Skip to content
Go To Agency
Dziennik

AI & Tech · 20 czerwca 2026 · zaktualizowano 17 października 2026 · 6 min czytania

GLM-5.2: model z otwartymi wagami od Z.ai, jego cena, benchmarki i następca

W czerwcu 2026 roku Zhipu AI (Z.ai) wydała GLM-5.2: model z otwartymi wagami na licencji MIT, z kontekstem miliona tokenów, uznany przez Artificial Analysis za najlepszy model otwarty i czwarty w ogólnym rankingu. Cztery miesiące później zastąpił go GLM-5.3, w tej samej cenie. Parametry, cena, benchmarki producenta, self-hosting, governance i to, kiedy GLM-5.2 nadal ma sens.

W skrócie

  • Wydany przez Zhipu AI (Z.ai) 13 czerwca 2026 dla płacących użytkowników i jako otwarte wagi 16 czerwca, GLM-5.2 to model Mixture-of-Experts na licencji MIT (753 mld parametrów, około 40 mld aktywnych) z kontekstem miliona tokenów.
  • W czerwcu Artificial Analysis uznał go za najlepszy model otwarty i czwarty w ogólnym rankingu. 17 października 2026, w indeksie v4.3.2, ma 34 punkty i jest oznaczony jako przestarzały; GLM-5.3 ma 45.
  • Cena w API Z.ai: 1,40 dolara za wejście, 0,26 z pamięci podręcznej, 4,40 za wyjście na milion tokenów. GLM-5.3 kosztuje dokładnie tyle samo. GLM-5.2 zużywa dużo: 180 mln tokenów wyjściowych na indeks Artificial Analysis.
  • Licencja MIT pozwala na self-hosting, dostrajanie i użycie komercyjne; GLM-5.3 ma własną licencję z przeglądem bezpieczeństwa powyżej 10 mld dolarów przychodu.
  • Zhipu jest na amerykańskiej Entity List od 16 stycznia 2025: dla danych wrażliwych hostuj sam albo wybierz sprawdzonego dostawcę.

Co kilka miesięcy chiński model z otwartymi wagami wywraca dyskusję. Zrobił to DeepSeek, zrobił Qwen, a w czerwcu 2026 roku zrobiła to Zhipu AI, firma stojąca za marką Z.ai, wypuszczając GLM-5.2: model Mixture-of-Experts na licencji MIT, z kontekstem miliona tokenów, który niezależny serwis Artificial Analysis w chwili premiery uznał za najlepszy model otwarty i czwarty w ogólnym rankingu.

Cztery miesiące później obraz jest inny. W sierpniu Z.ai wydała GLM-5.3, zbudowany na tym samym modelu bazowym, a Artificial Analysis oznacza dziś GLM-5.2 jako przestarzały. Ten artykuł ukazał się 20 czerwca 2026 roku i został poprawiony 17 października 2026 roku: zachowuje to, czym jest GLM-5.2 i ile kosztuje, poprawia to, co się zestarzało, i mówi, kiedy nadal ma sens. Każda liczba ma źródło i datę.

GLM-5.2 w jednej tabeli

GLM-5.2 to rzadki model Mixture-of-Experts (MoE): większość parametrów pozostaje nieaktywna przy danym tokenie, dlatego model tej wielkości da się uruchamiać po rozsądnym koszcie.

CechaGLM-5.2Źródło
PremieraPłacący użytkownicy od 13 czerwca 2026, otwarte wagi 16 czerwca 2026Let's Data Science; Artificial Analysis
Parametry753 mld w opublikowanych wagach, około 40 mld aktywnych na tokenKarta modelu na Hugging Face; Let's Data Science (18 czerwca 2026) dla liczby aktywnych
Kontekst1 milion tokenówKarta modelu
ArchitekturaMoE z rzadką uwagą; „IndexShare” używa jednego indeksera dla każdej grupy czterech warstw uwagi, co według Z.ai zmniejsza obliczenia na token 2,9 raza przy kontekście 1MKarta modelu
ModalnośćTekst (wymienione angielski i chiński)Karta modelu
LicencjaMIT, bez ograniczeń regionalnychKarta modelu
UruchamianieSGLang, vLLM, Transformers, KTransformers, układy Ascend, wersje skwantyzowane dla llama.cpp, Ollama i LM StudioKarta modelu

