GLM 5.2 vs. Kimi K2.7 Code: Welcher Open-Source-Codierer gewinnt?

Zwei der ambitioniertesten chinesischen KI-Forschungslabore haben diesen Monat innerhalb eines Tages neue Open-Weight-Programmiermodelle vorgestellt. Moonshot veröffentlichte Kimi K2.7 Code am 12. Juni; Zhipu (Z.ai) antwortete am 13. Juni mit GLM 5.2 Beide Modelle sind riesige Mixture-of-Experts-Systeme, beide sind unter permissiven Lizenzen verfügbar und beide zielen gezielt auf dieselbe Aufgabe ab: langfristige, agentenbasierte Programmierung – ohne die Kosten von Claude oder GPT zu verursachen.

The twist is in how each lab handled benchmarks. Moonshot published a stack of first-party numbers for K2.7 Code on day one. Zhipu deployed GLM 5.2 to its Coding Plan tiers first with no benchmark table at all, then released a full benchmark set alongside the API and MIT open weights days later. So as of this writing, both models now have vendor-published coding scores — but neither has a deep bench of fully independent SWE-bench numbers yet, and Moonshot’s headline figures sit on proprietary in-house suites that practitioners have already started to question. Here’s how the two actually stack up, what we can verify, and what’s still a question mark.

Die 30-Sekunden-Zusammenfassung

Wenn Sie den längsten Kontext, die stärksten veröffentlichten Open-Weight-Coding-Ergebnisse, eine MIT-Lizenz sowie eine pauschale monatliche Gebühr und nahtlose Kompatibilität mit Claude Code benötigen, ist GLM 5.2 derzeit das umfassendere Paket. Wenn Sie hingegen den günstigsten Preis pro Token, den besten Cache-Rabatt für tokenintensive Agent-Schleifen und nachgewiesene Verbesserungen bei der Token-Effizienz bevorzugen, ist Kimi K2.7 Code die schlankere Wahl. Die Benchmarks beider Anbieter stammen derzeit ausschließlich von den Herstellern selbst, und ein direkter Vergleich zu einer einzigen Aufgabe ergab einen leichten Vorteil für GLM – wer diese Woche also bereits einen endgültigen Gewinner kürt, stützt sich auf Marketingaussagen der Anbieter statt auf unabhängige Daten.

Architektur und aktive Parameter

Diese Modelle basieren auf derselben grundsätzlichen Idee – einem riesigen, spärlichen Mixture-of-Experts-(MoE)-Modell, bei dem pro Token nur ein Bruchteil der Parameter aktiviert wird – doch sie optimieren diese Architektur unterschiedlich.

Kimi K2.7 Code ist auf dem Papier das größere Modell: insgesamt eine Billion Parameter mit 32 Milliarden aktiven Parametern, ausgewählt aus 384 Experten (8 geroutete plus 1 gemeinsamer Experte pro Token). Diese spärliche Aktivierung ermöglicht es, ein Modell mit einer Billion Parameter zu einem vertretbaren Preis bereitzustellen. GLM 5.2 ist insgesamt kleiner (laut Dokumentation von Z.ai etwa 753 Milliarden Parameter, während Tracker wie vLLM etwa 744 Milliarden angeben), aktiviert jedoch pro Token leicht mehr Parameter (ca. 40 Milliarden) und setzt stattdessen auf einen längeren Kontext sowie ein zweistufiges Denkmodell – einen „High“-Modus für Routineaufgaben und einen „Max“-Modus für anspruchsvollere Architekturaufgaben und Debugging.

Die praktische Konsequenz: Kimis größerer Expertenpool könnte Breite des Wissens fördern, während GLMs höhere Anzahl aktiver Parameter und seine Denkmodi auf Tiefe bei einer einzelnen komplexen Aufgabe abzielen. Die veröffentlichten Benchmarks tendieren derzeit zugunsten von GLM bei langfristigen Engineering-Aufgaben, doch da es sich um Hersteller-betriebene Tests handelt, sollte die architektonische Argumentation als unterstützender Hinweis – nicht als endgültiges Urteil – betrachtet werden.

Kontextfenster: 1 Million vs. 256.000

Dies ist der deutlichste und am besten überprüfbare Unterschied: GLM 5.2 bietet einen echten Kontextumfang von einer Million Token (die glm-5.2[1m] Variante), wobei die Ausgabe auf rund 128.000–131.000 Token begrenzt ist. Kimi K2.7 Code verfügt über einen Kontextumfang von 256.000 Token (262.144 Token) und eine deutlich niedrigere Standard-Ausgabegrenze von 32.768 Token.

