GLM-5.2 Modell-Übersicht

GLM-5.2 ist das aktuelle Flaggschiff von Z.ai (ehemals Zhipu AI) und folgt auf GLM-5.1. Im Vergleich zum Vorgänger kann GLM-5.2 mit Kontextfenstern von bis zu 1 Mio. Token arbeiten und kombiniert dabei zwei verschiedene Thinking-Effort-Stufen (High und Max). Z.ai positioniert das Modell klar für Agentic Coding über ganze Repositories hinweg. Anwendungsgebiete sind z.B. Refactorings, die Quellcode, Tests und Konfiguration gemeinsam im Kontext halten. GLM-5.2 setzt sich an die Spitze der Open Weights Modelle und überholt laut namhaften Researchern wie Jeremy Howard teilweise sogar proprietäre Modelle wie Claude Opus 4.8 oder GPT-5.5.

Playground API Dokumentation Hugging Face

Features & Modalitäten

Nicht verfügbar

Multimodalität

Verfügbar

ReasoningToolsWebsucheStrukturierte AusgabenQuellenangabenFinetuning

Input:Text

Output:TextJson

Details zum Modell

1,05 Mio. Token

131,07k Token

1,40 $

4,40 $

753 Mrd.

1403,19 GB

154,88k

Kosten berechnen Geschwindigkeit testen

GLM-5.2 Benchmark Scores

Stärken

TopLogik & Schlussfolgerung

GLM-5.2 Benchmark Übersicht

GLM-5.2 Performance im Vergleich zu anderen KI-Modellen

Benchmark	GLM-5.2	GLM-5.1	Claude Fable 5	Fugu Ultra	Muse Glimmer 30B	Muse Spark 1.2	Qwen 3.8 Max
AIME 2026Logik & Schlussfolgerung	99,2 %	95,3 %	—	—	94,7 %	—	—
GPQA DiamondWissen & Sprache	91,2 %	86,2 %	93,2 %	95,5 %	83,5 %	90,4 %	92,6 %
HMMT 2025Logik & Schlussfolgerung	94,4 %	94 %	—	—	—	—	—
Humanity's Last ExamWissen & Sprache	40,5 %	31 %	—	50 %	22 %	43,9 %	43,6 %
MCP-AtlasAgentische Aufgaben	76,8 %	71,8 %	83,3 %	—	75,5 %	—	—
SWE-bench ProProgrammierung	62,1 %	58,4 %	80 %	73,7 %	51,2 %	—	67,7 %
Terminal-Bench 2.1Programmierung	82,7 %	—	84,3 %	82,1 %	51,7 %	82,9 %	86,6 %

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark AIME 2026. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GLM-5.2	99,2 %
Inkling	97,1 %
Kimi K2.6	96,4 %
Inkling-Small	95,5 %
GLM-5.1	95,3 %
Muse Glimmer 30B	94,7 %
Gemma 4 31B	89,2 %

Vergleich von LLMs im Benchmark AIME 2026. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Fugu Ultra	95,5 %
GPT-5.6 Sol	94,6 %
Claude Opus 4.8	93,6 %
Kimi K3	93,5 %
Claude Opus 5	93,43 %
Claude Fable 5	93,18 %
Grok 4.5	93,1 %
GPT-5.6 Terra	92,9 %
Gemini 3.6 Flash	92,8 %
Qwen 3.8 Max	92,6 %
GPT-5.6 Luna	92,3 %
GLM-5.2	91,2 %
DeepSeek V4 Flash 0731	90,8 %
Muse Spark 1.2	90,4 %
DeepSeek-V4-Pro (Preview)	90,1 %
Inkling-Small	89,5 %
DeepSeek V4 Flash	88,1 %
Inkling	87,2 %
Gemini 3.5 Flash-Lite	83,8 %
Muse Glimmer 30B	83,5 %

Vergleich von LLMs im Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark HMMT 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GLM-5.2	94,4 %
GLM-5.1	94 %
Kimi K2.6	92,7 %