Benchmarki: najlepszy otwarty model w czerwcu, potem wyprzedzony

Najbardziej wiarygodny sygnał przy premierze pochodził od strony trzeciej. W czerwcu 2026 roku Artificial Analysis umieścił GLM-5.2 na pierwszym miejscu wśród modeli z otwartymi wagami i na czwartym w ogólnym rankingu, za trzema modelami zamkniętymi: Claude Fable 5, Claude Opus 4.8 i GPT-5.5 (Let's Data Science, czerwiec 2026).

Ta pozycja się nie utrzymała, z dwóch powodów: Artificial Analysis przeszedł na nową wersję indeksu, a Z.ai wydała następcę. 17 października 2026 roku Artificial Analysis daje GLM-5.2 (wersja z rozumowaniem) wynik 34 w Intelligence Index v4.3.2, oznacza model jako przestarzały i poleca GLM-5.3, który uzyskuje 45 w tym samym indeksie.

W pojedynczych testach warto pamiętać o różnicy między tym, co podaje producent, a tym, co mierzą inni. Oto liczby samej Z.ai, z karty modelu:

Benchmark (podany przez Z.ai)GLM-5.2GLM-5.1Claude Opus 4.8GPT-5.5
SWE-bench Pro62,158,469,258,6
Terminal Bench 2.1 (Terminus-2)81,063,58584
GPQA-Diamond91,286,293,693,6
Humanity's Last Exam (tekst)40,53149,8 (pełny zbiór)41,4 (pełny zbiór)
Humanity's Last Exam, z narzędziami54,752,357,9 (pełny zbiór)52,2 (pełny zbiór)
Źródło: karta modelu GLM-5.2, odczyt 17 października 2026. Wyniki podane przez producenta; w HLE Opus 4.8 i GPT-5.5 mierzono na pełnym zbiorze, GLM na podzbiorze tekstowym.

Uczciwa lektura: według własnych liczb GLM-5.2 pokonywał GPT-5.5 w SWE-bench Pro i we wszystkich wierszach ustępował Opus 4.8. Przy decyzji zakupowej niezależny ranking waży więcej niż pojedynczy wynik podany przez producenta.

Cena i haczyk

Cennik API Z.ai (odczyt 17 października 2026) podaje dla GLM-5.2:

GLM-5.2 w API Z.aiZa milion tokenów
Wejście1,40 dolara
Wejście z pamięci podręcznej0,26 dolara (przechowywanie „przez ograniczony czas” bezpłatne)
Wyjście4,40 dolara

Przy premierze VentureBeat szacował koszt na około jedną szóstą kosztu GPT-5.5 w swoich testach programistycznych, co powtórzył Let's Data Science. Ta proporcja zależy od rodzaju zadań, więc traktuj ją jako rząd wielkości.

Haczykiem jest zużycie tokenów. GLM-5.2 dużo rozumuje: przejście Intelligence Index Artificial Analysis wymagało 180 milionów tokenów wyjściowych, a Artificial Analysis wylicza koszt 1,47 dolara na zadanie indeksu (strona odczytana 17 października 2026). Tani token nie oznacza automatycznie taniego zadania: planuj budżet według tego, co model faktycznie generuje, nie tylko według cennika.

Jeszcze jedna zmiana od czerwca: GLM-5.3 figuruje w tym samym cenniku w dokładnie tej samej cenie, 1,40 i 4,40 dolara. W API pozostanie przy GLM-5.2 nie daje już żadnej oszczędności.

