GLM 5.2: Zhipus Open-Source-Modell mit 1-Millionen-Token-Kontext erklärt

Update, 28. Juli 2026: GLM 5.2 ist nicht mehr das stärkste Open-Weight-Modell. Kimi K3 veröffentlichte seine Gewichte am 27. Juli 2026 und übertrifft es im Artificial Analysis Intelligence Index mit 57 zu 51. GLM 5.2 behält einen echten Vorteil bei Lizenzierung und Hardware, und der Benchmark-Abschnitt unten wurde neu aufgesetzt.

GLM 5.2 erschien am 13. Juni 2026 mit drei Kernzahlen. Es ist ein 744-Milliarden-Parameter Mixture-of-Experts-Design mit einem 1-Millionen-Token-Kontextfenster, unter einer MIT-Lizenz, die die Gewichte für jedermann frei zum Herunterladen und Betreiben macht. Das chinesische KI-Labor Zhipu AI (das als Z.ai auftritt) veröffentlichte es als Frontier-Modell mit Coding-Fokus, und das Timing war nicht zufällig. Es erschien genau zwei Tage nachdem die USA Anthropic angewiesen hatten, den ausländischen Zugriff auf die Modelle Fable 5 und Mythos 5 zu sperren. Den größeren Zusammenhang findest du im Vergleich: wie GLM gegenüber anderen führenden Modellen wie Claude, GPT und Gemini abschneidet.

GLM 5.2 ist nicht mehr das bestplatzierte Open-Modell, aber nach wie vor die beste Wahl für die meisten. Unsere Übersicht der besten Open-Source-KI-Modelle setzt Kimi K3 inzwischen auf Platz eins bei der Rohleistung, während GLM 5.2 die praktische Wahl bleibt als das stärkste Modell mit einfacher MIT-Lizenz. Wenn du mit dem Thema noch nicht vertraut bist, erklärt unser Artikel was Open-Source-KI ist, wie offene Gewichte und Modelllizenzierung funktionieren. Unten findest du die technischen Daten, die Unterschiede zu GLM 5.1, Benchmarks gegen Konkurrenten wie ByteDances Seed 2.1 Pro und was der GLM Coding Plan wirklich kostet.

Die wichtigsten Punkte

• GLM 5.2 erschien am 13. Juni 2026 als 744B-Parameter-Mixture-of-Experts-Modell mit 40B aktiven Parametern pro Token.
• Das 1-Millionen-Token-Kontextfenster ist rund 5-mal größer als GLM 5.1s Limit von ~200.000 Tokens, mit einer Ausgabe von bis zu 131.072 Tokens.
• Es erscheint unter einer MIT-Lizenz mit offenen Gewichten, einer eigenständigen API und dem Z.ai-Chatbot, der eine Woche nach dem Launch folgte.
• Der GLM Coding Plan startet bei $18/Monat (Lite), Pro kostet $72/Monat, Max $160/Monat, und bei jährlicher Zahlung gibt es 20 % Rabatt.
• GLM 5.2 erzielt 62,1 auf SWE-bench Pro und 81,0 auf Terminal-Bench 2.1, damit vor GPT-5.5 und hinter Claude Opus 4.8, wobei Kimi K3 inzwischen die Führung unter Open-Weight-Modellen übernommen hat.

Was ist GLM 5.2?

GLM 5.2 ist das neueste Flaggschiff-Large-Language-Model von Zhipu AI, einem in Peking ansässigen Labor, das zu einem der aktivsten Herausgeber offener Modelle in China geworden ist. Es ist die neueste Veröffentlichung in Zhipus vollständiger GLM-Modellfamilie. Es baut auf der GLM-5-Basis auf und nutzt eine Mixture-of-Experts-Architektur mit 744 Milliarden Gesamtparametern, von denen für jeden Token nur 40 Milliarden aktiv sind. Dieses Design hält die Betriebskosten näher an einem 40B-Modell, greift aber auf das Wissen eines deutlich größeren zurück.

Die Veröffentlichung richtet sich klar an Entwickler. Zhipu positionierte GLM 5.2 rund um langfristiges Coding und agentische Aufgaben, also mehrstufige Abläufe, bei denen ein Modell Code über ein ganzes Projekt hinweg schreibt, ausführt und überarbeitet. Es verbindet sich mit gängigen Coding-Clients über einen Anthropic-kompatiblen Endpunkt, sodass Tools wie Claude Code, Cline, OpenCode und OpenClaw ohne ein proprietäres SDK darauf zugreifen können.

