Featherless เปิด Private Cloud สำหรับ GLM 5.2 ค่าบริการเหมาจ่าย $7,500/เดือน ประหยัด 94% เมื่อเทียบกับ GPT-5.5

Featherless ได้เปิดให้บริการ private cloud สำหรับโมเดล GLM 5.2 แบบ open-weight จาก Z.ai ในรูปแบบเหมาจ่ายรายเดือน $7,500 โดยไม่คิดค่าใช้จ่ายเพิ่มเติมตามจำนวน token บริการนี้ถูกปรับให้ทำงานบน GPU AMD Instinct MI325X ได้อย่างมีประสิทธิภาพ และทางบริษัทอ้างว่าสามารถลดต้นทุนการอนุมานผลได้ถึง 94% เมื่อเทียบกับคู่แข่งแบบปิดอย่าง GPT-5.5 และ Claude Opus 4.8 บทความนี้จะพาคุณไปทำความรู้จักกับบริการ โมเดล และการเปรียบเทียบกับทางเลือกอื่นๆ อย่างละเอียด

Private Cloud GLM 5.2 ของ Featherless คืออะไร?

Featherless เปิดให้บริการ deployment แบบ private cloud สำหรับโมเดล GLM 5.2 แบบ open-weight ของ Z.ai ซึ่งถูกปรับให้ทำงานบน GPU AMD Instinct MI325X ได้อย่างมีประสิทธิภาพแบบ native ในราคาเหมาจ่ายรายเดือน Featherless อ้างว่าเป็นแพลตฟอร์มเดียวที่ปรับ GLM 5.2 ให้ทำงานบนฮาร์ดแวร์ AMD ในสภาพแวดล้อม private cloud ได้ วิธีนี้ทำให้ลูกค้าไม่ต้องเสียค่าบริการตามจำนวน token แต่จ่ายเป็นค่าใช้จ่ายคงที่ $90,000 ต่อปี สำหรับทีมพัฒนาที่ใช้งานอย่างเต็มที่

ราคา: $7,500/เดือน ไม่จำกัดจำนวน Token

• ค่าใช้จ่ายรายเดือนคงที่: $7,500/เดือน สำหรับ private cloud instance แบบเฉพาะ
• ไม่จำกัดจำนวน token — ไม่มีค่าใช้จ่าย API ตามจำนวน token นี่คือจุดแตกต่างที่สำคัญจาก API แบบจ่ายตามการใช้งาน
• เพื่อให้เห็นภาพ: API สาธารณะของ Z.ai คิดค่าใช้จ่าย $1.40 ต่อ token ขาเข้า 1 ล้าน token และ $4.40 ต่อ token ขาออก 1 ล้าน token ภาระงาน agentic หนักๆ ที่มีค่าใช้จ่าย $125,000+/เดือน บน API จากผู้ให้บริการรายอื่น จะมีค่าใช้จ่ายประมาณ $7,500/เดือน บนแผนเหมาจ่าย ซึ่งลดลงถึง 94%

วิธีการคำนวณ: GLM 5.2 บน API สาธารณะมีราคาประมาณ 1/5 ถึง 1/6 ของราคา token ต่อหน่วยของ GPT-5.5 หรือ Claude Opus 4.8 ถ้าดูเฉพาะ token ขาออก GLM-5.2 ที่ $4.40 ต่อ 1 ล้าน token เทียบกับ GPT-5.5 ที่ $30 คือประมาณ 1/6.8 เท่า token ขาเข้าที่ถูก cache ยิ่งถูกลงไปอีกเหลือ $0.26 ต่อ 1 ล้าน token

ฮาร์ดแวร์: GPU AMD Instinct MI325X จำนวน 4 ตัว

private cloud แต่ละ instance ทำงานบน GPU AMD Instinct MI325X จำนวน 4 ตัว สำหรับ MI325X มีคุณสมบัติดังนี้:

• หน่วยความจำ HBM3e 256 GB และ แบนด์วิธหน่วยความจำ 6 TB/s ต่อตัวเร่ง
• สถาปัตยกรรม CDNA3 พร้อม stream processor 19,456 ตัว และ matrix cores 1,216 ตัว
• ประสิทธิภาพ FP8 ที่ 2.61 PFLOPs

