GLM-5.2 und Claude Opus 4.8: Programmierung und Kosten vergleichen

Was ist GLM-5.2, und warum spricht jeder darüber?#

Vor zwei Wochen geschah in der Coding-Community etwas Seltenes: Ein offenes Modell aus China zog mit dem teuersten Claude gleich. GLM-5.2 löste innerhalb weniger Tage Tausende Diskussionen aus, und unabhängige Tests bestätigten, dass es sich nicht um Marketing handelte.

Kurz gesagt: GLM ist ein riesiges Modell mit 753 Milliarden Parametern, von denen bei jeder Anfrage aber nur ein kleiner Teil (etwa 40 Milliarden) aktiviert wird. Dadurch ist es trotz seiner Größe schnell und günstig. Sein Kontextfenster umfasst 1 Million Tokens, ungefähr so viel wie ein 700-seitiges Buch auf einmal. Entwickelt wurde es von Z.ai, einem Unternehmen aus Peking, das aus der Tsinghua-Universität hervorgegangen ist. Der entscheidende Punkt: Das Modell ist offen verfügbar. GLM-5.2 steht unter einer MIT-Lizenz; GLM-5.3 hat eine eigene GLM-5.3-Lizenz, die ähnlich freizügig ist: Du kannst es nehmen und verwenden. Die einzige Einschränkung betrifft die Giganten: Dienste mit einem Jahresumsatz von 10 Milliarden Dollar oder mehr müssen die Sicherheitsprüfung von Z.ai durchlaufen. Im beschriebenen Szenario gibt es keine regionalen Sperren, anders als bei Claude.

Das Timing spielte GLM in die Hände. Am Tag vor seiner Veröffentlichung zwang eine Anordnung der US-Regierung Anthropic, zwei Spitzenmodelle kurzfristig abzuschalten.

GLM-5.2 kam am nächsten Tag heraus: offen, ohne Sperren und günstig.

Damals belegte es insgesamt den vierten Platz – hinter Fable 5, Opus 4.8 und GPT-5.5. Unter den Modellen, die du ohne Genehmigung des Entwicklers herunterladen und ausführen kannst, war es jedoch das beste. Für Unternehmer bedeutet das vor allem eins: Ein starker Konkurrent für Claude ist zum Preis einer Tasse Kaffee aufgetaucht.

Dann gerieten die Modellreihen in Bewegung. Am 24. Juli veröffentlichte Anthropic Opus 5 zum gleichen Preis: 5 und 25 Dollar pro Million Tokens. Am 14. August folgte GLM-5.3: dieselben 753 Milliarden Parameter und das Kontextfenster mit einer Million Tokens, aber deutlich besser beim Programmieren – in Z.ais internem Test 50 % besser als GLM-5.2. Am 1. September stellte Anthropic Fable 5.1 und Mythos 5.1 vor. Daher beziehen sich die Zahlen in diesem Artikel ab jetzt auf die aktuelle Version GLM-5.3.

Hat GLM-5.2 beim Programmieren wirklich zu Claude aufgeschlossen?#

Die folgenden Zahlen stammen aus der offiziellen Modellkarte von GLM-5.3 auf HuggingFace. Z.ai vergleicht sein Modell mit Opus 4.8, nicht mit Opus 5 – denk daran, dass dies die Tabelle des Unternehmens ist.

Das Bild ist klar: GLM-5.3 schlägt Opus 4.8 fast überall und liegt dort zurück, wo eine ganze Komponente eines großen Projekts umgeschrieben oder eine mehrstündige Aufgabe ohne Fadenverlust bewältigt werden muss. Bei diesem mehrstündigen Benchmark sinkt der berichtete Abstand um 23,1 Prozentpunkte: (48,8 − 19,4) − (48,8 − 42,5) = 23,1. Das ist eine Verringerung des Abstands um rund 79 %, keine Halbierung. Es beschreibt diese Tabelle, keine gemessene Zuverlässigkeit in deinem Projekt. Lange autonome Arbeit ist die letzte Grenze, an der Opus noch standhält.

