Um modelo licenciado pela MIT que custa US$ 3 por milhão de tokens de saída acabou de superar um frontier proprietário de US$ 25 na maioria dos principais benchmarks — incluindo programação, ciência e tarefas agentic.
GLM 5.2 vs Claude Opus 4.6 não é exatamente uma história limpa de Davi contra Golias. O GLM 5.2 consome quase o dobro de tokens por tarefa em relação a alguns concorrentes, não oferece suporte a entrada de imagem e tem um ecossistema mais recente. O Opus 4.6 foi substituído pelo 4.7 e pelo 4.8 — esta comparação tem prazo de validade.
Aqui está o que importa para a decisão.
Tudo em Uma Tabela
GLM 5.2 | Claude Opus 4.6 | |
|---|---|---|
Desenvolvedor | Z.ai (Zhipu AI) | Anthropic |
Lançado | 16 de junho de 2026 | 4 de fevereiro de 2026 |
Arquitetura | MoE, 753B total / 40B ativo | Dense (undisclosed) |
Licença | MIT (open-weight) | Proprietary |
Janela de contexto | 1M tokens | 1M tokens |
Saída máxima | 128K tokens | 128K (300K via batch) |
Entrada de imagem | Não | Sim |
Modos de raciocínio | 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 (with tools) | 54.7% | 53.0% |
GPQA Diamond | 89–91.2% | 84.0% |
BigLaw Bench | Não reportado | 90.2% |
Índice de Inteligência | 51 (mais alto open-weight) | ~44 (máximo esforço) |
Preço de entrada | $0.95/M (DeepInfra) | $5.00/M |
Preço de saída | $3.00/M (DeepInfra) | $25.00/M |
Mais barato disponível | $0.77/$2.42 (OpenRouter) | $5.00/$25.00 |
Velocidade | ~197 tokens/sec | ~46 tokens/sec |
Hospedável localmente | Sim (MIT) | Não |
Observação sobre SWE-bench Pro para Opus 4.6: as pontuações variam de 47,1% (Scale private) a 53,4% (Anthropic scaffold), dependendo da configuração de avaliação. As versões do Terminal-Bench também diferem (v2.0 vs v2.1), então a comparação direta é imperfeita.
Onde o GLM 5.2 se destaca
Codificação. SWE-bench Pro 62,1% vs 51,9–53,4% do Opus 4.6. Terminal-Bench 81,0% vs 65,4% (versões diferentes, mas a diferença é grande). O GLM 5.2 é o modelo open-weight mais forte em todos os principais benchmarks de codificação.
Ciência. GPQA Diamond 89–91.2% vs 84.0%. A pontuação informada pelo fornecedor (91.2%) vs a avaliação independente (~89%) mostra alguma variação, mas o GLM 5.2 lidera em ambos.
Cibersegurança. O benchmark de IDOR da Semgrep: o GLM 5.2 obteve 39% de F1 com um prompt básico, superando o Claude Code (no Opus 4.6) com 37% de F1. Custo: ~US$0,17 por vulnerabilidade encontrada. Um único benchmark, uma única classe de vulnerabilidade — mas um modelo de pesos abertos superando um agente de ponta em uma tarefa de segurança que exige muito raciocínio é notável.
Velocidade. ~197 tokens/sec vs ~46 tokens/sec. Cerca de 4x mais rápido.
Preço. Saída de $3/M vs $25/M — 8,3x mais barato por token.
Onde o Opus 4.6 se destaca
Raciocínio jurídico. BigLaw Bench 90,2%, a maior entre todos os modelos Claude, 40% de pontuações perfeitas. O GLM 5.2 não tem um benchmark jurídico comparável relatado.
Agregue o trabalho de conhecimento. Apesar da pontuação mais alta do GLM 5.2 no GPQA Diamond, o Opus 4.6 lidera no GDPval-AA (trabalho de conhecimento profissional) com uma lacuna agregada de conhecimento de 76,2 contra 67,2. O padrão: o GLM 5.2 lida bem com perguntas difíceis de ciência, mas o Opus 4.6 é mais forte na amplitude das tarefas de conhecimento profissional.
Entrada multimodal. Opus 4.6 aceita imagens. GLM 5.2 é apenas texto.
Ecossistema. Claude Code, Anthropic API, Bedrock, Vertex AI — ferramentas maduras para uso de ferramentas, saídas estruturadas e a API de compactação. O GLM 5.2 tem mais de 6 provedores, mas menos integrações de nível de produção.
Controle de esforço. Quatro níveis (baixo–máximo) vs dois (alto, máximo). Granularidade mais fina para otimização de custo em tarefas simples.
O problema da verbosidade de tokens
O GLM 5.2 consome ~43.000 tokens de saída por tarefa em avaliações de codificação. O MiniMax M3 usa ~24.000; o Kimi K2.6 ~35.000.
