Auf die Schnelle

Zhipu AI hat GLM-5.2 am 13. Juni 2026 unter freier MIT-Lizenz veröffentlicht, ohne Nutzungs- oder Regionsbeschränkung. Das offene Modell erledigt Coding- und Automatisierungsaufgaben zu einem Bruchteil der Kosten großer US-Modelle. Über OpenRouter kostet es rund 1,40 US-Dollar je Million Eingabe-Token gegenüber 5 US-Dollar bei GPT-5.5 und Claude Opus. In den Ranglisten spielt es weit oben mit, bei anspruchsvollen Coding-Aufgaben liegt es knapp hinter dem Spitzenreiter. Für schmale Budgets macht dieser Preisabstand KI-Agenten überhaupt erst rechenbar.

GLM-5.2 kostet über OpenRouter rund 1,40 US-Dollar je Million Eingabe-Token und etwa 4,40 US-Dollar je Million Ausgabe-Token. Zum Vergleich: GPT-5.5 liegt bei 5 und 30, Claude Opus bei 5 und 25. Das chinesische Unternehmen Zhipu AI, auch als Z.ai bekannt, hat sein neues Modell am 13. Juni 2026 unter freier MIT-Lizenz veröffentlicht, ohne Nutzungs- oder Regionsbeschränkung. Frei herunterladbar, selbst hostbar, und in der Leistung nah an den teuren Marktführern.

Was GLM-5.2 ausmacht

Technisch ist GLM-5.2 ein Mixture-of-Experts-Modell mit 744 Milliarden Parametern insgesamt, von denen pro Anfrage rund 40 Milliarden aktiv werden. Diese Bauweise hält ein großes Modell bezahlbar im Betrieb, weil eben nicht der ganze Apparat für jede Antwort rechnet. Das Kontextfenster hat Zhipu auf eine Million Token vervierfacht. Damit passen umfangreiche Codebasen, lange Dokumentationen oder ganze Vorgangshistorien in einen einzigen Durchlauf.

Die 40 Milliarden aktiven Parameter sind der Grund, warum das Modell trotz seiner Gesamtgröße zügig und günstig antwortet. Es zündet für jede Anfrage nur den Teil, der gebraucht wird. Das drückt den Rechenaufwand und damit den Preis, den du am Ende auf der Abrechnung siehst.

GLM-5.2 ist die dritte Veröffentlichung in schneller Folge. Auf GLM-5 im Februar 2026 folgte GLM-5.1 im April, jetzt GLM-5.2 im Juni. Dieses Tempo zeigt, wie eng das Feld inzwischen getaktet ist.

Für dich als Anwender hat dieses Tempo zwei Seiten. Auf der einen steht rasch wachsende Qualität zu fallenden Preisen. Auf der anderen die Mühe, den Überblick zu behalten, welches Modell gerade für welche Aufgabe passt. Sich fest an einen einzelnen Anbieter zu binden wird dadurch riskanter, ein offenes Modell, das du bei Bedarf austauschen kannst, verlässlicher.

Der Preis ist das Argument

Rechne den Abstand einmal durch. Bei den Eingabe-Token kostet GLM-5.2 etwa ein Drittel von GPT-5.5 oder Claude Opus, bei den Ausgabe-Token liegt es sogar bei rund einem Sechstel bis Fünftel. Für einen einzelnen Chat fällt das kaum ins Gewicht. Sobald ein Prozess aber tausende Anfragen am Tag erzeugt, wird aus dem Faktor drei bis sechs ein spürbarer Posten auf der Rechnung.

Die genannten Preise stammen von OpenRouter, einem Marktplatz, über den sich viele Modelle vergleichbar abrufen lassen. Sie zeigen den Abstand zu den großen Anbietern schwarz auf weiß.