Für agentenbasierte Arbeiten im Repository-Maßstab – etwa das Laden eines großen Codebases, lange Plan-then-Execute-Verläufe oder Multi-File-Refaktorierungen in einem Durchgang – ist GLMs Fenster mit einer Million Token ein echter Vorteil und entspricht dem, was führende Open-Modelle wie DeepSeek V4 and Qwen 3.6 Plus now offer. That said, 256K is still large, and in agentic loops most well-built tools retrieve and chunk context rather than stuffing the whole repo in. Bigger context helps; it isn’t automatically better code.

Codierungs-Benchmarks (und die Transparenzlücke)

Hier müssen Sie Ihre Skepsis aktiv halten, denn alle folgenden Überschriftenzahlen stammen vom jeweiligen Anbieter.

Moonshot berichtet, dass K2.7 Code bei seinem internen Kimi Code Bench v2 einen Wert von 62,0 erreicht – ein Plus von 21,8 % gegenüber K2.6 mit 50,9 – und zudem Fortschritte bei Program Bench sowie MCP-fokussierten agentenorientierten Test-Suiten verzeichnet, zusätzlich zu einer Reduktion des Reasoning-Token-Verbrauchs um rund 30 %. Das sind konkrete Aussagen – doch sie basieren auf Moonshots eigenen proprietären Benchmarks, und mindestens eine Medienquelle (VentureBeat) berichtete, dass Praktiker angaben, die Zahlen würden sich in der realen Anwendung nicht vollständig bestätigen. Unabhängige Ergebnisse für K2.7 Code im SWE-bench Verified oder SWE-bench Pro waren zum Zeitpunkt der Veröffentlichung nicht verfügbar.

GLM 5.2 came out the other way around: it launched on Zhipu’s Coding Plan tiers with no benchmark table, then Z.ai published a full set alongside the API and open weights. Those scores are strong — SWE-bench Pro 62.1 (vs GPT-5.5’s 58.6 and GLM 5.1’s 58.4), Terminal-Bench 2.1 (Terminus-2) 81.0 (vs GPT-5.5’s 84.0), FrontierSWE 74.4% (vs GPT-5.5’s 72.6%), plus long-horizon wins on PostTrainBench (34.3 vs 28.4) and SWE-Marathon (13.0 vs 12.0). Several of those were run by outside evaluators (Proximal, the PostTrainBench team, Abundant AI), but they’re surfaced and curated by Z.ai, so treat them as vendor-published rather than fully independent. The takeaway: GLM 5.2 posts the stronger open-weight coding numbers on paper, while still trailing Claude Opus 4.8 on most of them.

Ein näher an Neutralität liegender Datenpunkt existiert jedoch: Ein unabhängiger, vergleichsweise neutraler Direktvergleich von Kilo ergab einen Vorteil für GLM 5.2 bei Planungsaufgaben – 9,0 Punkte gegenüber 8,1 Punkten für Kimi bei einer Backend-Funktionstasten-Service-Aufgabe; GLM bestand dabei alle 15 Verifikationschecks, Kimi 14 von 15, und beide erzeugten nahezu identische funktionierende Builds. Das ist ein nützliches Signal, doch handelt es sich um eine einzelne Aufgabe durch einen einzigen Evaluierer – nicht um eine umfassende Benchmark-Suite.

Preisgestaltung und Wert

Die Preismodelle sind unterschiedlich strukturiert – die Antwort auf die Frage nach dem „günstigeren“ Angebot hängt daher von der konkreten Nutzung ab.

Kimi K2.7 Code nutzt ein einfaches, nach Verbrauch abgerechnetes API-Modell: 0,95 USD pro Million Eingabetokens, 4,00 USD pro Million Ausgabetokens und bemerkenswert günstige 0,19 USD pro Million zwischengespeicherter Eingabetokens. Diese Cache-Rate ist besonders wichtig für agentenbasiertes Programmieren, bei dem bei jedem Schritt stabiler Kontext wiederholt gesendet wird. Bei diesen Preisen ist Kimi deutlich günstiger als westliche Spitzenmodelle – allein der Ausgabe-Preis ist mehr als zehnmal niedriger als bei Premium-Optionen.