นี่เป็นกลยุทธ์ด้านฮาร์ดแวร์ที่แตกต่างจากการใช้งาน NVIDIA H100/H200 ที่พบได้ทั่วไป โดย Featherless มองว่านี่เป็นวิธีหลีกเลี่ยงปัญหาการขาดแคลนอุปทานของ NVIDIA

สเปกของโมเดล GLM 5.2

สเปก	รายละเอียด
สถาปัตยกรรม	พารามิเตอร์รวม 744B, Mixture-of-Experts (MoE) โดยมีพารามิเตอร์ที่ทำงานจริงประมาณ 40B ต่อ token
หน้าต่างบริบท	สูงสุด 256K token สำหรับ public cloud; สูงสุด 1 ล้าน token สำหรับ private cloud
รูปแบบความแม่นยำ	FP8 เป็นค่าเริ่มต้น (น้ำหนักใช้ RAM ประมาณ 750 GB)
Open weights	ใช่ — Z.ai เปิดตัว GLM 5.2 แบบ open-weight ภายใต้สัญญาอนุญาต MIT
จุดเน้นในการฝึกสอน	การเขียนโค้ดเป็นหลัก; เชี่ยวชาญด้านวิศวกรรมซอฟต์แวร์

ที่ความแม่นยำ FP8 น้ำหนักของโมเดลต้องการ RAM ประมาณ 750 GB ซึ่งรองรับได้สบายๆ โดย RAM รวม 1 TB จาก GPU MI325X จำนวน 4 ตัว (4 × 256 GB) และยังมีพื้นที่เหลือสำหรับ KV cache ที่หน้าต่างบริบทขยายได้

เกณฑ์มาตรฐานสำคัญ: GLM 5.2 เทียบกับ GPT-5.5 และ Claude Opus 4.8

SWE-bench Pro (วิศวกรรมซอฟต์แวร์ในโลกจริง):

• GLM 5.2: 62.1% เทียบกับ GPT-5.5: 58.6% — เอาชนะ GPT-5.5 ในเกณฑ์มาตรฐานการเขียนโค้ด
• ตามหลัง Claude Opus 4.8 (69.2%) ในเมตริกนี้

Terminal-Bench 2.1 (งาน coding แบบ agentic):

• GLM 5.2: 82.7 (ค่าที่รายงานดีที่สุด) เทียบกับ Claude Opus 4.8: 78.9 — ทำได้ดีกว่าในงาน agentic บนเทอร์มินัล

GLM 5.2 อยู่ในอันดับ #2 บนกระดานผู้นำ Arena WebDev coding ตามข้อมูลของ Featherless

การเปรียบเทียบต้นทุน: GLM 5.2 เทียบกับ API จากผู้ให้บริการรายอื่น

ข้อได้เปรียบด้านต้นทุนคือจุดที่ GLM 5.2 โดดเด่นมาก ในอัตราค่า API อย่างเป็นทางการของ Z.ai:

โมเดล	Input (ต่อ 1M token)	Output (ต่อ 1M token)
GLM 5.2	$1.40	$4.40
GPT-5.5	~$5.00	~$30.00
Claude Opus 4.8	~$8.00	~$40.00

แหล่งที่มา:

สำหรับภาระงานแบบผสมที่มีสัดส่วน output ต่อ input 3:1 GLM-5.2 จะมีราคาประมาณ $3.65 ต่อ 1 ล้าน token ในขณะที่ GPT-5.5 อยู่ที่ประมาณ $23.75 ซึ่งมีอัตราส่วนประมาณ 1/6.5 ผู้ติดตามอิสระบางรายพบว่าค่าเฉลี่ยของผู้ให้บริการที่ให้บริการ open weights นั้นต่ำกว่า (ใกล้เคียง ~$0.55 สำหรับ input และ ~$1.85 สำหรับ output)

