GLM-5.2: benchmark, prezzo e confronto con Claude, GPT e Kimi
Il modello open-source di Z.ai punta su coding lungo, contesto 1M e costo API competitivo
GLM-5.2 è il modello flagship di Z.ai per task lunghi e coding agentico. La promessa è forte: contesto fino a 1M token, output fino a 128K, licenza MIT, API compatibile con SDK OpenAI e benchmark vicini ai modelli chiusi più costosi. Il punto non è dichiararlo vincitore assoluto, ma capire quando vale la pena provarlo al posto di Claude Opus 4.8, GPT-5.5 o Kimi K2.7 Code.
Risposta breve
GLM-5.2 è un modello Z.ai pensato per coding agentico, refactor lunghi e task software con molto contesto. Conviene provarlo quando vuoi un modello open-source con 1M token di contesto e prezzo API più basso dei frontier premium. Per lavoro critico, Claude Opus 4.8 e GPT-5.5 restano riferimenti più maturi.
- Z.ai dichiara 1M token di contesto, output massimo 128K, function calling, MCP, caching e reasoning effort configurabile.
- Il prezzo API ufficiale è $1,40 per 1M token input, $0,26 cached input e $4,40 output.
- Su FrontierSWE GLM-5.2 è molto vicino a Opus 4.8 e GPT-5.5; su PostTrainBench è stato aggiunto tra i modelli di testa.
- La scelta pratica è testarlo su repository e task ripetuti, non sostituire alla cieca il modello già affidabile del team.
Grafici e benchmark citati
Confronto rapido
| Criterio | GLM-5.2 | Claude, GPT e Kimi |
|---|---|---|
| Contesto | Z.ai dichiara 1M token di contesto e output fino a 128K. | È più ampio di Kimi K2.7 Code, che resta a 256K. Il vantaggio conta solo se il modello mantiene qualità su task lunghi. |
| Prezzo API | $1,40 input, $0,26 cached input e $4,40 output per 1M token secondo la pagina pricing Z.ai. | Costa più di alcuni modelli open economici, ma resta competitivo rispetto ai frontier premium quando l'output cresce. |
| FrontierSWE | Leaderboard: GLM-5.2 a 74, Opus 4.8 a 75, GPT-5.5 a 73 sui valori arrotondati. | Il segnale è forte per task software lunghi. Non è una vittoria netta, ma basta per giustificare un pilot. |
| Terminal-Bench 2.1 | Z.ai riporta 81,0 per GLM-5.2 contro 63,5 di GLM-5.1 e 85,0 per Claude Opus 4.8. | Il salto rispetto a GLM-5.1 è chiaro; Opus resta davanti su questo benchmark. |
| SWE-bench Pro | Z.ai riporta 62,1 per GLM-5.2, 69,2 per Opus 4.8, 58,6 per GPT-5.5 e 54,2 per Gemini 3.1 Pro. | GLM supera GPT e Gemini nella tabella Z.ai, ma non raggiunge Opus. |
| Licenza e deployment | Il modello FP8 è pubblicato su Hugging Face con licenza MIT e indicazioni per vLLM, SGLang, Transformers e altre runtime. | Più controllo rispetto a un modello solo API, ma servono infrastruttura e competenze: non è una scorciatoia per chi vuole solo una chat pronta. |
Numeri da guardare
Questi numeri aiutano a separare tre domande diverse: quanto è grande il contesto, quanto costa usarlo via API e quanto sono solidi i benchmark rispetto ai modelli chiusi.
Input non cached
Fonte: Z.ai pricing · 1M token
Dato
$1,40
Lettura pratica
Da considerare quando passi repository o documenti lunghi.
Il prezzo input è competitivo, ma un contesto enorme può comunque diventare costoso se viene inviato male.
Input cached
Fonte: Z.ai pricing · 1M token
Dato
$0,26
Lettura pratica
Interessante se riusi spesso lo stesso codebase o la stessa base documentale.
Il caching è uno dei motivi più concreti per provarlo su agenti interni e task ripetuti.
Output
Fonte: Z.ai pricing · 1M token
Dato
$4,40
Lettura pratica
Molto rilevante per refactor, report tecnici, patch lunghe e reasoning verboso.
Nei task agentici il costo output pesa molto: il confronto va fatto sul job completo, non solo sul prezzo input.
GLM Coding Plan
Fonte: Z.ai docs · Piano mensile
Dato
Da $18/mese
Lettura pratica
Pensato per usare modelli GLM in tool di coding supportati.
Può essere un ingresso economico per testare GLM nel flusso developer, ma va verificato rispetto agli strumenti che usi.
Che cos'è GLM-5.2
GLM-5.2 è il modello flagship di Z.ai per task long-horizon: lavori in cui il modello deve leggere molto contesto, mantenere vincoli, usare strumenti e completare passaggi lunghi senza perdere la direzione. Il caso più naturale è il software engineering, non la chat generica.
- Supporta input testuale e output testuale.
- La documentazione Z.ai indica 1M token di contesto e massimo 128K token di output.
- Supporta thinking mode, streaming, function calling, context caching, structured output e MCP.
- La migration guide introduce il parametro reasoning_effort per bilanciare profondità di ragionamento, velocità e costo.
La novità non è solo il contesto 1M
Un contesto grande è utile solo se il modello riesce a usarlo bene. Z.ai insiste proprio su questo punto: GLM-5.2 non deve limitarsi a ingoiare più token, ma mantenere standard tecnici, dipendenze, API contract e scelte architetturali durante task lunghi.
- Ha senso testarlo su codebase vere, non su prompt dimostrativi corti.