Ein Beispiel aus dem Büro. Ein Automatismus liest eingehende E-Mails, ordnet sie den richtigen Vorgängen zu und schlägt Antworten vor. Bei ein paar hundert Nachrichten am Tag, jede mit mehreren Modellaufrufen, macht der Preis pro Token den Unterschied zwischen einer Rechnung, die man kaum bemerkt, und einer, die den Chef stutzig werden lässt.

Weil das Modell offen ist und die MIT-Lizenz keine Region ausschließt, kannst du es zusätzlich bei einem europäischen Hoster oder auf eigener Hardware betreiben. Dann fallen laufende Token-Kosten ganz weg und werden gegen Rechenleistung getauscht, die du selbst kontrollierst.

Wo es bei der Leistung steht

Auf dem Artificial Analysis Intelligence Index in der Version 4.1 erreicht GLM-5.2 einen Wert von 51 und liegt damit vor Gemini 3.1 Pro Preview mit 46 und knapp vor Gemini 3.5 Flash mit 50. Bei den anspruchsvolleren Coding-Aufgaben auf SWE-bench Pro kommt es auf rund 62 Punkte und bleibt damit etwa 7 Punkte hinter Claude Opus 4.8, das dort bei gut 69 liegt.

SWE-bench Pro ist ein harter Test. Das Modell bekommt echte Programmieraufgaben aus Software-Projekten und muss funktionierenden Code liefern, der die hinterlegten Prüfungen besteht. Dass ein offenes Modell hier nah an den Marktführer heranrückt, sagt über den Alltag mehr aus als jeder Wert aus einem reinen Faktenquiz, denn beim Coding zeigt sich, ob ein Modell eine Aufgabe wirklich zu Ende bringt.

Diese Werte solltest du als Rangordnung verstehen, nicht als absolute Wahrheit, weil Benchmark-Ergebnisse je nach Testlauf und Auswertung schwanken. Das Muster bleibt aber deutlich. Ein offenes Modell zum Bruchteil des Preises landet in Reichweite der teuersten kommerziellen Systeme und schlägt bei einzelnen Aufgaben sogar aktuelle Google-Modelle.

Warum das KI-Agenten für kleine Budgets rechenbar macht

Ein KI-Agent, der eine Aufgabe selbstständig in mehreren Schritten abarbeitet, ruft das Modell für einen einzigen Durchlauf oft dutzende Male auf. Jeder Zwischenschritt, jede Korrekturschleife, jede Prüfung kostet Token. Bei teuren Modellen summiert sich das so schnell, dass ein an sich sinnvoller Automatismus am Ende teurer ist als die Handarbeit, die er ersetzen sollte.

Wir sehen bei unseren Teilnehmern regelmäßig, dass das erste Agenten-Projekt oft an der Kostenrechnung scheitert, kaum je an der Technik selbst. Ein Modell, das dieselbe Aufgabe zum Drittel- oder Fünftelpreis erledigt, verschiebt diese Schwelle spürbar. Vorhaben, die sich vorher nicht gelohnt haben, werden plötzlich wirtschaftlich. Für eine kleine Firma ist das oft der Unterschied zwischen einem Testballon, den man wieder abschaltet, und einer Automatisierung, die dauerhaft mitläuft. Der niedrige Preis ist hier kein netter Nebeneffekt, er entscheidet über die Frage, ob sich ein Projekt überhaupt trägt.

Freie Lizenz heißt mehr Kontrolle

Die MIT-Lizenz ohne Nutzungs- oder Regionsbeschränkung gibt dir eine Freiheit, die kommerzielle Anbieter so nicht bieten. Du darfst das Modell in eigene Produkte einbauen, es intern anpassen und ohne Rückfrage bei einem Hoster deiner Wahl betreiben. Für Firmen mit strengen Datenschutzanforderungen ist das ein starkes Argument, weil sensible Daten in der eigenen Umgebung bleiben, ähnlich wie beim ebenfalls offenen Kimi K3.

