Featherless ra mắt Private Cloud GLM 5.2 giá cố định: 7.500 USD/tháng, tiết kiệm 94% so với GPT-5.5

Featherless vừa chính thức ra mắt dịch vụ private cloud (đám mây riêng) dành riêng cho mô hình GLM 5.2 mã nguồn mở của Z.ai với mức phí cố định 7.500 USD/tháng, hoàn toàn không tính phí theo token. Dịch vụ được tối ưu để chạy trên 4 GPU AMD Instinct MI325X và công ty tuyên bố có thể cắt giảm chi phí suy luận tới 94% so với các đối thủ độc quyền như GPT-5.5 và Claude Opus 4.8 . Dưới đây là tất tần tật những điều bạn cần biết về dịch vụ này, mô hình GLM 5.2, và cách nó so sánh với các giải pháp độc quyền.

Dịch vụ Private Cloud GLM 5.2 của Featherless là gì?

Featherless đã triển khai một hệ thống private cloud chuyên dụng cho mô hình GLM 5.2 mã nguồn mở của Z.ai, được tối ưu để chạy thuần trên GPU AMD Instinct MI325X với mức phí cố định hàng tháng . Featherless tuyên bố đây là nền tảng duy nhất hiện nay có thể tối ưu GLM 5.2 để chạy thuần trên phần cứng AMD trong môi trường private cloud . Cách tiếp cận này giúp khách hàng thoát khỏi hình thức thanh toán theo token và thay vào đó trả một chi phí cố định hàng năm là 90.000 USD cho một nhóm phát triển được sử dụng toàn bộ năng lực .

Giá cả: 7.500 USD/tháng, không giới hạn token

• Phí cố định hàng tháng: 7.500 USD/tháng cho một phiên bản private cloud riêng .
• Không giới hạn token — không có phí API theo token . Đây là điểm khác biệt chính so với các API trả tiền theo mức sử dụng.
• Để dễ hình dung: API công cộng của Z.ai tính phí 1,40 USD cho mỗi triệu token đầu vào và 4,40 USD cho mỗi triệu token đầu ra . Một khối lượng công việc tác nhân (agentic workload) nặng, nếu dùng API độc quyền có thể tốn tới 125.000 USD/tháng, thì với gói giá cố định này chỉ mất khoảng 7.500 USD/tháng - tương đương mức giảm 94% .

Cách tính toán chi tiết: GLM 5.2 trên API công cộng có giá chỉ bằng 1/5 đến 1/6 so với GPT-5.5 hoặc Claude Opus 4.8 . Tính riêng trên đầu ra, GLM-5.2 với giá 4,40 USD/mỗi triệu token so với 30 USD/mỗi triệu token của GPT-5.5, tức là chỉ bằng khoảng 1/6,8 lần chi phí . Đầu vào đã được lưu cache (cached input) thậm chí còn rẻ hơn, chỉ 0,26 USD mỗi triệu token .

Phần cứng: 4× AMD Instinct MI325X GPU

Mỗi phiên bản private cloud sử dụng 4 × AMD Instinct MI325X GPU . MI325X được trang bị:

• 256 GB bộ nhớ HBM3e và băng thông bộ nhớ 6 TB/s mỗi bộ tăng tốc .
• Kiến trúc CDNA3 với 19.456 bộ xử lý luồng và 1216 lõi ma trận .
• Hiệu năng FP8 đạt 2,61 PFLOPs .

Đây là một chiến lược phần cứng hoàn toàn khác biệt so với các hệ thống NVIDIA H100/H200 phổ biến hiện nay. Featherless giới thiệu đây như một cách để khách hàng tránh phụ thuộc vào nguồn cung NVIDIA vốn thường xuyên khan hiếm .

Thông số kỹ thuật của mô hình GLM 5.2

Thông số	Chi tiết
Kiến trúc	744B tham số tổng cộng, Mixture-of-Experts (MoE) với khoảng 40B tham số hoạt động mỗi token
Cửa sổ ngữ cảnh	Lên tới 256K token trên public cloud; lên tới 1 triệu token trên private cloud
Định dạng lượng tử hóa	FP8 mặc định (~750 GB VRAM cho trọng số)
Trọng số mở	Có — Z.ai phát hành GLM 5.2 với trọng số mở theo giấy phép MIT
Trọng tâm huấn luyện	Ưu tiên lập trình; chuyên biệt cho các tác vụ kỹ thuật phần mềm

Ở định dạng FP8, trọng số của mô hình cần khoảng 750 GB VRAM, vừa vặn với tổng 1 TB VRAM từ 4× MI325X GPU (4 × 256 GB), và còn dư địa cho KV cache ở các độ dài ngữ cảnh lớn .

Điểm chuẩn chính: GLM 5.2 so với GPT-5.5 và Claude Opus 4.8

SWE-bench Pro (kỹ thuật phần mềm thực tế):

• GLM 5.2: 62,1% so với GPT-5.5: 58,6% — vượt trội GPT-5.5 trong các bài kiểm tra lập trình .
• Tuy nhiên, vẫn thua Claude Opus 4.8 (69,2%) ở chỉ số này .

