Z.ai's GLM-5.2 verringert den Abstand zu OpenAI und Anthropic

GLM-5.2 wurde von Z.aiund wird vom Unternehmen als Open-Source-LLM (Large Language Model) beschrieben. Laut Artificial Analysis ist es führend unter den Open-Source-LLMs und zählt zu den drei besten LLMs weltweit. Damit liegt GLM-5.2 sehr nah an den hochmodernen LLMs von Anthropic und OpenAI.

Diese Veröffentlichung kann die Wettbewerbslandschaft im KI-Markt erheblich beeinflussen. Vor ihrer Veröffentlichung lagen offene LLMs in nahezu allen unabhängigendent deutlich hinter ihren geschlossenen Pendants zurück. Die Testergebnisse von GLM-5.2 deuten darauf hin, dass sich diese Lücke verringert, was interessante Auswirkungen auf die Nutzung in Unternehmen, die Preisgestaltung und die Geschäftsmodelle geschlossener Labore hat.

Was die Benchmark-Ergebnisse über GLM 5.2 aussagen

Laut dem unabhängigendent Vals AIGLM-5.2 schnitt in fünf verschiedenen Benchmarks am besten ab: Vals Index, Harvey's Legal Agent Benchmark, Finance Agent v2, ProofBench und Vibe Code Bench.

Vals AI berichtete, dass GLM-5.2 als erstes Modell mit offener Gewichtsklasse bei ProofBench über 30 %und damit 11 Prozentpunkte besser abschnitt als das zweitplatzierte Modell. Zudem lag es nur einen Prozentpunkt hinter Anthropics Claude Opus 4.5 und erreichte damit eine ungewöhnlich hohe Leistung im Bereich der Spitzenleistung proprietärer Produkte.

Wir stellen GLM-5.2 vor: Frontier Intelligence, offene Gewichte

– Deutliche Verbesserungen bei Kodierungs- und agentenbasierten Aufgaben
– Starketronmit einem Kontextfenster von 1 Million
– Zwei Stufen des Denkaufwands: GLM-5.2 (max) reizt die Grenzen aus, während GLM-5.2 (high) alstron… pic.twitter.com/SjGPSVhePJ

— Z.ai (@Zai_org) 16. Juni 2026

Laut Artificial Analysisist GLM-5.2 derzeit das beste Open-Weight-Modell mit einem Intelligenzindex von 51 Punkten, verglichen mit 40 Punkten bei GLM-5.1. Andere Modelle, darunter MiniMax-M3 und DeepSeek V4 Pro, erreichten 44 Punkte, während Kimi K2.6 43 Punkte erzielte.

GLM-5.2 erzielte 78 % bei TerminalBench v2.1 (16 Punkte mehr als GLM-5.1), 50 % bei SciCode, 71 % bei AA-LCR und 89 % bei GPQA Diamond. Im Langzeit-Benchmark-Test GDPval-AA v2 erreichte GLM-5.2 1.524 Elo-Punkte und übertraf damit die 1.514 Elo-Punkte von GPT-5.5.

Trotz der beeindruckenden Leistung von GLM 5.2 weisen Experten darauf hin, dass die Interpretation von Benchmark-Ergebnissen zunehmend komplexer wird. Beispielsweise verringern aggregierte Modelle, wie etwa KI-Modelle, zwar den Einfluss von Verzerrungen einzelner Tests, erhöhen aber gleichzeitig den Einfluss des verwendeten Gewichtungssystems, von Variationen und sich ändernden Evaluierungsdatensätzen. Benchmark-Kontamination und Optimierungseffekte bleiben daher weiterhin wichtige Herausforderungen im Bereich der KI-Tests.

Was verbirgt sich in der Architektur von GLM-5.2?

Laut Z.aiist GLM-5.2 das leistungsstärkste Modell des Unternehmens für Aufgaben im Bereich des langfristigen Denkens und der agentenbasierten Codierung. Dieses Modell bietet ein Kontextfenster von 1 Million Token, im Vergleich zu 200.000 bei GLM-5.1.

GLM-5.2 verfügt über eine Mixture-of-Experts-Architektur und besteht aus insgesamt etwa 750 Milliarden Parametern und 40 Milliarden aktiven Parametern, optimiert für mehrstufige Schlussfolgerungs- und Codierungsabläufe.

GLM-5.2 verwendet zwei Arten der Datenverarbeitung: einen aufwändigen Modus für komplexe Aufgaben und einen kostengünstigeren Modus, der auf Effizienz und Latenzkontrolle ausgelegt ist.

Laut Artificial Analysis kann GLM-5.2 pro Auswertungsvorgang rund 43.000 Ausgabetoken erzeugen, im Vergleich zu 26.000 bei GLM-5.1. Obwohl dies zur Verbesserung der Leistungskennzahlen beiträgt, könnte es in der Praxis den Rechenaufwand erhöhen.

