Een Coding-AI Die GPT-5.5 Verslaat voor Een Zesde van de Prijs
Een nieuw open-weight AI-model uit Beijing scoort hoger dan GPT-5.5 op echte codetests en kost een fractie van de prijs — maar teams moeten weten waar hun code naartoe gaat voordat ze overstappen.
- 62.1
- GLM-5.2-score op SWE-bench Pro
- 58.6
- GPT-5.5-score op dezelfde test
- ~1/6th
- kostenverhouding output-tokens vs. GPT-5.5
- 753B
- parameters, MIT-licentie, gratis te downloaden
Een nieuw AI-model genaamd GLM-5.2, gebouwd door het Pekingse Z.ai, scoort 62,1 op SWE-bench Pro — een test waarbij AI echte bugs oplost in echte softwareprojecten. Dat verslaat GPT-5.5 met 58,6. Het kost ongeveer een zesde van wat GPT-5.5 kost. Het model is ook gratis te downloaden onder een permissieve MIT-licentie, waardoor elk team het zelf kan draaien.
De cijfers: GLM-5.2 kost $1,40 per miljoen input-tokens en $4,40 per miljoen output-tokens via de Z.ai-API — waarbij tokens de kleine stukjes tekst zijn die het model leest en schrijft. GPT-5.5 kost $5 en $30 per miljoen. Op externe hostingplatforms zoals DeepInfra draait GLM-5.2 voor minder dan een dollar per miljoen input-tokens. Voor teams die grote hoeveelheden codeerwerk automatiseren, verandert dit verschil de rekening volledig.
Er is één echte afweging. Wie GLM-5.2 via de cloud van Z.ai gebruikt, stuurt code naar servers in China, waar de lokale wet overheidstogang kan verplichten op verzoek. Voor gevoelige projecten, klantcode of gereguleerde sectoren is dat relevant. De veiligste optie voor die teams is zelf hosten: download de modelgewichten en draai het model op eigen servers onder de MIT-licentie, gratis.
Claude Opus 4.8 leidt nog steeds op codering met 69,2 op SWE-bench Pro, dus GLM-5.2 is niet het beste model. Maar er is verschil tussen het beste model en het beste model dat je op schaal kunt betalen. Test GLM-5.2 deze week op een project zonder gevoelige data — externe hosts maken dat makkelijk zonder eigen serveropzet. Als de kwaliteit voldoet, volgen de besparingen vanzelf.