Im Juni, kurz nach der Veröffentlichung von GLM-5.2, bat das Cline-Team GLM und Opus 4.8, einen echten Fehler in seinem Projekt zu beheben.

Interessant ist, dass GLM Claude bei eng umrissenen Aufgaben manchmal schlägt. Das Sicherheitsunternehmen Semgrep (kein GLM-Entwickler und eine unabhängige Stelle) testete Modelle beim Erkennen von Schwachstellen und stellte fest, dass das unveränderte GLM-5.2 einen auf Opus laufenden Agenten schlug. Dazu gehörte allerdings auch ein ernüchternder Vorbehalt, den man im Kopf behalten sollte.

Behalte diesen Vorbehalt im Kopf: Die Umgebung ist wichtiger als das Modell. Das Fazit aus den Tests: GLM-5.3 hat Opus 4.8 bei alltäglichen Programmieraufgaben eingeholt und übertroffen und liegt bei den schwierigsten Aufgaben fast gleichauf. Sobald unabhängige Messungen vorliegen, sagen wir, wie es sich mit Opus 5 vergleicht. Für die meisten Aufgaben von Unternehmern reicht der aktuelle Vorsprung.

Wie viel günstiger ist GLM-5.2 als Claude?#

Worum geht es hier genau? Vergleichen wir die Preise pro Million Tokens.

Der Preisunterschied ist enorm: GLMs Ausgaben kosten 6–8-mal weniger.

Aber hier kommt der ehrliche Haken: GLM ist so eingestellt, dass es vor dem Absenden alles noch einmal überprüft. Deshalb verbraucht es für dieselbe Aufgabe deutlich mehr Tokens (der Denkmodus von GLM-5.3 ist immer eingeschaltet und lässt sich nicht abschalten).

Die tatsächliche Ersparnis bei einer bestimmten Aufgabe liegt also je nachdem, wie oft GLM sich selbst überprüfen muss, irgendwo zwischen dem 2- und 7-Fachen. Das ist weniger als das „Fünffache“, das der Preis verspricht, aber trotzdem bleibt Geld in deiner Tasche. GLM ist eine Möglichkeit, weniger zu zahlen; separate Vergleiche habe ich zu DeepSeek und anderen günstigen Modellen fürs Programmieren.

Bei einem Modell zu sparen, ist nur der Anfang. Viel wichtiger ist es, ein System aufzubauen, in dem Claude mit jedem Modell keine Halluzinationen mehr produziert. Das gewählte Modell ist der Motor. Was du in den Kontext gibst, macht das Auto aus.

GLM-5.2 in 5 Minuten mit Claude Code verbinden#

Das Beste daran: Du musst deine Werkzeuge nicht wechseln. Claude Code bleibt, nur das Modell, das im Hintergrund antwortet, ändert sich. Die Verbindung erfordert nur ein paar Zeilen in den Einstellungen.

Option 1 - Z.ai-Abonnement (für die tägliche Arbeit)

Z.ai bietet ein spezielles GLM Coding Plan-Abonnement für Programmierwerkzeuge an. Der Preis ist fest, und der API-Endpunkt spricht die native Sprache von Claude Code.

1. Abonnieren

   Gehe zu z.ai/subscribe und wähle einen Tarif. Lite beginnt bei $18 im Monat (genug für einen ganzen Tag intensiver Arbeit); für alle, die den ganzen Tag programmieren, gibt es teurere Tarife.

2. Schlüssel erstellen

   Gehe auf z.ai zu API Keys, klicke auf „Create a new API key“ und kopiere den Schlüssel.

3. Konfiguration festlegen

   Öffne die Datei ~/.claude/settings.json und füge den folgenden Block ein. Ersetze dabei den Platzhalter durch deinen Schlüssel.

4. Terminal neu starten

   Öffne ein neues Terminal, führe claude aus und gib /status ein, um die Verbindung zu prüfen.