- Il valore emerge su audit tecnici, refactor multi-file, migrazioni API, ricerca riproducibile e debugging mobile.
- Se il task è piccolo, il vantaggio del contesto 1M può non servire.
- Se il team non seleziona bene file, vincoli e test, anche un contesto enorme può produrre confusione.
Dove i benchmark sono convincenti
Il segnale più forte arriva dai benchmark su task lunghi. FrontierSWE mostra GLM-5.2 quasi allineato a Claude Opus 4.8 e GPT-5.5. PostTrainBench lo ha aggiunto tra i modelli di testa, con un changelog del 17 giugno 2026 che lo segnala in cima dopo la media aggiornata di Opus 4.8.
- FrontierSWE: GLM-5.2 74, Opus 4.8 75, GPT-5.5 73 sui valori arrotondati.
- FrontierSWE misura progetti software difficili, non semplici snippet.
- PostTrainBench misura agenti che provano a migliorare piccoli modelli con una GPU H100 e 10 ore di lavoro.
- Questi test sono più vicini ai workflow agentici rispetto ai benchmark di chat generica.
Dove serve prudenza
GLM-5.2 non va letto come sorpasso totale. In molte tabelle Z.ai il modello è competitivo, ma Claude Opus 4.8 resta davanti su benchmark importanti e GPT-5.5 mantiene un ecosistema più maturo per molti team. Inoltre una parte dei numeri viene dal materiale del provider, quindi va verificata sul tuo lavoro reale.
- Su SWE-bench Pro, Z.ai riporta Opus 4.8 davanti a GLM-5.2.
- Su Terminal-Bench 2.1, Opus 4.8 resta sopra GLM-5.2 nella tabella Z.ai.
- Il modello è grande: usarlo in locale richiede runtime, hardware e competenze adeguate.
- La disponibilità open-source non elimina valutazioni su privacy, compliance e supply chain.
Quando provarlo al posto di Claude o GPT
GLM-5.2 merita un test quando il costo operativo è importante e il task è abbastanza lungo da valorizzare contesto, caching e tool use. È più interessante per team tecnici che possono misurare il risultato con test, benchmark interni o review di codice.
- Provalo su refactor ripetuti, migrazioni, audit di repository e agenti interni.
- Provalo se vuoi un modello open-source con licenza permissiva e API compatibile con SDK OpenAI.
- Provalo se i costi di output dei modelli premium rendono troppo caro iterare.
- Non usarlo come sostituzione automatica se il tuo workflow Claude o Codex funziona già bene e il costo è sostenibile.
Quando Kimi resta più naturale
Kimi K2.7 Code resta un confronto diretto perché copre lo stesso spazio: coding agentico, costo API basso e pesi disponibili. GLM-5.2 porta il contesto 1M e benchmark molto forti sui task lunghi; Kimi ha già un posizionamento chiaro come coding agent economico e può essere più semplice da valutare se stai usando Kimi Code.
- Scegli Kimi se vuoi restare nel prodotto Kimi Code e testare un agente già confezionato.
- Scegli GLM-5.2 se il contesto 1M è centrale o vuoi confrontarlo su task lunghi con Claude Code o tool compatibili.
- Confrontali su tre task reali: refactor, bugfix con test e analisi di un modulo grande.
- Il modello più economico non è sempre quello che costa meno a fine lavoro: conta quante iterazioni servono.
Come fare un pilot sensato
Il modo migliore per decidere non è cambiare modello in produzione, ma costruire un test piccolo e ripetibile. Scegli un task già risolto dal team o da un altro agente, misura qualità della patch, numero di interventi umani, test passati, costo e tempo.
- Usa un repository non sensibile o dati sintetici se non hai ancora chiarito privacy e compliance.
- Dai al modello regole esplicite: dipendenze vietate, test da eseguire, confini dei file, formato del report.
- Confronta GLM-5.2 con il modello che usi oggi, non con una classifica astratta.
- Tieni separati costo API, tempo umano di review e qualità finale: sono tre metriche diverse.
Domande frequenti
GLM-5.2 batte Claude Opus 4.8?
Non in modo generale. Su FrontierSWE è quasi allineato, ma Opus 4.8 resta leggermente sopra. Nelle tabelle Z.ai, Opus è davanti anche su SWE-bench Pro e Terminal-Bench 2.1. GLM-5.2 è molto competitivo, non un vincitore universale.
GLM-5.2 batte GPT-5.5?
Dipende dal test. Su FrontierSWE GLM-5.2 è appena sopra GPT-5.5 secondo la leaderboard consultata. Nelle tabelle Z.ai supera GPT-5.5 su alcuni benchmark coding, ma la scelta reale dipende da ecosistema, prezzo, affidabilità e integrazione nel tuo workflow.
GLM-5.2 è open source?
Z.ai pubblica GLM-5.2-FP8 su Hugging Face con licenza MIT. Questo aumenta controllo e possibilità di deployment, ma non significa che eseguirlo in locale sia semplice: il modello è grande e richiede runtime e infrastruttura adeguati.
Quanto costa GLM-5.2 via API?
Al 21 giugno 2026 la pagina pricing Z.ai indica $1,40 per 1M token input, $0,26 per 1M token cached input e $4,40 per 1M token output. I prezzi possono cambiare, quindi vanno ricontrollati prima di adottarlo in team.
Conviene usare GLM-5.2 per dati sensibili?
Non deciderlo solo dal benchmark. Per dati sensibili verifica trattamento dati, hosting, data residency, policy aziendali e supply chain. Se non hai garanzie chiare, prova il modello su dati non sensibili o in un ambiente controllato.