Otwarte wagi to suwerenność, nie tylko oszczędność

Licencja liczy się bardziej niż cena. GLM-5.2 ukazał się na standardowej licencji MIT, według karty modelu bez ograniczeń regionalnych dla wag. Możesz pobrać wagi z Hugging Face, uruchomić je na własnym sprzęcie, dostroić i używać komercyjnie. To różnica między wynajmowaniem modelu a posiadaniem własnego stosu.

Self-hosting jest realny, ale nie trywialny. Przy 753 miliardach parametrów same wagi w FP8 ważą około 750 GB (jeden bajt na parametr), więc uruchomienie modelu wymaga serwera z wieloma GPU albo wersji skwantyzowanej, z utratą jakości, która się z tym wiąże. Większość zespołów zacznie od API i zostawi self-hosting na sytuacje, w których się opłaca: ścisła suwerenność danych, duży i przewidywalny wolumen albo dostrajanie na własnych danych.

Tu GLM-5.2 zachowuje też przewagę nad następcą. GLM-5.3 ukazał się na własnej „GLM-5.3 License”: powyżej 10 miliardów dolarów rocznych przychodów wymagany jest przegląd bezpieczeństwa przez Z.ai, według Gigazine (29 sierpnia 2026), a Artificial Analysis opisuje ją jako zezwalającą na użycie komercyjne z ograniczeniami. Dla większości firm to nic nie zmienia; dla dużej grupy czysta licencja MIT jest prostsza.

Haczyk: governance, zaufanie i Entity List

16 stycznia 2025 roku amerykańskie Bureau of Industry and Security dodało Beijing Zhipu Huazhang Technology i dziewięć powiązanych podmiotów Zhipu do Entity List, uzasadniając, że „wspierają modernizację wojskową Chińskiej Republiki Ludowej poprzez rozwój i integrację zaawansowanych badań nad sztuczną inteligencją” (Federal Register 2025-00704). Nikomu to nie zabrania pobierania wag na licencji MIT, ale to realny sygnał dla każdej organizacji oceniającej ryzyko dostawcy i twarde ograniczenie dla niektórych łańcuchów dostaw powiązanych z USA.

Na co dzień hostowane API działa przez firmę podlegającą prawu chińskiemu. Dla europejskiej firmy przetwarzającej dane klientów lub dane osobowe to pytanie o governance, i o RODO, na które trzeba odpowiedzieć, zanim wyśle się tam wrażliwe zapytania. Czysta odpowiedź to ta, na którą pozwala licencja MIT: uruchomić wagi we własnej infrastrukturze albo u dostawcy w jurysdykcji, którą akceptujesz, a hostowane API zostawić do zadań niewrażliwych.

Linia GLM w datach

  • 16 stycznia 2025: podmioty Zhipu na amerykańskiej Entity List.
  • GLM-5.1: poprzednik, kolumna porównawcza w karcie modelu GLM-5.2.
  • 13 i 16 czerwca 2026: GLM-5.2, najpierw dla płacących abonentów, potem jako otwarte wagi na MIT, z kontekstem miliona tokenów.
  • 14 sierpnia 2026: GLM-5.3 trafia do abonamentów i API Z.ai (Gigazine); jego karta mówi o tym samym modelu bazowym co GLM-5.2, a zyskach z post-treningu (Terminal Bench 2.1: 88,2 wobec 81,0, według producenta).
  • 29 sierpnia 2026: wagi GLM-5.3 opublikowane na Hugging Face i ModelScope, na GLM-5.3 License.

Nasza ocena: kiedy GLM-5.2 ma dziś sens

Poniżej nasza analiza.