Terminal-Bench 2.1 (tác vụ lập trình tác nhân):

• GLM 5.2: 82,7 (điểm tốt nhất được ghi nhận) so với Claude Opus 4.8: 78,9 — vượt lên dẫn đầu trong các tác vụ tác nhân trên terminal .

Theo Featherless, GLM 5.2 đứng thứ #2 trên bảng xếp hạng lập trình Arena WebDev .

So sánh chi phí: GLM 5.2 so với các API độc quyền

Lợi thế về chi phí chính là điểm mạnh nhất của GLM 5.2. So sánh giá API chính thức:

Mô hình	Đầu vào (mỗi 1M token)	Đầu ra (mỗi 1M token)
GLM 5.2	1,40 USD	4,40 USD
GPT-5.5	~5,00 USD	~30,00 USD
Claude Opus 4.8	~8,00 USD	~40,00 USD

Nguồn:

Trong một kịch bản làm việc thực tế với tỷ lệ đầu ra:đầu vào là 3:1, GLM-5.2 có chi phí khoảng 3,65 USD mỗi triệu token, trong khi GPT-5.5 là khoảng 23,75 USD — tỷ lệ khoảng 1/6,5 . Các công cụ theo dõi độc lập còn ghi nhận mức giá thấp hơn nữa từ các nhà cung cấp khác phục vụ mô hình trọng số mở này (khoảng ~0,55 USD đầu vào và ~1,85 USD đầu ra) .

Vị thế cạnh tranh so với AI độc quyền

• Vương miện hiệu suất lập trình: GLM 5.2 đánh bại GPT-5.5 trên SWE-bench Pro trong khi rẻ hơn đáng kể về chi phí mỗi token, định vị nó như một giải pháp lập trình hiệu suất cao, chi phí thấp .
• Điểm ngọt ngào cho khối lượng công việc tác nhân: Private cloud giá cố định được thiết kế cho các tác vụ tác nhân liên tục, khối lượng lớn, nơi mà chi phí API theo token từ các nhà cung cấp độc quyền thường tăng vọt .
• Lợi thế trọng số mở + AMD: Vì mô hình là mã nguồn mở và chạy trên phần cứng AMD (thay vì NVIDIA H100/H200), Featherless có thể cung cấp private cloud với chi phí chỉ bằng một phần nhỏ so với các hệ thống dùng NVIDIA .
• Dẫn đầu về cửa sổ ngữ cảnh: Với 1 triệu token trên private cloud, nó cạnh tranh hoặc vượt trội so với cửa sổ ngữ cảnh của GPT-5.5 và Claude Opus 4.8 trên các hệ thống chuyên dụng .
• Lưu ý: Trên các điểm chuẩn thuần túy (SWE-bench Pro), Claude Opus 4.8 vẫn dẫn đầu (69,2 so với 62,1), vì vậy GLM 5.2 không phải là người dẫn đầu tuyệt đối ở mọi chỉ số — nhưng lợi thế về chi phí của nó là rất lớn .

Ai nên cân nhắc dịch vụ này?

Private cloud của Featherless dành cho GLM 5.2 phù hợp nhất với:

• Các nhóm đang xử lý khối lượng công việc tác nhân lớn mà chi phí API theo token thường xuyên vượt quá 10.000–50.000 USD/tháng.
• Các tổ chức có nhu cầu suy luận lập trình và kỹ thuật phần mềm liên tục muốn có hiệu suất vượt trội GPT-5.5 với chi phí thấp hơn nhiều.
• Các công ty muốn tránh phụ thuộc vào nguồn cung phần cứng NVIDIA bằng cách triển khai trên hạ tầng AMD.
• Các nhóm kỹ thuật muốn sử dụng token không giới hạn mà không phải lo lắng về hóa đơn tính theo mức sử dụng.

Featherless cũng cung cấp các gói giá cố định thấp hơn, bắt đầu từ 25 USD/tháng cho truy cập serverless vào các mô hình nhỏ hơn, nhưng gói 7.500 USD/tháng dành riêng cho các nhóm cần suy luận khối lượng lớn, liên tục trên mô hình GLM 5.2 đầy đủ .

Kết luận

Dịch vụ private cloud mới của Featherless cung cấp mô hình GLM 5.2 trên 4× AMD MI325X GPU với mức giá cố định 7.500 USD/tháng, hứa hẹn tiết kiệm 94% chi phí so với các API độc quyền cho các tác vụ tác nhân khối lượng lớn. Mô hình 744B MoE đánh bại GPT-5.5 trên SWE-bench Pro với chi phí mỗi token chỉ bằng khoảng 1/6, trở thành một giải pháp thay thế mã nguồn mở hấp dẫn cho các tổ chức có nhu cầu lập trình nặng và suy luận tác nhân. Mặc dù Claude Opus 4.8 vẫn dẫn đầu ở một số điểm chuẩn, lợi thế chi phí của sự kết hợp GLM 5.2 + Featherless đủ lớn để biến nó thành một lựa chọn nghiêm túc cho các nhóm có ý thức về ngân sách nhưng không muốn hy sinh hiệu suất.