Im Z.ai- Blog werden die Verbesserungen bei Codierungsagenten, dem Debugging-Prozess, der automatisierten Recherche, der Dokumentenverarbeitung und der Generierung langer Texte hervorgehoben. Damit wird das Modell als optimiert für anhaltende, mehrstufige Aufgaben und nicht für isolierte Eingabeaufforderungen positioniert.

Marktkontext und Reibungsverluste im Ökosystem

Die Veröffentlichung von GLM-5.2 erfolgt vor dem Hintergrund einer Diskussion darüber, inwieweit offene Gewichtungssysteme zu proprietären Spitzenmodellen aufschließen. Chinesische KI-Unternehmen belegen einige der führenden Plätze in den Rankings offener Modelle, und GLM-5.2 spielt dabei eine zentrale Rolle.

Diese Diskussion wurde durch Äußerungen von Elon Musk und Jie Tang (Gründer von Z.ai) öffentlich, in denen es darum ging, wann chinesische Modelle mit ausländischen Modellen gleichziehen würden. Musk antwortete: „Wahrscheinlich im ersten Quartal nächsten Jahres.“

Tang widersprachund erklärte: „So lange wird es nicht dauern.“

Vermutlich Q1

— Elon Musk (@elonmusk) 18. Juni 2026

Während Benchmarks eine schnelle Konvergenz zeigen mögen, offenbaren die ersten Rückmeldungen aus der Praxis Diskrepanzen in der Leistung in der realen Welt.

Der KI-Ingenieur Da7_Tech äußerte seine Bedenken weniger hinsichtlich des Modells selbst, sondern vielmehr hinsichtlich der Infrastruktur und Transparenz der Nutzung des Z.ai- Systems. Er sagte, dass dies „allem widerspricht, was man von den Werten von Open-Source-Modellen erwartet“.

Er testete Zcode, die von Claude Code“ wirbt. In einer einzigen Aufgabenbearbeitungssitzung gab er an, dass das Datenvolumen in weniger als einer Stunde aufgebraucht war – womit die für die gesamte Aufgabe vorgesehenen fünf Stunden praktisch aufgebraucht waren. Z.ai entwickelte App, die auf GLM-Modellen basiert, im Rahmen eines Pro-Abos, das mit „15x

Er behauptete außerdem, es gäbe eine Diskrepanz zwischen der von der App angezeigten Nutzung und dem tatsächlich abgerechneten Betrag. Die App habe angeblich weniger als 2 Millionen Token angezeigt, sein Konto sei jedoch mit rund 60 Millionen Token belastet worden, sowohl hinsichtlich der Tages- als auch der Wochenlimits. Dies deute darauf hin, dass zwischengespeicherte und temporäre Token anstelle der tatsächlichen Berechnung berücksichtigt worden seien. Er erwähnte anschließend, dass Z.ai die Token-Zählung aus dem „Zielmodus“ entfernt und die Beschreibungen des Pro-Tarifs angepasst habe.

Darüber hinaus verglich der KI-Entwickler Michael Guo GLM-5.2 mit GPT-5.5 Medium, als er ein Problem in seinem OpenClaw-Agenten namens Trippy debuggte. Hier ist sein Fazit:

„Zumindest in dem von mir durchgeführten Testfall war es nicht so leistungsfähig wie GPT-5.5 Medium. Nicht einmal annähernd.“

GPT-5.5 medium hat das Problem mit den wiederholten Antworten des Agenten sehr schnell erkannt, während GLM-5.2 es nicht erkennen konnte.

Zusammenfassend wies er darauf hin, dass Benchmark-Ergebnisse zwar eine gute Leistung suggerieren mögen, die eigentliche Fehlersuche jedoch Inkonsistenzen aufdecken kann, die in den aggregierten Ergebnissen nicht sichtbar sind.

Die Lücke wird verringert, aber die Anwendungsrealität variiert

Die Benchmark-Ergebnisse beweisen, dass GLM-5.2 eine der besten derzeit verfügbaren Open-Weight-Architekturen ist und manchmal sogar besser als andere proprietäre Architekturen.

Die Bewertungen hinsichtlich Leistung, Effizienz und Transparenz des Systems scheinen jedoch je nach Nutzungssituation und Integration mit anderen Systemen unterschiedlich auszufallen.

Es gibt also zwei Seiten der Medaille: GLM-5.2 ist ein wichtiger Schritt nach vorn in der Entwicklung des Open-Weight-Architekturfeldes, aber seine Anwendung wird ebenso viel Aufwand in Bezug auf die Infrastrukturbereitschaft und die Produktqualität erfordern wie die Benchmark-Ergebnisse.

Fürs Erste stellt GLM-5.2 einen wichtigen Schritt zur Verringerung der Kluft zwischen offenen und geschlossenen KI-Systemen dar – auch wenn es noch keine endgültige Konvergenz ist.