket motsvarar ett fullt utnyttjat utvecklingsteam ^I.

Pris: 7 500 dollar/månad med obegränsat antal tokens

• Fast månadsavgift: 7 500 dollar för en dedikerad privat molninstans ^IF.
• Obegränsat antal tokens – inga extra avgifter per token ^IF. Detta är den stora skillnaden mot API:er med betalning per anrop.
• Som jämförelse: Z.AI:s publika API kostar 1,40 dollar per miljon inmatade tokens och 4,40 dollar per miljon genererade tokens ^DAL. En tung agentarbetsbelastning som skulle kosta 125 000 dollar eller mer i månaden på ett proprietärt API, kostar cirka 7 500 dollar på Featherless fastprisplan – en minskning med 94 % ^IF.

Så fungerar matematiken: GLM 5.2 på det publika API:et kostar ungefär 1/5 till 1/6 av priset per token för GPT-5.5 eller Claude Opus 4.8 ^GD. För enbart genererade tokens är GLM-5.2:s 4,40 dollar mot GPT-5.5:s 30 dollar ungefär 1/6,8 av kostnaden ^OF. Cachelagrad inmatning sjunker till 0,26 dollar per miljon tokens ^GF.

Hårdvara: 4× AMD Instinct MI325X GPU:er

Varje privat molninstans körs på 4 × AMD Instinct MI325X GPU:er ^FO. MI325X har:

• 256 GB HBM3e-minne och 6 TB/s minnesbandbredd per accelerator ^AA.
• CDNA3-arkitektur med 19 456 streamprocessorer och 1216 matriskärnor ^A.
• FP8-prestanda på 2,61 PFLOPs ^A.

Detta är en markant annorlunda hårdvarustrategi jämfört med de NVIDIA H100/H200-installationer som är vanliga i branschen. Featherless framhåller det som ett sätt att kringgå NVIDIA:s leveransbegränsningar ^I.

GLM 5.2 Modellspecifikationer

Specifikation	Detaljer
Arkitektur	744B totala parametrar, Mixture-of-Experts (MoE) med cirka 40B aktiva per token GS
Kontextfönster	Upp till 256K tokens i publikt moln; upp till 1 miljon tokens i privat moln FI
Kvantisering	FP8 som standard (cirka 750 GB VRAM för vikterna) FOR
Öppna vikter	Ja – Z.ai släppte GLM 5.2 med MIT-licens IDA
Träningsfokus	Kodningsfokuserad; specialiserad på mjukvaruutveckling GDS

Med FP8-kvantisering kräver modellens vikter cirka 750 GB VRAM. Detta ryms bekvämt i den totala VRAM på 1 TB över 4× MI325X GPU:er (4 × 256 GB), med utrymme kvar för KV-cache vid långa kontextlängder ^OR.

Viktiga riktmärken: GLM 5.2 vs. GPT-5.5 och Claude Opus 4.8

SWE-bench Pro (verklig mjukvaruutveckling):

• GLM 5.2: 62,1 % vs. GPT-5.5: 58,6 % – slår GPT-5.5 i kodningsriktmärken ^DF.
• Men ligger efter Claude Opus 4.8 (69,2 %) ^O.

Terminal-Bench 2.1 (agentbaserade kodningsuppgifter):

• GLM 5.2: 82,7 (bäst rapporterade resultat) vs. Claude Opus 4.8: 78,9 – tar ledningen i terminalbaserade agentuppgifter ^O.

GLM 5.2 rankas som #2 på Arena WebDev:s kodningsledarlista enligt Featherless ^F.

Kostnadsjämförelse: GLM 5.2 vs. proprietära API:er

Kostnadsfördelen är där GLM 5.2 verkligen utmärker sig. Vid Z.AI:s officiella API-priser:

Modell	Inmatning (per 1M tokens)	Generering (per 1M tokens)
GLM 5.2	1,40 $	4,40 $
GPT-5.5	cirka 5,00 $	cirka 30,00 $
Claude Opus 4.8	cirka 8,00 $	cirka 40,00 $

Källor: ^DDAOF

Vid en realistisk blandning av 3:1 generering-till-inmatning hamnar GLM-5.2 på cirka 3,65 dollar per miljon tokens, jämfört med GPT-5.5:s cirka 23,75 dollar – en kvot på ungefär 1/6,5 ^O. Oberoende spårare listar ett lägre medianvärde bland leverantörer som erbjuder öppna vikter (närmare cirka 0,55 dollar för inmatning och 1,85 dollar för generering) ^DD.

Konkurrensposition vs. proprietär AI

• Kodningsprestanda: GLM 5.2 slår GPT-5.5 på SWE-bench Pro samtidigt som den är dramatiskt billigare per token – ett högpresterande, lågkostnadsalternativ för kodning ^DF.
• Agentarbetsbelastningens sweet spot: Det fasta priset är utformat för kontinuerlig, agentbaserad inferens med hög volym, där rörliga API-kostnader från proprietära leverantörer annars skenar iväg ^IF.
• Öppna vikter + AMD-fördel: Eftersom modellen är öppen och körs på AMD-hårdvara (istället för NVIDIA H100/H200), kan Featherless erbjuda ett privat moln till en bråkdel av kostnaden för motsvarande NVIDIA-baserade installationer ^II.
• Kontextfönster i toppklass: Med 1 miljon tokens i privat moln konkurrerar det med eller överträffar kontextfönstren hos GPT-5.5 och Claude Opus 4.8 i dedikerade installationer ^FI.
• Varning: När det gäller rena riktmärkespoäng (SWE-bench Pro) leder Claude Opus 4.8 fortfarande (69,2 mot 62,1), så GLM 5.2 är inte den ohotade ledaren på alla parametrar – men kostnadsfördelen är enorm ^O.

Vem bör överväga denna tjänst?

Featherless privata moln för GLM 5.2 är mest lockande för:

• Team som kör agentbaserade arbetsflöden med hög volym där API-kostnader per token snabbt överstiger 10 000–50 000 dollar i månaden.
• Organisationer med kontinuerliga behov av kodning och mjukvaruutveckling som vill ha prestanda i nivå med GPT-5.5 till en bråkdel av kostnaden.
• Företag som vill undvika NVIDIA:s hårdvaruleveransbegränsningar genom att använda AMD-infrastruktur.
• Utvecklingsteam som vill ha obegränsad tokenanvändning utan att oroa sig för mätbaserad debitering.

Featherless erbjuder också billigare planer med fast pris från 25 dollar i månaden för serverlös åtkomst till mindre modeller, men 7 500-dollar-noden är explicit för team som behöver kontinuerlig inferens med hög volym på hela GLM 5.2-modellen ^F.

Sammanfattning

Featherless nya tjänst erbjuder ett privat moln med fast avgift på 7 500 dollar i månaden för GLM 5.2 på 4× AMD MI325X GPU:er, med påstådda 94 % kostnadsbesparingar jämfört med proprietära API:er vid hög agentanvändning. Modellen med 744B MoE slår GPT-5.5 på SWE-bench Pro till ungefär en sjättedel av kostnaden per token, vilket gör den till ett attraktivt öppen-vikter-alternativ för organisationer med tunga kodnings- och agentinferensbehov. Även om Claude Opus 4.8 fortfarande leder på vissa riktmärken, är kostnadsfördelen med kombinationen GLM 5.2 + Featherless tillräckligt stor för att göra den till ett seriöst alternativ för kostnadsmedvetna team som inte vill kompromissa med prestanda.