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "your_z_ai_key",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]",
    "API_TIMEOUT_MS": "3000000"
  }
}

Danach zeigt Claude Code die Namen „Opus“ und „Sonnet“ an, führt im Hintergrund aber GLM aus – Z.ai tauscht das Modell auf seiner Seite aus. Wenn in deiner Konfiguration noch glm-5.2 steht, ist das in Ordnung: Z.ai leitet Anfragen für GLM-5.2 und 5.1 selbst an GLM-5.3 weiter und Anfragen für GLM-4.7 an GLM-5.3-Flash.

1. Schlüssel abrufen

2. Guthaben hinzufügen

3. Konfiguration festlegen

   Füge den folgenden Block in ~/.claude/settings.json ein – das GLM-Modell ist bereits angegeben.

4. Claude Code starten

   Öffne ein neues Terminal und führe claude aus. Mit dem Befehl /model kannst du spontan wechseln.

{
  "env": {
    "ANTHROPIC_BASE_URL": "<OFFICIAL_URL>",
    "ANTHROPIC_AUTH_TOKEN": "sk-or-v1-YOUR-KEY",
    "ANTHROPIC_API_KEY": "",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "z-ai/glm-5.3",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "z-ai/glm-5.3"
  }
}

Zu Hause lokal ausführen – ehrlich gesagt unrealistisch

Da die Gewichte offen sind, liegt die Frage nahe: Kannst du das Modell herunterladen und selbst kostenlos ausführen? Ohne eigenen Server lautet die Antwort für Unternehmer: nein.

GLM-5.3 mit denselben 753 Milliarden Parametern benötigt einen Server in der Größenordnung von acht H200-Grafikkarten (das sind mehr als ein Terabyte Videospeicher und Hardware im Wert von Hunderttausenden Dollar). Selbst auf einem Spitzenlaptop läuft es schlicht nicht. Bei der offenen Lizenz geht es um etwas anderes: Preiskonkurrenz und das Fehlen von Sperren. Du wirst es weiterhin über eine API nutzen.

Wann solltest du GLM-5.2 verwenden und wann Claude Opus behalten?#

Du musst dich nicht für immer auf ein Modell festlegen. Clevere Vibe-Coder behalten beide und wechseln je nach Aufgabe. Hier ist eine praktische Faustregel auf Grundlage der Erfahrungen von Anwendern.

GLM verwenden, wenn:

1. Du Entwürfe erstellst und iterierst – etwas skizzierst, prüfst und überarbeitest.
2. Du Frontend, Layouts und standardmäßigen Datenbankcode bearbeitest.
3. Du ein großes Volumen an günstiger Routinearbeit hast, bei der Wiederholungen in Ordnung sind.
4. Du ein großes Kontextfenster für ein paar Cent brauchst.
5. Du für die 80 % einfacherer Aufgaben weniger bezahlen möchtest.

Opus behalten, wenn:

1. Du endgültigen, komplexen Architekturcode schreibst.
2. Du eine lange Aufgabe mit mehreren Schritten hast, bei der der Agent nicht hängen bleiben darf.
3. Du an kritischer Logik arbeitest, bei der ein Fehler teuer wäre.
4. Es gleich beim ersten Versuch stimmen muss – Opus braucht halb so viele Korrekturen.

Bei GLM-5.2 gab es eine dokumentierte Schwäche: Bei langen Aufgaben mit mehreren Schritten blieb es manchmal in Schleifen hängen und wiederholte dieselben Aktionen. In Z.ai-SWE-Marathon-Tabelle verringert GLM-5.3 den Abstand zu Opus 4.8 von 29,4 auf 6,3 Prozentpunkte (42,5 gegenüber 48,8). Opus erzielt in diesem Test weiterhin mehr Punkte. Das allein misst keine Zuverlässigkeit bei deinen eigenen langen autonomen Aufgaben.