Vergleich von LLMs im Benchmark HMMT 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	56,3 %
Muse Spark 1.1	52,2 %
Fugu Ultra	50 %
Claude Opus 4.8	49,8 %
GPT-5.6 Sol	47,2 %
Muse Spark 1.2	43,93 %
Qwen 3.8 Max	43,6 %
Kimi K3	43,5 %
Claude Sonnet 5	43,2 %
GPT-5.6 Terra	41,8 %
GLM-5.2	40,5 %
Grok 4.5	40,3 %
Gemini 3.5 Flash	40,2 %
Gemini 3.6 Flash	38,3 %
DeepSeek-V4-Pro (Preview)	37,7 %
DeepSeek V4 Flash 0731	36,8 %
Inkling-Small	31,6 %
Inkling	29,7 %
Muse Glimmer 30B	22 %
Gemini 3.5 Flash-Lite	17,5 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MCP-Atlas. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Muse Spark 1.1	88,1 %
Claude Opus 5	85,8 %
Kimi K3	84,2 %
Gemini 3.5 Flash	83,6 %
Claude Fable 5	83,3 %
Claude Opus 4.8	82,2 %
Inkling-Small	79,2 %
Claude Opus 4.7	77,3 %
GLM-5.2	76,8 %
Muse Glimmer 30B	75,5 %
GPT-5.5	75,3 %
MiniMax-M3	74,2 %
Inkling	74,1 %
DeepSeek-V4-Pro (Preview)	73,6 %
GLM-5.1	71,8 %
DeepSeek V4 Flash	69 %
MiniMax M2.7	49,4 %

Vergleich von LLMs im Benchmark MCP-Atlas. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	80 %
Claude Opus 5	79,2 %
Fugu Ultra	73,7 %
Claude Opus 4.8	69,2 %
Qwen 3.8 Max	67,7 %
Grok 4.5	64,7 %
GPT-5.6 Sol	64,6 %
GPT-5.6 Terra	63,4 %
Claude Sonnet 5	63,2 %
GPT-5.6 Luna	62,7 %
GLM-5.2	62,1 %
Muse Spark 1.1	61,5 %
Laguna S 2.1	59,4 %
MiniMax-M3	59 %
Gemini 3.6 Flash	58,7 %
Inkling-Small	55,9 %
Gemini 3.5 Flash	55,1 %
Inkling	54,3 %
Gemini 3.5 Flash-Lite	54,2 %
Muse Glimmer 30B	51,2 %

Vergleich von LLMs im Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	88,8 %
Kimi K3	88,3 %
GPT-5.6 Terra	87,4 %
Qwen 3.8 Max	86,6 %
GPT-5.6 Luna	84,7 %
Claude Opus 5	84,64 %
Claude Fable 5	84,3 %
Grok 4.5	83,3 %
Muse Spark 1.2	82,9 %
DeepSeek V4 Flash 0731	82,7 %
GLM-5.2	82,7 %
Fugu Ultra	82,1 %
Claude Sonnet 5	80,4 %
Muse Spark 1.1	80 %
Gemini 3.6 Flash	78 %
Laguna S 2.1	70,2 %
Inkling-Small	64,7 %
Inkling	63,8 %
Gemini 3.5 Flash-Lite	54 %
Muse Glimmer 30B	51,7 %

Vergleich von LLMs im Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	MoE-Transformer
Input Kontextlänge	1,05 Mio.
Output Kontextlänge	131,07k
Tokenizer	Proprietärer GLM-Tokenizer

Besonderheiten

Großes Kontextfenster	Bis zu 1 Mio. Token Kontextfenster, 5x von GLM-5.1
Anthropic-kompatibler Endpoint	Lässt sich über einen Anthropic-kompatiblen Endpoint und das Model Context Protocol (MCP) in bestehende Agent-Workflows einbinden.
Context Caching	Implizites Caching senkt die Kosten wiederkehrender Kontexte in langen Konversationen.

Vorteile & Nachteile

Vorteile

Großes 1 Mio. Token-Kontextfenster
Mit 1 Mio. Token fasst GLM-5.2 das Fünffache von GLM-5.1 (200K) und kann ein mittelgroßes Repository inklusive Tests und Verlauf in einer Session halten, statt ständig zusammenzufassen.
Deutlich günstiger als westliche Frontier-Modelle
Mit $1,40 / $4,40 pro 1 Mio. Input-/Output-Token und Cached Input für $0,26/M liegt GLM-5.2 deutlich unter vergleichbaren Modellen. Der GLM Coding Plan startet bei $18/Monat.
Offene Gewichte unter MIT-Lizenz
Die Weights von GLM-5.2 sind frei unter der MIZ-Lizenz (kommerziell) nutzbar und lokal deploybar, insofern man die notwendige Hardware aufbringen kann.
Breite Agentic-Coding-Integration
Über einen Anthropic-kompatiblen Endpoint und MCP arbeitet GLM-5.2 direkt mit Claude Code, Cline, OpenCode, Roo Code, Kilo Code, Crush und Goose zusammen.