  • W API przejdź na GLM-5.3. Ten sam model bazowy, ta sama cena, lepsze wyniki, zarówno w testach Z.ai, jak i w Artificial Analysis, który uznał GLM-5.2 za przestarzały.
  • Zostań przy GLM-5.2 tam, gdzie liczy się licencja MIT. Jeśli sam hostujesz, dostrajasz i redystrybuujesz albo twoja firma jest na tyle duża, że obejmuje ją warunek GLM-5.3 License, GLM-5.2 pozostaje najbardziej liberalną wersją tej rodziny.
  • Trzymaj wrażliwe dane z dala od hostowanego API. Hostuj sam albo korzystaj ze sprawdzonego dostawcy. To granica governance, nie jakości.
  • Nigdy nie uzależniaj produktu od jednego dostawcy modelu. W cztery miesiące ten model przeszedł od najlepszego otwartego do przestarzałego. Umieść każdy model za własnym interfejsem, tak by zmiana była kwestią konfiguracji. Tak budujemy nasze własne produkty.

O zamkniętym modelu z tego samego lata, jego cenach i zabezpieczeniach, piszemy w artykule o Claude Opus 5.

Częste pytania

Czym jest GLM-5.2?

Modelem wydanym w czerwcu 2026 roku przez Zhipu AI, chińskie laboratorium stojące za marką Z.ai: rzadki Mixture-of-Experts z 753 mld parametrów w opublikowanych wagach (około 40 mld aktywnych na token), z kontekstem miliona tokenów, tylko tekst, udostępniony jako otwarte wagi na licencji MIT 16 czerwca 2026 roku.

Czy GLM-5.2 to nadal najlepszy otwarty model?

Nie. W czerwcu 2026 roku był w Artificial Analysis najlepszym modelem z otwartymi wagami i czwartym ogółem. 17 października 2026 roku Artificial Analysis daje mu 34 punkty w Intelligence Index v4.3.2, oznacza go jako przestarzały i poleca GLM-5.3, który ma 45 punktów w tym samym indeksie.

Ile kosztuje GLM-5.2?

W API Z.ai: 1,40 dolara za milion tokenów wejściowych, 0,26 dolara za milion tokenów wejściowych z pamięci podręcznej i 4,40 dolara za milion tokenów wyjściowych (cennik odczytany 17 października 2026). Generuje dużo tokenów rozumowania, więc planuj budżet na zadanie, nie tylko na token. GLM-5.3 ma tę samą cenę.

Czy firma może sama hostować GLM-5.2?

Tak. Licencja MIT pozwala na użycie komercyjne, modyfikację i redystrybucję, a wagi są na Hugging Face. Karta modelu wymienia SGLang, vLLM, Transformers, KTransformers i wersje skwantyzowane dla llama.cpp, Ollama i LM Studio. W FP8 same wagi ważą około 750 GB: potrzebny jest serwer z wieloma GPU.

Czy można wysyłać wrażliwe dane do GLM-5.2?

Odróżnij wagi od hostowanego API. Wagi hostowane u siebie trzymają dane w twojej infrastrukturze. Hostowane API Z.ai prowadzi firma podlegająca prawu chińskiemu, a podmioty Zhipu są na amerykańskiej Entity List od 16 stycznia 2025 roku. Dla danych poufnych lub osobowych hostuj sam albo wybierz sprawdzonego dostawcę.

GLM-5.2 czy GLM-5.3?

W API GLM-5.3: ten sam model bazowy, ta sama cena, lepsze wyniki. GLM-5.2 zachowuje przewagę tam, gdzie liczy się czysta licencja MIT, na przykład w bardzo dużej firmie, bo GLM-5.3 License wymaga przeglądu bezpieczeństwa przez Z.ai powyżej 10 mld dolarów rocznych przychodów.

Czytaj dalej

  1. 28 lipca 2026Claude Opus 5 w praktyce: Opus z lipca 2026, cena jak Opus 4.8, i co zmienia Opus 5.5AI & Tech · 5 min czytania
  2. 12 października 2026Nowy kurs Go To Agency: nie sprzedajemy już usługGo To Agency · 6 min czytania
  3. 27 maja 2026Konwersja e-commerce w Polsce 2026: BLIK, Przelewy24, Klarna i najlepsze praktyki lokalnego checkoutuE-commerce · 11 min czytania

Twój projekt jest zdecydowany?

Przedstaw go na piśmie. Czytamy wszystko, a potem odpowiadamy.

Przedstaw projekt