Und hier liegt die Falle: Das günstigste Werkzeug führt nicht immer zur günstigsten Arbeit. Wenn GLM dreimal schlechte Arbeit leistet und du alles von Hand fertigstellen musst, wird das günstige Modell am Ende teurer als Opus, das es beim ersten Versuch richtig gemacht hätte. Rechne die Kosten des fertigen Ergebnisses, nicht den Preis pro Token. Und falls du bei Claude bleibst: Separat erkläre ich, welches Modell zur Aufgabe passt – Sonnet oder Opus.

Welche Zugangs- und Zahlungsbedingungen solltest du beachten?#

Welche Risiken und Fallstricke gibt es?#

Niedrige Kosten bedeuten nicht, dass alles völlig risikofrei ist. Das solltest du vorher wissen.

Datenschutz. Der internationale Dienst von Z.ai ist auf ein Unternehmen in Singapur registriert, und seine Richtlinie für den API-Zugriff sieht vernünftig aus: Sie besagt, dass Inhalte ohne deine ausdrückliche Zustimmung weder gespeichert noch zum Trainieren von Modellen verwendet werden. Das sind jedoch Versprechen in einer Richtlinie, keine geprüften Garantien – ein öffentliches Sicherheitszertifikat gibt es nicht. Die Muttergesellschaft ist chinesisch, und chinesisches Recht könnte theoretisch den Zugriff auf Daten verlangen. Außerdem wurde Zhipu im Januar 2025 auf die US-Exportkontrollliste gesetzt. Das schränkt ein, was das Unternehmen in den USA kaufen kann; die Nutzung seiner Modelle wird dadurch nicht verboten, aber es ist ein Signal, das man beachten sollte.

Stabilität – der greifbarste Nachteil. Mitte Juni, als GLM-5.2 startete, fiel die API wegen strenger Auslastungsgrenzen für ein paar Tage aus: Zu Spitzenzeiten wurde bis zur Hälfte der Anfragen abgewiesen. Für den Produktiveinsatz heißt das, Claude als Ausweichlösung bereitzuhalten und sich nicht vollständig auf ein einziges Modell zu verlassen.

Allgemeine Sicherheitshinweise. Das gilt für jede KI eines Drittanbieters und verdient bei einer chinesischen KI besondere Aufmerksamkeit. Gib niemals Geheimnisse oder personenbezogene Daten in einen Prompt ein: API-Schlüssel, den Inhalt einer Passwortdatei, echte Kunden-E-Mail-Adressen und Telefonnummern oder Dumps von Produktionsdatenbanken. Richtlinien sind Versprechen, keine kryptografischen Schlösser. Projektsicherheit behandle ich ausführlicher im Leitfaden zu Vibe-Coding-Sicherheit.

Solltest du zu GLM-5.2 wechseln?#

Laut der Aktualisierung des Ausgangsmaterials vom 1. Oktober 2026 sind die Einsätze mit der Veröffentlichung von GLM-5.3 gestiegen: Das offene Modell ist wieder um ein Vielfaches günstiger und liegt nun in der Tabelle von Z.ai vor Opus 4.8. Für Unternehmer, die sich Sorgen machen, ihr ganzes Budget durch Claude-Limits aufzubrauchen, ist dies eine direkte Antwort.

Ich würde aber vor der Illusion warnen, es gehe allein um die Modellwahl. Denk an Semgreps Vorbehalt: Die Umgebung ist wichtiger als das Modell. Anwender sagen alle dasselbe: Vibe-Coding scheitert meistens aus einem Grund – dem Modell wurde kein Kontext gegeben. Ich habe gesehen, wie Leute das günstige GLM wählen, Context Engineering nicht richtig einrichten und Unsinn erhalten – und dann dem Modell die Schuld geben.

Mein Rat ist also einfach: Verbinde GLM heute, probiere es eine Woche lang mit deinen eigenen Aufgaben aus und behalte Opus für die schwierigen Fälle. Arbeite gleichzeitig an dem, was wirklich den Unterschied macht – dem Kontextmanagement. Dann liefert auch ein günstiges Modell stabile Ergebnisse.

Weitere Materialien findest du auf Ailoot.