GLM 5.2 — Spécifications
Rédigé par Mustafa Ihsan d’après la documentation officielle du fournisseur · Dernière mise à jour
| Développeur | Zhipu AI |
|---|---|
| Type | LLM (codage/agent, MoE) |
| Modalité | Texte → Texte |
| Paramètres | 744 milliards au total / ~40 milliards actifs (MoE) |
| Fenêtre de contexte | 1 million |
| Sortie maximale | 131 K |
| Licence | MIT (ouverte) |
| Poids ouverts | Oui |
| Publié | 2026-06 |
| Prix de l’entrée | $1.4 /1M |
| Prix de la sortie | $4.4 /1M |
| Fournisseurs d'API | Zhipu (Z.ai), OpenRouter |
Exécutez-le localement
| VRAM (4 bits) | ~370 Go |
|---|---|
| GPU minimal | Serveur multi-GPU (ex. : 5 × H100 80 Go) |
What is GLM 5.2?
GLM 5.2 is Zhipu AI’s open 1M-context model — a 744-billion-parameter mixture-of-experts
activating roughly 40B parameters per token, built on a new “IndexShare” sparse-attention
design, and notably trained entirely on Huawei chips. The weights are MIT-licensed and it is
strong on coding, design and agentic tasks. Pricing is $1.40 in / $4.40 out per million
tokens.
The Huawei training detail is the strategically interesting one: it is a demonstration that
a frontier-scale model can be trained end to end outside the NVIDIA ecosystem, which has
implications for anyone modelling long-term compute supply. For a buyer, though, the relevant
numbers are simpler. GLM 5.2 blends to roughly $2 per million tokens while scoring near the
top of the open-weight field, which makes it one of the best capability-per-dollar picks
available for agentic and coding workloads and a serious alternative to frontier models
costing five times more. Self-hosting needs around 370 GB at 4-bit — a five-H100 server — so
in practice most teams will use the API and treat the MIT licence as portability insurance.
GLM 5.2 pricing: API cost per 1M tokens
| Entrée (par million de jetons) | $1.40 |
|---|---|
| Sortie (par million de jetons) | $4.40 |
| Ratio sortie/entrée | 3.1× |
| Moyenne pondérée (4:1 entrée:sortie) | $2.00 par 1 million de jetons |
What GLM 5.2 costs per month
Dépense mensuelle réelle pour un ratio entrée-sortie de 4:1 — le rapport effectivement observé dans une charge de travail type (chat ou RAG).
| Charge de travail | Jetons/mois | Coût par mois |
|---|---|---|
| Projet secondaire | 1 million en entrée / 0,25 million en sortie | $2.50 |
| Petite équipe | 20 millions en entrée / 5 millions en sortie | $50 |
| Production | 200 millions en entrée / 50 millions en sortie | $500 |
Calculez vos propres coûts dans le Calculateur de coûts pour les API IA.
Cheaper alternatives to GLM 5.2
| Modèle | Coût combiné par million de dollars | Vous économisez |
|---|---|---|
| DeepSeek V4-Pro ouverte | $0.522 | 74% cheaper |
| Kimi K2.7 Code ouverte | $0.980 | 51% cheaper |
| DeepSeek V4-Flash ouverte | $0.168 | 92% cheaper |
Hébergement local ou paiement via API ?
GLM 5.2 is open-weight, so you can run it yourself. It needs ~370 Go of VRAM at 4-bit (Multi-GPU server (e.g. 5× H100 80GB)). Self-hosting only beats the API once your volume is high enough to keep that hardware busy — the calculateur auto-hébergement vs API calcule le seuil de rentabilité pour votre volume de jetons.
Questions fréquemment posées
How much does GLM 5.2 cost per 1M tokens?
GLM 5.2 costs $1.40 per 1M input tokens and $4.40 per 1M output tokens. At a typical 4:1 input-to-output mix that blends to about $2.00 per 1M tokens.
How much does GLM 5.2 cost per month?
A small-team workload of 20M input and 5M output tokens a month costs about $50 on GLM 5.2. A side project (1M in / 0.25M out) costs roughly $2.50.
What is a cheaper alternative to GLM 5.2?
DeepSeek V4-Pro is the strongest cheaper option in our database at $0.522 per 1M blended — about 74% less than GLM 5.2. It is also open-weight, so self-hosting is an option.
Can I run GLM 5.2 locally?
Yes. GLM 5.2 is open-weight and needs about ~370 GB of VRAM at 4-bit quantisation (Multi-GPU server (e.g. 5× H100 80GB)).
Why does GLM 5.2 charge more for output than input?
Output tokens are generated one at a time and cannot be batched the way a prompt can, so they cost the provider more to serve. GLM 5.2 charges 3.1× more for output, which is why prompt-heavy workloads are far cheaper to run than generation-heavy ones.
Les prix indiqués correspondent aux tarifs publics officiels pour l’API principale du modèle et sont mis à jour régulièrement à mesure que les fournisseurs les modifient. Les remises liées aux volumes, aux traitements par lots ou aux entrées mises en cache ne sont pas prises en compte. Comparez tous les modèles côte à côte dans le Base de données des modèles IA ou le Classement des grands modèles linguistiques (LLM).