Un modello con licenza MIT che costa 3 $ per milione di token di output ha appena battuto un modello proprietario da 25 $ all'avanguardia nella maggior parte dei principali benchmark — inclusi coding, scienza e task agentici.
GLM 5.2 vs Claude Opus 4.6 non è però una semplice storia di Davide contro Golia. GLM 5.2 consuma quasi il doppio dei token per attività rispetto ad alcuni concorrenti, non supporta l'input di immagini e ha un ecosistema più giovane. Opus 4.6 è stato superato da 4.7 e 4.8 — questo confronto ha una scadenza.
Ecco cosa conta per la decisione.
Tutto in un'unica tabella
GLM 5.2 | Claude Opus 4.6 | |
|---|---|---|
Sviluppatore | Z.ai (Zhipu AI) | Anthropic |
Rilasciato | 16 giugno 2026 | 4 febbraio 2026 |
Architettura | MoE, 753B total / 40B active | Densa (non divulgata) |
Licenza | MIT (open-weight) | Proprietaria |
Finestra di contesto | 1M token | 1M token |
Output massimo | 128K token | 128K (300K tramite batch) |
Input immagini | No | Sì |
Modalità di pensiero | High, Max | Low, Medium, High, Max |
SWE-bench Pro | 62.1% | 51.9–53.4% |
Terminal-Bench | 81.0% (v2.1) | 65.4% (v2.0) |
HLE (con strumenti) | 54.7% | 53.0% |
GPQA Diamond | 89–91.2% | 84.0% |
BigLaw Bench | Non riportato | 90.2% |
Indice di intelligenza | 51 (highest open-weight) | ~44 (max effort) |
Prezzo di input | $0.95/M (DeepInfra) | $5.00/M |
Prezzo di output | $3.00/M (DeepInfra) | $25.00/M |
Più economico disponibile | $0.77/$2.42 (OpenRouter) | $5.00/$25.00 |
Velocità | ~197 tokens/sec | ~46 tokens/sec |
Self-hostable | Sì (MIT) | No |
Nota su SWE-bench Pro per Opus 4.6: i punteggi vanno dal 47,1% (Scale private) al 53,4% (Anthropic scaffold) a seconda della configurazione di valutazione. Anche le versioni di Terminal-Bench differiscono (v2.0 vs v2.1), quindi il confronto diretto non è perfetto.
Dove GLM 5.2 Vince
Programmazione. SWE-bench Pro 62.1% contro 51.9–53.4% di Opus 4.6. Terminal-Bench 81.0% contro 65.4% (versioni diverse, ma il divario è ampio). GLM 5.2 è il modello open-weight più forte in ogni principale benchmark di programmazione.
Scienza. GPQA Diamond 89–91.2% vs 84.0%. Il punteggio riportato dal vendor (91.2%) rispetto alla valutazione indipendente (~89%) mostra una certa variazione, ma GLM 5.2 è in testa in entrambi i casi.
Cybersecurity. Il benchmark IDOR di Semgrep: GLM 5.2 ha ottenuto un punteggio F1 del 39% con un prompt di base, superando Claude Code (su Opus 4.6) al 37% F1. Costo: circa $0,17 per vulnerabilità trovata. Un singolo benchmark, una singola classe di vulnerabilità — ma un modello open-weight che supera un agent all’avanguardia in un compito di sicurezza ad alto contenuto di ragionamento è degno di nota.
Velocità. ~197 token/sec vs ~46 token/sec. Circa 4x più veloce.
Prezzo. Output $3/M contro $25/M — 8,3x più economico per token.
Dove Opus 4.6 vince
Ragionamento giuridico. BigLaw Bench 90.2%, il più alto tra tutti i modelli Claude, 40% di punteggi perfetti. GLM 5.2 non ha alcun benchmark legale comparabile riportato.
Aggrega il lavoro basato sulla conoscenza. Nonostante il punteggio GPQA Diamond più alto di GLM 5.2, Opus 4.6 è in testa su GDPval-AA (lavoro professionale basato sulla conoscenza) con un divario complessivo di conoscenza di 76.2 contro 67.2. Il quadro è questo: GLM 5.2 gestisce bene le domande scientifiche difficili, ma Opus 4.6 è più forte su tutta l’ampia gamma di attività di conoscenza professionale.
Input multimodale. Opus 4.6 accetta immagini. GLM 5.2 è solo testo.
Ecosystema. Claude Code, Anthropic API, Bedrock, Vertex AI — strumenti maturi per l'uso degli strumenti, gli output strutturati e la compaction API. GLM 5.2 ha oltre 6 provider ma meno integrazioni di livello produttivo.
Controllo dello sforzo. Quattro livelli (basso–massimo) contro due (alto, massimo). Granularità più fine per l'ottimizzazione dei costi nelle attività semplici.
La trappola della verbosità dei token
GLM 5.2 consuma ~43,000 token di output per task nelle valutazioni di coding. MiniMax M3 usa ~24,000; Kimi K2.6 ~35,000.