GLM 5.2 wird mit etwa 1,40 USD pro Million Eingabetokens und 4,40 USD pro Million Ausgabetokens abgerechnet (live bei Providern wie FriendliAI, Novita und Z.ai); Zhipu bietet zudem den GLM Coding Plan an – ein pauschaler Abonnementtarif mit den Stufen Lite, Pro, Max und Team. Lite beginnt bei 10 USD/Monat (ca. 400 Prompts/Woche), Pro bei 30 USD/Monat und Max bei 80 USD/Monat – ein ausgezeichneter Wert, wenn Sie täglich programmieren und eine vorhersehbare Abrechnung wünschen.

Wenn Sie als Einzelentwickler den ganzen Tag in einem Agenten arbeiten, kann GLMs Pauschalplan die kostengünstigere Wahl im Alltag sein. Wenn Sie hingegen variable oder stark schwankende Workloads betreiben oder ein Produkt darauf aufbauen, ist Kimis nach Verbrauch abgerechneter Tarif mit günstigem Caching einfacher zu kalkulieren. Für ein umfassenderes Kostenbild im Bereich selbsthostbarer Optionen stellt unser Überblick der beste lokalen LLM für Programmierung im Jahr 2026 beide Modelle in den Kontext.

Lizenz und Offenheit

Beide Modelle sind tatsächlich Open-Weight – das unterscheidet sie von geschlossenen Spitzenlaboren – doch die Details der Lizenzbedingungen weichen voneinander ab.

GLM 5.2 nutzt die klassische MIT-Lizenz: Sie dürfen das Modell verwenden, modifizieren und kommerziell einsetzen – ohne Einschränkungen. Kimi K2.7 Code verwendet eine modifizierte MIT-Lizenz, die ebenfalls kommerzielle Nutzung erlaubt, jedoch eine Bedingung enthält: Sobald Ihr Produkt 100 Millionen monatlich aktive Nutzer oder einen monatlichen Umsatz von 20 Millionen USD überschreitet, müssen Sie „Kimi K2.7 Code“ prominent in der Benutzeroberfläche anzeigen. Für nahezu jedes Team ist dies kein Thema; für einen Hyperscaler stellt es jedoch eine reale Klausel dar. Rein hinsichtlich der Freiheit der Lizenz hat GLM 5.2 mit seiner MIT-Lizenz hier einen klaren Vorteil.

Agentenbasierte Funktionalität und Tool-Nutzung

Beide Modelle zielen explizit auf langfristige Coding-Agenten ab – nicht nur auf Snippet-Vervollständigung – und unterstützen beide starke Tool-Aufrufe.

GLM 5.2s herausragendes Merkmal für Agentenentwickler ist die Kompatibilität: Da Z.ai neben einem OpenAI-kompatiblen auch einen Anthropic-kompatiblen Endpoint bereitstellt, können Sie einfach die Basis-URL und den API-Schlüssel austauschen, um Claude Code oder einen Anthropic-SDK-Agenten direkt darauf auszurichten – ohne Code-Umschreibung. Außerdem integriert es sich nativ in Cline, Cursor und über 20 weitere Entwickler-Tools, und seine veröffentlichten Langzeit-Benchmark-Ergebnisse (FrontierSWE, PostTrainBench, SWE-Marathon) richten sich gezielt auf mehrstündige Agenten-Workloads. Kimi K2.7 Code fokussiert sich hingegen auf messbare Agenten-Effizienz: Moonshots angegebene Reduktion des Reasoning-Token-Verbrauchs um rund 30 % zielt direkt auf Kosten und Latenz bei mehrstufigen Agenten-Schleifen ab, und das Modell erzielt Fortschritte bei MCP-orientierten Test-Suiten. Wenn Sie sich für ein Agenten-Framework entscheiden, das auf eines dieser beiden Modelle abgestimmt ist, behandelt unser Leitfaden zu den beste KI-Agenten-Frameworks im Jahr 2026 die Orchestrierungsschicht.

Wie man beide Modelle tatsächlich betreibt

Es gibt zwei Wege – und für die meisten Menschen ist der Cloud-Weg der einfachere.

Cloud-API ist der einfache Weg. Kimi K2.7 Code ist über die Moonshot-API und Aggregatoren wie OpenRouter verfügbar; GLM 5.2 läuft über den GLM Coding Plan sowie OpenAI-/Anthropic-kompatible Endpoints (Basis-URL api.z.ai). Hier sollten nahezu alle Anwender beginnen.

