Featherless GLM 5.2 私有云上线：AMD 硬件、固定月费、无限制 Token

Featherless 已推出 Z.ai 开源权重模型 GLM 5.2 的专属私有云部署服务，采用固定月费 7,500 美元，无按 Token 计费。该服务针对在 AMD Instinct MI325X GPU 上原生运行进行了优化。该公司声称，与 GPT-5.5 和 Claude Opus 4.8 等闭源竞品相比，可将推理成本削减 94% 。以下是你需要了解的关于该服务、模型及其与专有替代方案对比的所有信息。

Featherless GLM 5.2 私有云是什么？

Featherless 推出了 Z.ai 开源权重模型 GLM 5.2 的 专属私有云部署 ，该部署针对在 AMD Instinct MI325X GPU 上原生运行进行了优化，采用固定月费模式 。Featherless 声称，它是唯一一个优化了 GLM 5.2 以在 AMD 硬件私有云环境中原生运行的平台 。这种方式使客户可以避免基于 Token 的计费，而是为一个充分使用的开发团队支付每年 90,000 美元的固定成本 。

定价：月费 7,500 美元，Token 不限量

• 固定月费：7,500 美元/月，用于专属私有云实例 。
• Token 不限量——无按 Token 的 API 费用 。这是与按量付费 API 的关键区别。
• 背景参考：Z.ai 的公共 API 收费为每百万输入 Token 1.40 美元，每百万输出 Token 4.40 美元 。在专有 API 上每月花费超过 125,000 美元的高负载智能体工作负载，在固定费率方案下大约只需 7,500 美元/月——降幅达 94% 。

成本演算原理： 公共 API 上的 GLM 5.2 每个 Token 的价格约为 GPT-5.5 或 Claude Opus 4.8 的 1/5 到 1/6 。仅看输出，GLM-5.2 每百万 Token 4.40 美元，对比 GPT-5.5 的 30 美元，成本约为其 1/6.8 。缓存输入则进一步降至每百万 Token 0.26 美元 。

硬件：4× AMD Instinct MI325X GPU

每个私有云实例运行在 4 × AMD Instinct MI325X GPU 上 。MI325X 的特性包括：

• 每个加速器配备 256 GB HBM3e 内存 和 6 TB/s 内存带宽 。
• CDNA3 架构，拥有 19,456 个流处理器和 1216 个矩阵核心 。
• FP8 性能 为 2.61 PFLOPs 。

这与业界常见的 NVIDIA H100/H200 部署形成了显著不同的硬件策略。Featherless 将此定位为一种避免 NVIDIA 供应限制的途径 。

GLM 5.2 模型规格

规格	详情
架构	总计 744B 参数，混合专家模型 (MoE)，每个 Token 约激活 40B 参数
上下文窗口	公有云最高 256K Token；私有云部署最高 100 万 Token
量化	默认为 FP8（权重约需 750 GB VRAM）
开源权重	是——Z.ai 以 MIT 许可发布了 GLM 5.2 的开源权重
训练重点	编码优先；专为软件工程任务优化

在 FP8 量化下，模型权重约需 750 GB VRAM，这可以轻松容纳在 4× MI325X GPU 提供的 1 TB 总 VRAM（4 × 256 GB）中，并为扩展上下文长度的 KV 缓存留有充裕空间 。

关键基准测试：GLM 5.2 对比 GPT-5.5 和 Claude Opus 4.8

SWE-bench Pro（真实世界软件工程）：

• GLM 5.2：62.1% 对比 GPT-5.5：58.6%——在编码基准测试上击败 GPT-5.5 。
• 在此指标上落后于 Claude Opus 4.8（69.2%）。

Terminal-Bench 2.1（智能体编码任务）：

• GLM 5.2：82.7（最佳报告结果）对比 Claude Opus 4.8：78.9——在基于终端的智能体任务上领先 。

据 Featherless 称，GLM 5.2 在 Arena WebDev 编码排行榜上排名第二 。

成本对比：GLM 5.2 对比专有 API

成本优势是 GLM 5.2 真正脱颖而出的地方。按 Z.ai 官方 API 费率计算：

模型	输入（每百万 Token）	输出（每百万 Token）
GLM 5.2	$1.40	$4.40
GPT-5.5	~$5.00	~$30.00
Claude Opus 4.8	~$8.00	~$40.00

来源：

在 3:1 输出与输入的实际工作负载混合模式下，GLM-5.2 每百万 Token 成本接近 3.65 美元，而 GPT-5.5 约为 23.75 美元——成本比约为 1/6.5 。独立追踪数据显示，提供此开源权重的各提供商中间价更低（输入约 0.55 美元，输出约 1.85 美元）。

与专有 AI 的竞争定位

• 编码性能桂冠： GLM 5.2 在 SWE-bench Pro 上击败 GPT-5.5，同时每个 Token 的成本大幅降低，这使其成为一款高性能、低成本的编码替代方案 。
• 智能体工作负载最佳选择： 固定费私有云专为持续的智能体使用场景（高吞吐量、连续推理）而设计，在此类场景下，专有供应商的按 Token API 成本会急剧飙升 。
• 开源权重 + AMD 优势： 由于模型是开源的且运行在 AMD 硬件（而非 NVIDIA H100/H200）上，Featherless 能够以远低于同等 NVIDIA 部署的成本提供私有云 。
• 上下文窗口领先： 私有云支持 100 万 Token，在专用部署中可与 GPT-5.5 和 Claude Opus 4.8 的上下文窗口相媲美甚至超越 。
• 注意事项： 在纯基准测试分数（SWE-bench Pro）上，Claude Opus 4.8 仍然领先（69.2 对 62.1），因此 GLM 5.2 并非在所有指标上都是绝对领先者——但其成本优势是巨大的 。

谁应该考虑这项服务？

Featherless 为 GLM 5.2 提供的私有云最适合：

• 运行高负载智能体工作负载的团队，其按 Token 的 API 成本会迅速超过每月 10,000 到 50,000 美元。
• 有持续编码和软件工程推理需求的组织，希望以极低的价格获得超越 GPT-5.5 的性能。
• 希望避免 NVIDIA 硬件供应限制的公司，通过部署在 AMD 基础设施上实现。
• 想要无限量使用 Token 而无需担心计量计费的工程团队。

Featherless 还提供更低价位的固定费率计划，从每月 25 美元起，用于对较小模型的无服务器访问。但每月 7,500 美元的专用节点明确面向需要完整 GLM 5.2 模型上进行持续高吞吐量推理的团队 。

总结

Featherless 的新服务提供每月 7,500 美元固定费率的 GLM 5.2 私有云，运行在 4× AMD MI325X GPU 上。对于高负载智能体使用场景，它声称相较专有 API 可节省 94% 的成本。这款 744B 的 MoE 模型在 SWE-bench Pro 上以大约六分之一的 Token 成本击败了 GPT-5.5，使其成为拥有繁重编码和智能体推理工作负载的组织的、一个引人注目的开源权重替代方案。尽管 Claude Opus 4.8 在某些基准测试上仍然领先，但 GLM 5.2 与 Featherless 组合的成本优势之大，足以使其成为那些注重预算且不愿在性能上妥协的团队的一个严肃选项。