Modelo | Tokens/tarefa | $/M saída | Custo/tarefa |
|---|---|---|---|
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 |
Por tarefa, o GLM 5.2 é ~6x mais barato que o Opus 4.6 — não os 8x que a precificação por token sugere. Ainda assim, é uma grande diferença, mas faça benchmark nas suas próprias cargas de trabalho e meça o consumo total de tokens.
O fator de pesos abertos
Hospedagem própria. 40B de parâmetros ativos (MoE) tornam a inferência mais viável do que um modelo denso de 753B. Compatível com vLLM, SGLang e frameworks padrão.
Privacidade de dados. A hospedagem própria mantém os dados fora dos servidores de terceiros. Para setores regulamentados, isso pode ser mais importante do que qualquer benchmark.
Ajuste fino. Pesos abertos permitem adaptação de domínio. O Opus 4.6 é uma caixa-preta.
Sem lock-in. 6+ provedores mais auto-hospedagem. Sem dependência do preço ou da política de um único fornecedor.
Para equipes que estão explorando modelos de programação de código aberto, o GLM 5.2 representa um salto significativo de capacidade.
A Data de Expiração
Opus 4.6 foi lançado em fevereiro de 2026. Opus 4.8 (Índice de Inteligência 56) e Sonnet 5 (equivale ao Opus 4.6, preço mais baixo) já chegaram.
Por que comparar o GLM 5.2 com o Opus 4.6 então?
Opus 4.6 ainda impulsiona muitas configurações do Claude Code e sistemas de produção
O contraste entre preço e desempenho é mais acentuado neste nível — o GLM 5.2 desafia com credibilidade o Opus 4.6 por 1/8 do custo
Em relação ao Opus 4.8, o GLM 5.2 compete em programação, mas fica atrás em amplitude
Árvore de Decisão
1. Precisa de entrada de imagem? → Opus 4.6+. GLM 5.2 é somente texto.
2. Privacidade de dados ou hospedagem própria necessária? → GLM 5.2. A única opção que você pode executar no seu próprio hardware.
3. A carga de trabalho principal é codificação/agentic? → GLM 5.2 — competitivo ou melhor, 6–8x mais barato.
4. A carga de trabalho principal é jurídica ou um trabalho amplo de conhecimento? → Opus 4.6+. A lacuna agregada de conhecimento é consistente.
5. Limitado por custos em escala? → Comece com GLM 5.2, direcione os casos difíceis para Opus. Agregadores de API tornam o roteamento híbrido fácil.
6. Sem uma restrição forte? → GLM 5.2 padrão. A diferença de preço de 8x o torna o ponto de partida racional.
Perguntas Frequentes
O GLM 5.2 é realmente tão bom quanto o Claude Opus 4.6?
Em programação (SWE-bench Pro: 62,1% vs ~52%) e raciocínio científico (GPQA Diamond: ~90% vs 84%), o GLM 5.2 lidera. Em trabalho de conhecimento profissional agregado, o Opus 4.6 é mais forte. Índice de Inteligência: GLM 5.2 em 51, Opus 4.6 em ~44.
Quão mais barato é o GLM 5.2?
8,3x por token ($3 vs $25/M de saída). ~6x por tarefa após considerar a maior verbosidade de tokens do GLM 5.2.
Posso hospedar o GLM 5.2 por conta própria?
Sim — licença MIT, 40B de parâmetros ativos (MoE), suporta vLLM/SGLang/xLLM/ktrans. Requer recursos significativos de GPU, mas é muito mais prático do que servir um modelo denso de tamanho total comparável.
O GLM 5.2 oferece suporte a imagens?
Não, apenas texto. O Opus 4.6 lida com texto e imagens.
Por que não comparar com o Opus 4.8?
Opus 4.8 (Índice de Inteligência 56) é o mais recente, mas Opus 4.6 continua amplamente implantado. GLM 5.2 desafia de forma plausível a geração 4.6; contra o 4.8, ele compete em programação, mas fica atrás em abrangência.
O GLM 5.2 é o melhor modelo de código aberto?
Para programação, sim — melhor modelo de peso aberto em SWE-bench Pro, Terminal-Bench e FrontierSWE. Índice de Inteligência 51, o mais alto entre os modelos de peso aberto (mediana: 25).
Quão rápido é o GLM 5.2 em comparação com o Opus 4.6?
~4x mais rápido. 197 tokens/seg vs 46 tokens/seg. TTFT: 1,37s vs 1,87s.
Devo trocar do Opus 4.6 para o GLM 5.2?
Para tarefas de codificação/agênticas em escala, avalie com seriedade. Meça a qualidade e o consumo total de tokens nas suas tarefas. Para trabalhos com muito conhecimento ou multimodais, continue no Opus ou considere Sonnet 5 como uma opção mais barata da Anthropic.
Onde posso acessar o GLM 5.2?
DeepInfra ($0.95/$3.00), Z.ai ($1.40/$4.40), OpenRouter ($0.77/$2.42), Fireworks, FriendliAI, Novita, Together. Auto-hospede via HuggingFace. Para preços entre modelos, veja nosso guia de preços do GPT-5.6.