Offene Gewichte sind veröffentlicht – Kimi K2.7 Code steht auf Hugging Face mit Unterstützung für vLLM, SGLang und KTransformers zur Verfügung, und GLM 5.2s MIT-gelizenzierte Gewichte können heruntergeladen werden – doch die Hardware-Anforderungen sind hoch. Ein Modell mit einer Billion Parametern (selbst bei nur 32 Milliarden aktiven Parametern) oder ein Modell mit rund 750 Milliarden Parametern erfordert Mehr-GPU-Server oder aggressive GGUF-Quantisierung für den lokalen Betrieb; diese Modelle sind nicht für einzelne Consumer-Grafikkarten geeignet. Wenn Ihr Ziel ist, kleinere Programmiermodelle auf handelsüblicher Hardware selbst zu hosten, sind Sie mit den besten lokalen LLMs für Ollama im Jahr 2026 als von einem dieser beiden Schwergewichte.

How they fit next to DeepSeek V4 and Qwen 3.x

Neither model exists in a vacuum. DeepSeek V4-Pro (released April 2026) ships 1.6T params with a 1M context and an MIT license, and posts a verified 80.6% on SWE-bench Verified — currently the strongest open-weight number around. Qwen 3.6 Plus also offers a 1M context and a frontier-competitive 78.8% on SWE-bench Verified. In other words, GLM 5.2 and Kimi K2.7 Code are entering a crowded, fast-moving field where rivals already have published, partly independent benchmarks on the standard public suites. GLM 5.2’s vendor numbers are competitive, but the gold-standard SWE-bench Verified comparisons still belong to DeepSeek and Qwen for now. For a closer look at that pair, see our Vergleich DeepSeek V4 vs. Qwen3.

Häufig gestellte Fragen (FAQ)

Welches Modell eignet sich besser für Programmieraufgaben – GLM 5.2 oder Kimi K2.7 Code?

Eine vollständig unabhängige Antwort liegt noch nicht vor; nach den veröffentlichten Kennzahlen jedoch scheint GLM 5.2 bei langfristigen Programmieraufgaben stärker zu sein: Zhipus Benchmarks weisen ihm SWE-bench Pro 62,1 und FrontierSWE 74,4 zu – Werte, die GPT-5.5 auf mehreren Test-Suiten übertreffen – und verfügen zudem über einen Kontextumfang von 1 Million Token sowie Kompatibilität mit Claude Code. Kimi K2.7 Code ist kostengünstiger pro Token und meldet einen Zuwachs von +21,8 % auf seinem eigenen Programmier-Benchmark. Ein direkter, auf eine einzige Aufgabe fokussierter Vergleich mit 1.000 Durchläufen ergab einen leichten Vorteil von GLM bei der Planung (9,0 gegenüber 8,1 Punkten; 15 von 15 gegenüber 14 von 15 erfolgreichen Checks). Alle genannten Ergebnisse stammen vom jeweiligen Hersteller; bevor diese als endgültig betrachtet werden können, sollten daher unabhängige SWE-bench-Tests abgewartet werden.

Liegen für GLM 5.2 veröffentlichte Benchmarks vor?

Ja – allerdings nicht zum Zeitpunkt der Markteinführung. Zhipu stellte GLM 5.2 zunächst am 13. Juni 2026 in seinen Coding-Plan-Tarifen bereit, ohne dabei eine Benchmark-Tabelle zu veröffentlichen; erst einige Tage später folgte die Veröffentlichung einer umfassenden Benchmark-Sammlung parallel zur API-Freigabe und zur Bereitstellung der Gewichte unter der MIT-Lizenz: SWE-bench Pro 62,1, Terminal-Bench 2.1 mit 81,0, FrontierSWE 74,4, PostTrainBench 34,3 und SWE-Marathon 13,0 – dabei schneidet GLM 5.2 auf mehreren Langzeit-Test-Suiten besser ab als GPT-5.5, bleibt aber hinter Claude Opus 4.8 auf den meisten Tests zurück. Einige dieser Benchmarks wurden zwar von externen Evaluatoren durchgeführt, wurden jedoch von Z.ai kuratiert; sie gelten daher als vom Hersteller veröffentlicht, nicht als vollständig unabhängig.

Kann ich GLM 5.2 mit Claude Code nutzen?

Ja. Z.ai stellt einen mit Anthropic kompatiblen Endpunkt bereit (unter api.z.ai, z. B. https://api.z.ai/api/anthropic oder dem Programmier-Endpunkt), sodass Sie Claude Code oder einen Agenten mit dem Anthropic-SDK problemlos auf GLM 5.2 ausrichten können, indem Sie ANTHROPIC_BASE_URL und Ihren Z.ai-API-Schlüssel festlegen und anschließend das Modell glm-5.2 (bzw. glm-5.2[1m]) auswählen – ohne dass Änderungen am Code erforderlich sind. Beachten Sie jedoch, dass Sie das Timeout für Anfragen erhöhen sollten, da die Latenz bis zum ersten Token beim 1-Million-Token-Kontext deutlich höher liegt als der Standardwert bei Claude.