Modello | Token/attività | $/M output | Costo/attività |
|---|---|---|---|
GLM 5.2 | ~43K | $3.00 | ~$0.13 |
Kimi K2.6 | ~35K | $2.50 | ~$0.09 |
Opus 4.6 | ~30K (est.) | $25.00 | ~$0.75 |
Per task, GLM 5.2 is ~6x meno costoso di Opus 4.6 — non gli 8x che il pricing per token suggerisce. Rimane comunque un ampio divario, ma esegui benchmark sui tuoi workload e misura il consumo totale di token.
Il fattore open-weight
Self-hosting. 40B di parametri attivi (MoE) rendono l'inferenza più fattibile rispetto a un modello denso da 753B. Supporta vLLM, SGLang e framework standard.
Privacy dei dati. L'hosting autonomo mantiene i dati lontani dai server di terze parti. Per i settori regolamentati, questo può contare più di qualsiasi benchmark.
Fine-tuning. I pesi aperti consentono l'adattamento al dominio. Opus 4.6 è una scatola nera.
Nessun vincolo. 6+ provider più self-hosting. Nessuna dipendenza dai prezzi o dalle politiche di un singolo fornitore.
Per i team che esplorano modelli di programmazione open-source, GLM 5.2 rappresenta un significativo salto di capacità.
La data di scadenza
Opus 4.6 è stato rilasciato a febbraio 2026. Opus 4.8 (Indice di Intelligenza 56) e Sonnet 5 (eguaglia Opus 4.6, prezzo più basso) sono arrivati successivamente.
Perché allora confrontare GLM 5.2 con Opus 4.6?
Opus 4.6 alimenta ancora molte configurazioni di Claude Code e sistemi di produzione
Il contrasto tra prezzo e prestazioni è più marcato in questa fascia — GLM 5.2 sfida con credibilità Opus 4.6 a 1/8 del costo
Rispetto a Opus 4.8, GLM 5.2 compete sul coding ma resta indietro in termini di ampiezza
Albero decisionale
1. Serve input immagine? → Opus 4.6+. GLM 5.2 è solo testo.
2. Privacy dei dati o self-hosting richiesti? → GLM 5.2. L’unica opzione che puoi eseguire sul tuo hardware.
3. Il carico di lavoro principale è la programmazione/agentico? → GLM 5.2 — competitivo o migliore, 6–8x più economico.
4. Il carico di lavoro principale è legale o di conoscenza generale? → Opus 4.6+. Il divario di conoscenza aggregato è coerente.
5. Vincolato dai costi su larga scala? → Inizia con GLM 5.2, instrada i casi difficili a Opus. Gli aggregatori API rendono facile l’instradamento ibrido.
6. Nessun vincolo forte? → GLM 5.2 predefinito. Il divario di prezzo di 8x lo rende il punto di partenza razionale.
Domande frequenti
GLM 5.2 è davvero buono come Claude Opus 4.6?
Nel coding (SWE-bench Pro: 62.1% vs ~52%) e nel ragionamento scientifico (GPQA Diamond: ~90% vs 84%), GLM 5.2 è in testa. Nel lavoro professionale di conoscenza complessivo, Opus 4.6 è più forte. Intelligence Index: GLM 5.2 a 51, Opus 4.6 a ~44.
Quanto è più economico GLM 5.2?
8,3x per token (3 $ contro 25 $/M output). ~6x per task dopo aver tenuto conto della maggiore verbosità dei token di GLM 5.2.
Posso ospitare autonomamente GLM 5.2?
Sì — licenza MIT, 40B parametri attivi (MoE), supporta vLLM/SGLang/xLLM/ktrans. Richiede risorse GPU significative, ma è molto più pratico rispetto al servire un modello denso di dimensioni totali comparabili.
GLM 5.2 supporta le immagini?
No, solo testo. Opus 4.6 gestisce testo e immagini.
Perché non confrontarlo con Opus 4.8?
Opus 4.8 (Intelligence Index 56) è l’ultima versione, ma Opus 4.6 rimane ampiamente distribuito. GLM 5.2 sfida in modo credibile la generazione 4.6; rispetto a 4.8, compete nella programmazione ma è indietro in termini di ampiezza.
GLM 5.2 è il miglior modello open-source?
Per la programmazione, sì — il miglior open-weight su SWE-bench Pro, Terminal-Bench e FrontierSWE. Intelligence Index 51, il più alto open-weight (mediana: 25).
Quanto è veloce GLM 5.2 rispetto a Opus 4.6?
~4x più veloce. 197 token/sec rispetto a 46 token/sec. TTFT: 1.37s rispetto a 1.87s.
Dovrei passare da Opus 4.6 a GLM 5.2?
Per attività di coding/agentic su larga scala, valutalo seriamente. Misura la qualità e il consumo totale di token sulle tue attività. Per lavori ricchi di conoscenza o multimodali, resta su Opus oppure considera Sonnet 5 come opzione Anthropic più economica.
Dove posso accedere a GLM 5.2?
DeepInfra ($0.95/$3.00), Z.ai ($1.40/$4.40), OpenRouter ($0.77/$2.42), Fireworks, FriendliAI, Novita, Together. Self-host tramite HuggingFace. Per i prezzi cross-model, consulta la nostra guida ai prezzi di GPT-5.6.