Chinas Z.ai hat mit GLM-5.2 überraschend die Führung im Open-Weights-Bereich übernommen. Laut Artificial Analysis ist das Modell nun das führende Open-Weight-Modell auf deren Intelligence Index v4.1 mit einem Score von 51 — vor Rivalen wie MiniMax-M3, DeepSeek V4 Pro max und Kimi K2.6.
Größer, länger und offener
GLM-5.2 erschien am 16. Juni 2026, nur 70 Tage nach dem Vorgänger GLM-5.1. Die Architektur ist ein Mixture-of-Experts (MoE)-Modell mit insgesamt 744 Milliarden Parametern, von denen nur 40 Milliarden gleichzeitig aktiv sind. Das Kontextfenster wurde von 200.000 auf 1 Million Tokens erweitert, und die Gewichte werden unter der MIT-Lizenz veröffentlicht.
Beeindruckende Benchmarks
Beim wichtigsten Maßstab von Artificial Analysis für reale agentische Leistung, GDPval-AA v2, erreicht GLM-5.2 1.524 Punkte — nah an proprietären Spitzenmodellen wie GPT-5.5 xhigh (1.514). Weitere bemerkenswerte Ergebnisse:
| Benchmark | Score |
|---|---|
| TerminalBench v2.1 | 78–81 % |
| GPQA Diamond | 89 % |
| HLE | 40 % |
| CritPt | 21 % |
Besonders bei wissenschaftlichem Reasoning und Code hat sich das Modell deutlich verbessert. Der CritPt-Score ist um 16 Punkte gestiegen, der HLE-Score um 12 Punkte.
Ein Pareto-Gewinner — aber nicht der günstigste
GLM-5.2 verbraucht mehr Output-Tokens pro Aufgabe als die Konkurrenz: etwa 43.000 Tokens gegenüber 26.000 bei GLM-5.1 und 37.000 bei DeepSeek V4 Pro max. Das macht es zu einem relativ teuren Open-Weight-Modell im Betrieb pro Aufgabe — rund 0,46 USD gegenüber etwa 0,05 USD bei DeepSeek.
Dennoch platziert Artificial Analysis das Modell auf der Pareto-Front: Man bekommt mehr Intelligenz, zahlt dafür aber auch mehr. Die API-Preise liegen bei 1,4 / 4,4 / 0,26 USD pro Million Input-/Output-/Cache-Hit-Tokens.
Verfügbarkeit und Hosting
Die Gewichte sind auf Hugging Face verfügbar, und das Modell wird von einer breiten Palette an Inference-Anbietern gehostet: Z.ai, DeepInfra, Novita, Nebius, Parasail, Siliconflow, GMI Cloud, Baseten und Fireworks.
Open Weights als Verteidigungswaffe
In einer bemerkenswerten Episode nutzte Hugging Face das offene GLM-5.2, um sich gegen einen Angreifer zu verteidigen, der laut eigenen Angaben ein geschlossenes kommerzielles Frontier-Modell mit Refusal-Beschränkungen einsetzte. Ein kleines, aber symbolisches Beispiel dafür, wie offene Gewichte Betreibern mehr Kontrolle geben können als geschlossene Alternativen.
Warum das wichtig ist
GLM-5.2 unterstreicht einen breiteren Trend: China dominiert derzeit die Veröffentlichung großer Open-Weight-Modelle. Während amerikanische Unternehmen wie Nvidia, Microsoft und Meta inzwischen dafür lobbyieren, Open Weights vor zu strenger Regulierung zu schützen, sind es chinesische Labore, die faktisch den Standard setzen. Die Frage ist, ob die US-Industrie mithalten kann — oder ob sie stattdessen weitere Modelle einschließt.