Wie hoch sind die Kosten für jedes Modell?

Kimi K2.7 Code wird nach Verbrauch abgerechnet: 0,95 USD pro Million Eingabetokens, 4,00 USD pro Million Ausgabetokens und 0,19 USD pro Million zwischengespeicherter Tokens. GLM 5.2 kostet etwa 1,40 USD pro Million Eingabetokens bzw. 4,40 USD pro Million Ausgabetokens; alternativ ist es im Rahmen des GLM-Coding-Plans erhältlich – ab 10 USD/Monat (Lite), 30 USD für Pro und 80 USD für Max.

Ist Kimi K2.7 Code für kommerzielle Zwecke kostenlos nutzbar?

Effektiv ja. Es wird unter einer modifizierten MIT-Lizenz bereitgestellt, die kommerzielle Nutzung ausdrücklich erlaubt; die einzige zusätzliche Bedingung lautet, dass Produkte mit mehr als 100 Millionen monatlichen aktiven Nutzern oder einem monatlichen Umsatz von über 20 Millionen USD den Hinweis „Kimi K2.7 Code“ in ihrer Benutzeroberfläche anzeigen müssen. Die einfache MIT-Lizenz für GLM 5.2 enthält keine derartige Klausel.

Kann ich diese Modelle lokal ausführen?

Die Gewichte stehen zur Verfügung – Kimi K2.7 Code auf Hugging Face (für vLLM/SGLang/KTransformers) und GLM 5.2 unter der MIT-Lizenz – beide Modelle sind jedoch sehr große MoE-Modelle. Rechnen Sie damit, Mehr-GPU-Server oder starke Quantisierung einzusetzen zu müssen; keines der beiden läuft komfortabel auf einer einzelnen Consumer-GPU.

Welches Modell bietet das größere Kontextfenster?

GLM 5.2 – und zwar deutlich: 1.000.000 Token gegenüber 256.000 Token bei Kimi K2.7 Code. Damit eignet sich GLM besser für den gesamten Repository-Kontext und extrem lange Agent-Verläufe, obwohl leistungsfähige Agent-Tools reduzieren, wie oft man tatsächlich das volle Kontextfenster benötigt.

Fazit

Dies sind zwei hervorragende, wirklich offene Programmiermodelle, die innerhalb eines Tages nacheinander erschienen sind; das ehrliche Fazit lautet: Es ist knapp – wobei GLM 5.2 derzeit den papiermäßigen Vorteil besitzt. Beide Hersteller haben Programmier-Benchmarks veröffentlicht, wobei die von Zhipu die stärkeren sind (SWE-bench Pro 62,1, FrontierSWE 74,4 – besser als GPT-5.5 auf mehreren Langzeit-Test-Suiten); hinzu kommen ein Kontextumfang von 1 Million Token, eine uneingeschränkte MIT-Lizenz, transparente Pauschalpreise und nahtlose Integration in Claude Code. Kimi K2.7 Code kontert mit dem günstigsten Preis pro Token, einem attraktiven Cache-Rabatt, token-effizienten Agent-Loops und eigenen, angegebenen Leistungssteigerungen.

Falls Sie ein Produkt in Produktion bringen oder stark schwankende Arbeitslasten bewältigen müssen, beginnen Sie am besten mit der nach Verbrauch abgerechneten API von Kimi und ihrem Cache-Rabatt. Falls Sie den ganzen Tag in einem Programmier-Agenten arbeiten und Wert auf ein Kontextfenster von 1 Million Token, die besten veröffentlichten Benchmarks sowie sofortige Kompatibilität mit Anthropic legen, ist der Coding-Plan von GLM 5.2 schwer zu schlagen. Und egal für welches Modell Sie sich entscheiden: Denken Sie daran, dass alle hier genannten Kennzahlen vom jeweiligen Hersteller stammen – warten Sie daher auf unabhängige SWE-bench-Verified-Ergebnisse, bevor Sie irgendeine Marketing-Aussage als gesicherte Tatsache betrachten. In einem Bereich, in dem DeepSeek V4-Pro bereits eine verifizierte Quote von 80,6 % auf SWE-bench Verified erreicht hat, wird die Messlatte für den „besten offenen Programmier-Assistenten“ von neutralen Evaluatoren festgelegt – nicht von den Laboren, die die Modelle entwickelt haben.