จุดยืนทางการแข่งขันเทียบกับ AI แบบปิด

• ตำแหน่งผู้นำด้านการเขียนโค้ด: GLM 5.2 เอาชนะ GPT-5.5 ใน SWE-bench Pro ในขณะที่มีราคาต่อ token ถูกกว่ามาก ทำให้เป็นอีกทางเลือกด้าน coding ที่มีประสิทธิภาพสูงและต้นทุนต่ำ
• จุดเด่นด้านภาระงานแบบ Agentic: private cloud แบบเหมาจ่ายถูกออกแบบมาสำหรับการใช้งาน agentic ที่ต่อเนื่องและมีปริมาณมาก ซึ่งค่า API ต่อ token จากผู้ให้บริการแบบปิดจะสูงลิ่ว
• ข้อได้เปรียบจาก Open-Weights และ AMD: เนื่องจากโมเดลเป็นแบบ open และทำงานบนฮาร์ดแวร์ AMD (แทนที่จะเป็น NVIDIA H100/H200) Featherless จึงสามารถเสนอ private cloud ในราคาที่ต่ำกว่าการใช้งานบน NVIDIA มาก
• ความเป็นผู้นำด้านหน้าต่างบริบท: ที่ 1M token บน private cloud ทำให้แข่งขันกับ GPT-5.5 และ Claude Opus 4.8 สำหรับการติดตั้งแบบเฉพาะ
• ข้อควรระวัง: ในแง่ของคะแนนมาตรฐาน (SWE-bench Pro) Claude Opus 4.8 ยังคงเป็นผู้นำ (69.2 เทียบกับ 62.1) ดังนั้น GLM 5.2 จึงไม่ใช่ผู้นำในทุกเมตริก แต่ข้อได้เปรียบด้านต้นทุนนั้นมหาศาล

บริการนี้เหมาะกับใคร?

private cloud ของ Featherless สำหรับ GLM 5.2 เหมาะที่สุดสำหรับ:

• ทีมที่ทำงานกับภาระงาน agentic ที่มีปริมาณมาก ซึ่งค่าใช้จ่าย API ต่อ token จะเกิน $10,000–$50,000/เดือนอย่างรวดเร็ว
• องค์กรที่มีความต้องการใช้งาน inference ด้านการเขียนโค้ดและวิศวกรรมซอฟต์แวร์อย่างต่อเนื่อง ที่ต้องการประสิทธิภาพเหนือกว่า GPT-5.5 ในราคาที่ถูกกว่า
• บริษัทที่ต้องการหลีกเลี่ยงปัญหาการขาดแคลนฮาร์ดแวร์ NVIDIA โดยเปลี่ยนไปใช้โครงสร้างพื้นฐานของ AMD
• ทีมวิศวกรที่ต้องการใช้งาน token แบบไม่จำกัด โดยไม่ต้องกังวลเกี่ยวกับการคิดค่าใช้จ่ายตามการใช้งาน

Featherless ยังมีแผนราคาเริ่มต้นที่ต่ำกว่า $25/เดือนสำหรับการเข้าถึงโมเดลขนาดเล็กแบบ serverless แต่โหนดเฉพาะราคา $7,500/เดือนนั้นถูกออกแบบมาสำหรับทีมที่ต้องการการอนุมานผลปริมาณมากและต่อเนื่องบนโมเดล GLM 5.2 เต็มรูปแบบ

สรุป

บริการใหม่ของ Featherless เสนอ private cloud แบบเหมาจ่าย $7,500/เดือน สำหรับ GLM 5.2 บน GPU AMD MI325X จำนวน 4 ตัว โดยอ้างว่าประหยัดค่าใช้จ่ายได้ถึง 94% เมื่อเทียบกับ API จากผู้ให้บริการแบบปิดสำหรับการใช้งาน agentic ที่มีปริมาณมาก โมเดล MoE ขนาด 744B นั้นเอาชนะ GPT-5.5 ใน SWE-bench Pro โดยมีต้นทุนต่อ token ประมาณ 1 ใน 6 ทำให้เป็นอีกทางเลือก open-weight ที่น่าสนใจสำหรับองค์กรที่มีภาระงานด้าน coding และ agentic inference หนักๆ แม้ว่า Claude Opus 4.8 จะยังคงเป็นผู้นำในบางเกณฑ์มาตรฐาน แต่ข้อได้เปรียบด้านต้นทุนของ GLM 5.2 บน Featherless นั้นมากพอที่จะเป็นตัวเลือกที่จริงจังสำหรับทีมที่มีข้อจำกัดด้านงบประมาณแต่ไม่ต้องการลดทอนประสิทธิภาพ