Featherless 私有雲方案：GLM 5.2 每月 7,500 美元固定收費，不限 Token 用量

價格方案：月費 7,500 美元，Token 用量無上限

• 固定月費：7,500 美元/月，包含一個專屬私有雲實例 ^IF。
• Token 用量無上限——不再有按 Token 計價的 API 費用 ^IF。這是與按量計費 API 最大的差別。
• 做個對照：Z.ai 公開 API 的收費為每百萬輸入 Token 1.40 美元、每百萬輸出 Token 4.40 美元 ^DAL。一個使用量龐大的代理工作負載，若使用封閉 API 每月花費可能超過 125,000 美元，而固定費率方案只需約 7,500 美元——降幅達 94% ^IF。

成本怎麼算： GLM 5.2 在公開 API 上的每 Token 價格，約為 GPT-5.5 或 Claude Opus 4.8 的 1/5 到 1/6 ^GD。以純輸出計算，GLM-5.2 每百萬輸出 Token 收費 4.40 美元，對比 GPT-5.5 的 30 美元，約為 1/6.8 的價格 ^OF。快取輸入更降至每百萬 Token 0.26 美元 ^GF。

硬體規格：4 張 AMD Instinct MI325X GPU

每個私有雲實例配備 4 張 AMD Instinct MI325X GPU ^FO。MI325X 規格如下：

• 256 GB HBM3e 記憶體，頻寬達 6 TB/s ^AA。
• CDNA3 架構，具備 19,456 個串流處理器與 1,216 個矩陣核心 ^A。
• FP8 效能為 2.61 PFLOPs ^A。

這與業界普遍採用的 NVIDIA H100/H200 部署策略截然不同，Featherless 表示這可避開 NVIDIA 的供應限制 ^I。

GLM 5.2 模型規格

在 FP8 量化下，模型權重約需 750 GB VRAM，而 4 張 MI325X GPU 總計提供 1 TB VRAM（4 × 256 GB），留有足夠空間給長上下文情境下的 KV 快取 ^OR。

關鍵評測成績：GLM 5.2 vs. GPT-5.5 與 Claude Opus 4.8

SWE-bench Pro（真實世界軟體工程）：

• GLM 5.2：62.1% vs. GPT-5.5：58.6%——在編碼評測上勝過 GPT-5.5 ^DF。
• 落後 Claude Opus 4.8（69.2%）^O。

Terminal-Bench 2.1（代理型編碼任務）：

• GLM 5.2：82.7（最佳測試配置）vs. Claude Opus 4.8：78.9——在終端機為基礎的代理任務上領先 ^O。

根據 Featherless 的資料，GLM 5.2 在 Arena WebDev 編碼排行榜上排名第二 ^F。

成本對比：GLM 5.2 vs. 封閉 API

GLM 5.2 的成本優勢最為突出。以 Z.ai 官方 API 費率為基準：

資料來源：^DDAOF

在一個較符合實際的 3:1 輸出輸入工作量混合下，GLM-5.2 每百萬 Token 成本約為 3.65 美元，而 GPT-5.5 約為 23.75 美元——比例約為 1/6.5 ^O。獨立追蹤平台顯示，提供這組開源權重的多家供應商中位數價格更低（輸入約 0.55 美元、輸出約 1.85 美元）^DD。

與封閉式 AI 的競爭定位

• 編碼效能王座： GLM 5.2 在 SWE-bench Pro 上擊敗 GPT-5.5，但每 Token 成本卻低得多，定位為高效能、低成本的編碼替代方案 ^DF。
• 代理工作負載甜蜜點： 固定費率私有雲專為持續性、高用量的代理型推論設計，而封閉供應商的按量計費 API 在這種情境下成本會快速飆升 ^IF。
• 開源權重 + AMD 優勢： 由於模型為開源且運行於 AMD 硬體（而非 NVIDIA H100/H200），Featherless 能以遠低於同等 NVIDIA 部署的價格提供私有雲 ^II。
• 上下文視窗領先： 私有雲上支援 100 萬 Token，在專屬部署上可與 GPT-5.5 和 Claude Opus 4.8 匹敵甚至超越 ^FI。
• 注意： 在純評測分數（SWE-bench Pro）上，Claude Opus 4.8 仍然領先（69.2 vs. 62.1），因此 GLM 5.2 並非在所有指標上都是絕對領先者——但它的成本優勢極為巨大 ^O。

誰適合採用這項服務？

Featherless 的 GLM 5.2 私有雲最適合：

• 運行高用量代理工作負載的團隊，其按 Token 計費的 API 成本每月很快超過 10,000 至 50,000 美元。
• 有持續性編碼與軟體工程推論需求的組織，希望以極低成本獲得超越 GPT-5.5 的效能。
• 希望避開 NVIDIA 硬體供應限制的公司，轉而採用 AMD 基礎架構。
• 想要 Token 用量無上限、不需擔心按量計費的工程團隊。

Featherless 也提供較低階的固定費率方案，月費 25 美元起，可用無伺服器方式存取較小模型；但每月 7,500 美元的專屬節點，明確針對需要持續高用量推論完整 GLM 5.2 模型的團隊 ^F。

結論

Featherless 的新服務以每月 7,500 美元的固定費用，提供 GLM 5.2 在 4 張 AMD MI325X GPU 上的專屬私有雲，針對高用量代理工作負載宣稱可比封閉 API 節省 94% 成本。這款 744B MoE 模型在 SWE-bench Pro 上以約六分之一的每 Token 成本擊敗 GPT-5.5，對於擁有大量編碼與代理型推論需求的組織而言，是極具吸引力的開源權重替代方案。雖然 Claude Opus 4.8 在某些評測上仍保持領先，但 GLM 5.2 搭配 Featherless 的成本優勢已大到足以讓預算有限卻不願犧牲效能的團隊認真考慮。