Eines änderte sich kurz nach dem Launch schnell. Zhipu veröffentlichte GLM 5.2 ohne Benchmark-Ergebnisse, wie in der Launch-Berichterstattung von MarkTechPost vermerkt, was frühe „schlägt GPT-5"-Behauptungen zu reinen Herstelleraussagen machte. Innerhalb weniger Tage füllten unabhängige Tester und die technische Karte des Unternehmens diese Lücke, und die Zahlen lagen deutlich über dem früheren GLM 5.1, das 58,4 auf SWE-bench Pro erzielte. Die vollständigen Ergebnisse findest du im Benchmark-Abschnitt unten.

GLM 5.2 vs. GLM 5.1: Was sich geändert hat

Der Sprung von GLM 5.1 (veröffentlicht am 7. April 2026) zu GLM 5.2 ist auf dem Papier inkrementell, aber in einer Dimension bedeutsam: dem Kontext. Das neue Modell verarbeitet fünfmal mehr Eingabe, was verändert, was du in einem einzigen Prompt einspeisen kannst. Hier der direkte Vergleich.

Die zwei Reasoning-Modi sind neu und praktisch nützlich. High eignet sich für alltägliche Generierungen, während Max die Einstellung ist, die Zhipu für komplexes, mehrstufiges Coding empfiehlt, da er Geschwindigkeit gegen tieferes Reasoning eintauscht. Die Parameteranzahl blieb zwischen den beiden Versionen gleich. Beide sind 744B gesamt mit 40B aktiv, daher sind die Inferenzkosten pro Token unverändert. Was Zhipu geändert hat, ist die Architektur drumherum. Die Modellkarte nennt IndexShare, das einen Indexer über je vier spärliche Aufmerksamkeitsschichten hinweg wiederverwendet und die FLOPs pro Token bei 1-Millionen-Token-Kontext um 2,9x reduziert. Außerdem wird eine verbesserte MTP-Schicht für spekulatives Decoding genannt, die die Akzeptanzlänge um bis zu 20 % erhöht.

GLM-5.2-Benchmarks: Wie es sich tatsächlich schlägt

Der Launch ließ eine Lücke, doch die Daten füllten sie schnell. Zhipus eigene technische Karte und unabhängige Tester zeigen, dass GLM 5.2 beim langfristigen Coding nahe an der geschlossenen Frontier liegt. In manchen Tests schrumpft der Abstand zu Claude Opus 4.8 auf etwa einen einzigen Punkt, wie in der Berichterstattung von The Decoder beschrieben. Dieses Bild hat sich seither zweimal verschoben. Claude Opus 5 löste Opus 4.8 am 24. Juli 2026 als Anthropics Flaggschiff ab und führt den Artificial Analysis Intelligence Index mit 61 an, und Kimi K3 übernahm die Open-Weight-Führung mit 57 gegenüber GLM 5.2s 51. Die Tabelle unten zeigt den Vergleich, den Zhipu tatsächlich veröffentlichte, gegen Opus 4.8 und GPT-5.5.

Das herausragende Ergebnis ist SWE-bench Pro, wo GLM 5.2 mit 62,1 den Wert von GPT-5.5 (58,6) und den eigenen Vorgänger (58,4) schlägt, dabei aber hinter Claude Opus 4.8 (69,2) bleibt. Auf Terminal-Bench 2.1 sprang es von GLM 5.1s 63,5 auf 81,0 im Terminus-2-Harness, und auf FrontierSWE liegt es knapp unter einem Punkt hinter Opus 4.8 und vor GPT-5.5. Die Wahl des Harness ist wichtiger als es klingt. Artificial Analysis, das Terminal-Bench 2.1 selbst betreibt, bewertet GLM 5.2 mit 77,9 gegenüber 85,0 für Kimi K3 und 84,6 für Opus 4.8, daher sollte jede einzelne Zahl immer mit dem dazugehörigen Harness gelesen werden. Außerdem erreicht es 99,2 % im AIME-2026-Mathetest. Zum Vergleich: Sakana AIs Fugu kommt auf 73,7 auf SWE-Bench Pro, indem es Aufgaben auf einen Pool von Modellen verteilt, statt als einzelnes Modell zu laufen.