Umsonst ist der Selbstbetrieb trotzdem nicht. Wer selbst hostet, braucht Hardware, Wartung und jemanden, der sich damit auskennt. Der niedrige Token-Preis rechnet sich vor allem bei hohem Volumen, im kleinen Maßstab ist eine schlichte API oft der bequemere Start. Diese Abwägung solltest du vor dem ersten Projekt treffen, nicht danach.

Ein Wort zur Lizenz noch. MIT gehört zu den freizügigsten Lizenzen überhaupt. Sie erlaubt kommerzielle Nutzung, Veränderung und Weitergabe, ohne Gegenleistung und ohne dass du deinen eigenen Code offenlegen musst. Manche Modelle tragen zwar das Etikett offen, verbieten in ihren Bedingungen aber bestimmte Einsatzzwecke oder Regionen. Dass Zhipu darauf verzichtet, ist für die Planungssicherheit im Betrieb ein Punkt, den man leicht übersieht und später bereut.

Bei aller Begeisterung über den Preis bleibt eine Sache unverändert. Ein günstiges Modell ersetzt kein Verständnis dafür, was man damit tut. Wer einen Agenten baut, muss wissen, wo das System Fehler macht und wie man die Ergebnisse kontrolliert. Seit dem 2. Februar 2025 verlangt die KI-Kompetenzpflicht der EU-KI-Verordnung dieses Grundverständnis von allen, die KI im Betrieb einsetzen. Das gilt für ein teures US-Modell so wie für die günstige offene Alternative.

Quellen

Die genannten Angaben stützen sich auf folgende öffentlich zugängliche Quellen (Stand der Recherche: 21. Juli 2026):

Häufige Fragen

Was ist GLM-5.2?

GLM-5.2 ist ein offenes KI-Modell des chinesischen Unternehmens Zhipu AI, veröffentlicht am 13. Juni 2026 unter freier MIT-Lizenz. Es ist ein Mixture-of-Experts-Modell mit 744 Milliarden Parametern insgesamt und rund 40 Milliarden aktiven Parametern pro Anfrage. Das Kontextfenster wurde auf eine Million Token vervierfacht.

Wie viel günstiger ist GLM-5.2 als große US-Modelle?

Über OpenRouter kostet GLM-5.2 rund 1,40 US-Dollar je Million Eingabe-Token und etwa 4,40 US-Dollar je Million Ausgabe-Token. GPT-5.5 liegt bei 5 und 30, Claude Opus bei 5 und 25. Bei den Eingabe-Token ist es damit etwa ein Drittel so teuer, bei den Ausgabe-Token rund ein Sechstel bis Fünftel.

Wie schlägt sich GLM-5.2 in Benchmarks?

Auf dem Artificial Analysis Intelligence Index v4.1 erreicht GLM-5.2 einen Wert von 51 und liegt damit vor Gemini 3.1 Pro Preview und knapp vor Gemini 3.5 Flash. Bei anspruchsvollen Coding-Aufgaben auf SWE-bench Pro kommt es auf rund 62 Punkte und bleibt etwa 7 Punkte hinter Claude Opus 4.8. Solche Werte sind als Rangordnung zu verstehen, da Benchmark-Ergebnisse je nach Testlauf schwanken.

Warum ist ein günstiges Modell für KI-Agenten wichtig?

Ein KI-Agent ruft das Modell für eine einzige Aufgabe oft dutzende Male auf, sodass sich Token-Kosten schnell summieren. Bei teuren Modellen kann ein Automatismus dadurch am Ende teurer werden als die Handarbeit, die er ersetzen soll. Ein Modell zum Bruchteil des Preises verschiebt diese Schwelle und macht Projekte wirtschaftlich, die sich vorher nicht gelohnt hätten.

KI im Betrieb praktisch einsetzen lernen?

Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI im Alltag nutzen. Tiefer und praxisnah geht es im Vollkurs Digitalisierungsmanager, DEKRA-zertifiziert und förderfähig über den Bildungsgutschein.

Zuletzt aktualisiert: 21. Juli 2026. Stand der Recherche: 21. Juli 2026.