Nachteile

Nur Text, keine Bildverarbeitung
GLM-5.2 verarbeitet ausschließlich Text. Für Vision-Aufgaben verweist Z.ai auf separate Modelle wie GLM-5V-Turbo, was der Haupt-Nachteil von GLM-5.2 ist.

Vergleiche GLM-5.2 mit anderen LLMs

Vergleiche GLM-5.2 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Intelligence-Index ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
Z.ai	GLM 5.2	MIT	–	1,05 Mio.	131,07k	1,40 $	4,40 $	16.06.2026
Meta AI	Muse Glimmer 30B	Apache 2.0	35,1	131,07k	131,07k	0,35 $	1,50 $	10.08.2026
Meta AI	Muse Spark 1.2	Proprietär	54,1	1,05 Mio.	1,05 Mio.	1,25 $	4,25 $	05.08.2026
Alibaba	Qwen 3.8 Max	Proprietär	–	1 Mio.	128k	2,00 $	6,00 $	02.08.2026
DeepSeek AI	DeepSeek V4 Flash	MIT	49,9	1 Mio.	384k	0,14 $	0,28 $	31.07.2026
Thinking Machines Lab	Inkling Small	Apache 2.0	40	1 Mio.	1 Mio.	0,50 $	1,20 $	30.07.2026
Anthropic	Claude Opus 5	Proprietär	61	1 Mio.	128k	5,00 $	25,00 $	24.07.2026
Google DeepMind	Gemini 3.5 Flash Lite	Proprietär	36,5	1 Mio.	65,54k	0,30 $	2,50 $	21.07.2026
Google DeepMind	Gemini 3.6 Flash	Proprietär	50,1	1 Mio.	64k	1,50 $	7,50 $	21.07.2026
Poolside	Laguna S 2.1	Open Model License	–	1,05 Mio.	131,07k	0,10 $	0,20 $	20.07.2026
Z.ai	GLM-5.1	MIT	–	202,75k	128k	1,40 $	4,40 $	07.04.2026

Inklusive Vorgänger GLM-5.1 — zusätzlich zu den 10 neuesten Modellen.

‌
Alle Modelle vergleichen

GLM-5.2 ausprobieren

Du musst kein Entwickler sein: GLM-5.2 ist auch direkt in GLM Coding Plan nutzbar.

GLM Coding Plan

18,00 $

Provider & APIs

Du kannst Z.ai GLM-5.2 über die API folgender Anbieter nutzen.

Zai
Token (in)
Unbekannt
Token (out)
Unbekannt
Latenz
Unbekannt
USD / 1M Input
1,40 $
USD / 1M Output
4,40 $
Throughput
Unbekannt

‌
‌
‌

Häufige Fragen zu GLM-5.2

Kann ich GLM-5.2 kostenlos nutzen?

Ja, GLM-5.2 ist in GLM Coding Plan auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.

Ist GLM-5.2 Open Source?

GLM-5.2 wird unter der Lizenz „MIT“ veröffentlicht. Details stehen in den Lizenzbedingungen des Anbieters.

Welche Eingabeformate versteht GLM-5.2?

GLM-5.2 verarbeitet folgende Eingabeformate: Text.

Was kostet GLM-5.2 über die API?

Über die API kostet GLM-5.2 1,40 $ pro 1 Mio. Input-Token und 4,40 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von GLM-5.2?

GLM-5.2 verarbeitet bis zu 1,05 Mio. Token in einer Anfrage.

Was ist der Vorgänger von GLM-5.2?

Der direkte Vorgänger von GLM-5.2 ist GLM-5.1 (erschienen April 2026). Einen tabellarischen Vergleich der beiden Modelle findest du auf dieser Seite im Abschnitt „Vergleiche“.

GLM-5.2 Modell-Übersicht

Features & Modalitäten

Details zum Modell