Die Wirtschaftlichkeit ist die eigentliche Schlagzeile. GLM 5.2 erreicht bei diesen Coding-Marathons das Niveau von GPT-5.5 oder übertrifft es für rund ein Sechstel der Kosten. Das macht es von einer günstigen Alternative zu einem ernsthaften Konkurrenten. Ein Vorbehalt kommt von der unabhängigen Plattform Artificial Analysis, die feststellte, dass das Modell für diese Ergebnisse deutlich mehr Tokens verbraucht als Konkurrenten, was es zu einer der token-ineffizienteren Optionen in seiner Klasse macht. Zhipu berechnet diesen Appetit direkt ein. Im Coding Plan wird GLM-5.2-Nutzung während der Spitzenstunden mit 3x und außerhalb der Spitzenstunden mit 2x abgezogen, wobei ein zeitlich begrenzter 1x-Tarif außerhalb der Spitzenstunden bis Ende September gilt. Bei schwierigen Einzeldurchlauf-Reasoning-Tests wie Humanity's Last Exam liegt es noch mehrere Punkte hinter Opus 4.8 und Gemini 3.1 Pro, daher ist dies in erster Linie ein Spezialist für Coding und agentische Aufgaben.

Warum das 1-Millionen-Token-Kontextfenster wichtig ist

Ein 1-Millionen-Token-Kontextfenster bedeutet, dass GLM 5.2 rund 750.000 Wörter Eingabe auf einmal verarbeiten kann. In der Praxis kannst du eine ganze mittelgroße Codebasis, eine vollständige API-Dokumentation oder ein umfangreiches Forschungskorpus einfügen und das Modell über alles davon nachdenken lassen, ohne es aufzuteilen. Das Modell trägt das Kürzel glm-5.2[1m] als Hinweis auf das erweiterte Fenster, und Z.ai beschreibt die Kapazität als „nutzbar" statt als Marketing-Obergrenze.

Beim Coding konkret ist das der Unterschied zwischen dem Einspeisen einer einzelnen Datei und dem einer ganzen Repository. Agentische Tools, die bisher Teile eines Projekts zusammenfassen oder abrufen mussten, können jetzt deutlich mehr im Arbeitsgedächtnis halten. Das reduziert Fehler, die entstehen, wenn ein Modell Code verliert, den es nicht mehr sieht. Diese Langkontext-Stärke ist auch der Grund, warum offene Modelle für das Ausführen auf einem Mac bei Entwicklern beliebt geworden sind, die lokale Kontrolle bevorzugen.

GLM 5.2 und der Exportkontroll-Hintergrund

Das Erscheinungsdatum ist bedeutsam. In den Tagen kurz vor der GLM-5.2-Ankündigung forderte der US-Handelsminister Anthropic auf, den ausländischen Zugriff auf Fable 5 und Mythos 5 innerhalb von 48 Stunden im Rahmen einer neuen Exportkontrollrichtlinie zu sperren. Anthropic deaktivierte beide Modelle weltweit binnen Stunden, und den vollständigen Zeitablauf findest du in unserer Berichterstattung über die Fable-5-Abschaltung.

Zhipu positionierte GLM 5.2 als direktes Gegengewicht. Indem das Unternehmen ein Frontier-Modell unter einer MIT-Lizenz ohne regionale Einschränkungen veröffentlichte, präsentierte es offene Gewichte als Versicherung gegen die Kontrolle grundlegender KI durch eine einzelne Nation oder einen einzelnen Anbieter. Investoren reagierten schnell, und Zhipus Aktie stieg nach der Open-Source-Ankündigung, wie die South China Morning Post berichtete. Es ist Teil einer breiteren Welle chinesischer Open-Source-Veröffentlichungen, zu der die Qwen-Familie und DeepSeek V4 gehören.

GLM-5.2-Preise und Verfügbarkeit

GLM 5.2 war sofort in allen GLM Coding Plan-Stufen verfügbar, mit der eigenständigen API, dem Z.ai-Chatbot und den herunterladbaren MIT-Gewichten, die alle in der Woche nach dem Launch erschienen. Der Coding Plan ist ein Abonnement, das über denselben Anthropic-kompatiblen Endpunkt läuft, monatlich abgerechnet, wobei jährliche Zahlung 20 % auf jede Stufe spart. Jede Stufe wird in Prompts gemessen, mit einem rollierenden 5-Stunden-Fenster und einem wöchentlichen Limit.

GLM Coding Plan Lite ($18/Monat)

Die Einstiegsstufe kostet $18/Monat oder $172.80 im Jahr, was $14.40/Monat entspricht. Sie umfasst rund 80 Prompts alle 5 Stunden und etwa 400 pro Woche, was für einzelne Entwickler mit moderatem Coding-Bedarf passt. Es ist der günstigste Einstieg, um GLM 5.2 in einem Tool wie Claude Code auszuprobieren.

GLM Coding Plan Pro ($72/Monat)

Pro kostet $72/Monat oder $691.20 im Jahr für $57.60/Monat und erhöht das Limit auf rund 400 Prompts alle 5 Stunden und 2.000 pro Woche. Es richtet sich an Power-User, die täglich Multi-Datei-Refactorings und agentische Aufgaben durchführen.

GLM Coding Plan Max ($160/Monat)

Max kostet $160/Monat oder $1,536 im Jahr für $128/Monat und erlaubt rund 1.600 Prompts alle 5 Stunden und 8.000 pro Woche, für Entwickler, die ganztags einen Agenten laufen lassen. Team-Preise werden pro Sitz für Organisationen berechnet. Einen Vergleich mit einem anderen chinesischen Open-Weight-Modell bietet unsere Übersicht zu Rio 3.5 Open.

Solltest du GLM 5.2 nutzen?

Wenn du Code schreibst und ein Langkontext-Modell suchst, das du selbst betreiben kannst, ist GLM 5.2 das stärkste offen verfügbare Modell mit einer einfachen MIT-Lizenz, die die üblichen Einschränkungen für kommerzielle Nutzung aufhebt. Sein Nachfolger GLM 5.3 ist der bessere Coder, hat aber noch keine öffentlichen Gewichte, daher bleibt GLM 5.2 das stärkste GLM, das du tatsächlich selbst hosten kannst. Kimi K3 erzielt höhere Werte, liefert aber unter einer eigenen Moonshot-Lizenz und wiegt 1,56 TB zum Download gegenüber GLM 5.2s 1,51 TB. Das 1M-Token-Kontextfenster ist ein echter Vorteil für Arbeit auf Repository-Ebene, und der Anthropic-kompatible Endpunkt bedeutet, dass du es mit minimalem Aufwand in bestehende Tools einbinden kannst.

Die Benchmarks haben die Leistungsfrage beantwortet, daher drehen sich die eigentlichen Überlegungen jetzt um Kostenstruktur und Datenzuständigkeit. GLM 5.2 ist token-hungrig, was bedeutet, dass intensiver agentischer Einsatz die Nutzung schneller in die Höhe treiben kann, als der Listenpreis vermuten lässt. Und während die offenen Gewichte ein vollständig privates Self-Hosting ermöglichen, sendet die Nutzung über die gehostete Z.ai-API deinen Code an Server, die chinesischen Datenschutzregeln unterliegen. Das ist ein Kompromiss, den es bei sensiblen oder proprietären Arbeiten abzuwägen gilt. Wenn du Modelle lieber nicht selbst verwalten möchtest, bietet die App Fello AI Claude, ChatGPT, Gemini, Grok und DeepSeek über ein einziges $9.99/Monat-Abonnement. Du kannst Ergebnisse vergleichen, ohne separate Accounts oder API-Keys zu verwalten. GLM 5.2 selbst wurde mit dem Fello AI 6.7.0 Update in die App aufgenommen.

Fazit

GLM 5.2 ist ein klares Statement: ein Frontier-Modell mit 1M-Kontext und MIT-Lizenz, das wenige Tage nach einer massiven US-Exportbeschränkung veröffentlicht wurde. Und anders als beim Launch stützen die Zahlen jetzt die Aussage. Es schlägt GPT-5.5 auf SWE-bench Pro und kommt bei langfristigen Aufgaben auf knapp unter einen Punkt hinter Claude Opus 4.8, alles für rund ein Sechstel der Kosten. Was sich seither geändert hat, ist die Konkurrenz: Kimi K3 führt jetzt die Open-Weight-Ranglisten an, und Claude Opus 5 hat Opus 4.8 auf der Closed-Source-Seite abgelöst. Die verbleibenden Vorbehalte sind der hohe Token-Verbrauch und die Datenschutzfrage rund um die gehostete API. Wer es jetzt ausprobieren möchte, findet den günstigsten Einstieg im $18/Monat GLM Coding Plan Lite über ein Tool wie Claude Code, wobei die offenen Gewichte jetzt auch für das Self-Hosting verfügbar sind. Zhipus nächste Veröffentlichung, GLM 5.5, wird noch im Jahr 2026 erwartet.

FAQ