A GLM-5.2 felzárkózik a Claude Opus 4.8-hoz: a nyílt modell 5-ször olcsóbb

Mi az a GLM-5.2, és miért beszél róla mindenki?#

Röviden: a GLM hatalmas modell: 753 milliárd paramétere van, de kérésenként csak egy kis részét (körülbelül 40 milliárdot) aktiválja, ezért a mérete ellenére gyors és olcsó. A kontextusablaka 1 millió token, ami nagyjából egy 700 oldalas könyvnek felel meg egyszerre. A fejlesztője a pekingi Z.ai, amely a Tsinghua Egyetemből nőtt ki. A lényeg: a modell nyíltan elérhető. A GLM-5.2 MIT-licencű; a GLM-5.3 saját GLM-5.3 License licenccel rendelkezik, hasonlóan megengedő szellemiséggel: vedd és használd. Egyetlen korlátozás a nagyvállalatokra vonatkozik: az évi 10 milliárd dolláros vagy annál nagyobb bevételű szolgáltatásoknak át kell menniük a Z.ai biztonsági felülvizsgálatán. A leírt forgatókönyvben nincsenek regionális korlátozások, a Claude-dal ellentétben.

Az időzítés is kedvezett neki. A megjelenése előtti napon egy amerikai kormányzati irányelv arra kényszerítette az Anthropicot, hogy sürgősen leállítsa két csúcsmodelljét.

Akkoriban összesítésben a negyedik helyen állt, a Fable 5, az Opus 4.8 és a GPT-5.5 mögött. Azonban azok között a modellek között, amelyeket a fejlesztő engedélye nélkül is letölthetsz és futtathatsz, ez volt a legjobb. Egy vállalkozó számára ez egy dolgot jelent: megérkezett egy erős Claude-versenytárs, egy csésze kávé áráért.

Aztán felbolydult a modellkínálat. Július 24-én az Anthropic ugyanazon az áron kiadta az Opus 5-öt: 5 és 25 dollár egymillió tokenenként. Augusztus 14-én megjelent a GLM-5.3: ugyanúgy 753 milliárd paraméterrel és egymillió tokenes kontextussal, de érezhetően jobb kódolási képességekkel — a Z.ai belső tesztjén 50%-kal múlta felül a GLM-5.2-t. Szeptember 1-jén az Anthropic bemutatta a Fable 5.1-et és a Mythos 5.1-et. Ezért innentől a cikkben szereplő adatok a jelenlegi verzióra, a GLM-5.3-ra vonatkoznak.

Tényleg felzárkózott a GLM-5.2 a Claude-hoz kódolásban?#

Az alábbi adatok a GLM-5.3 hivatalos HuggingFace modellkártyájáról származnak. A Z.ai a modelljét az Opus 4.8-cal, nem pedig az Opus 5-tel hasonlítja össze — ne feledd, hogy ez az ő táblázatuk.

A kép tehát a következő: a GLM-5.3 szinte mindenhol megelőzi az Opus 4.8-at, és akkor marad le, ha egy nagy projekt teljes szakaszát kell átírni, vagy többórás feladatot kell végigkövetni a fonal elvesztése nélkül. Ezen a többórás benchmarkon a közölt különbség 23.1 százalékponttal szűkül: (48.8 − 19.4) − (48.8 − 42.5) = 23.1. Ez a különbség körülbelül 79%-os csökkenése, nem feleződés; ezt a táblázatot írja le, nem a saját projekted mért megbízhatóságát. A hosszú, autonóm munka az utolsó terület, ahol az Opus még szilárdan tartja magát.

Júniusban, nem sokkal a GLM-5.2 megjelenése után, a Cline csapata arra kérte a modellt és az Opus 4.8-at, hogy javítsanak ki egy valódi hibát a projektjükben.

Érdekes, hogy a GLM néha szűkebb feladatokban is legyőzi a Claude-ot. A Semgrep biztonsági vállalat (nem a GLM fejlesztője, tehát független szereplő) sebezhetőség-felderítésben tesztelte a modelleket, és azt találta, hogy a csupasz GLM-5.2 felülmúlt egy Opuson futó ügynököt. Ugyanakkor egy kijózanító megjegyzést is fűztek az eredményekhez, amit érdemes észben tartani.

Ne feledd ezt a megjegyzést: a keretrendszer fontosabb, mint maga a modell. A tesztek tanulsága: a GLM-5.3 felzárkózott az Opus 4.8-hoz, majd meg is előzte a hétköznapi kódolási feladatokban, a legnehezebb feladatokban pedig majdnem azonos szinten van vele. Arról, hogy hogyan viszonyul az Opus 5-höz, akkor írunk, amikor megjelennek a független mérések. A vállalkozók legtöbb feladatához a jelenlegi előny elegendő.

Mennyivel olcsóbb a GLM-5.2 a Claude-nál?#

Nézzük, miről van szó. Hasonlítsuk össze az egymillió tokenre jutó árakat.

Őszintén szólva azonban van egy bökkenő. A GLM úgy van beállítva, hogy beküldés előtt ellenőrizze magát, ezért ugyanahhoz a feladathoz érezhetően több tokent használ (a GLM-5.3 gondolkodási módja mindig be van kapcsolva, és nem kapcsolható ki).

A tényleges megtakarítás tehát egy adott feladatnál 2–7-szeres lehet, attól függően, mennyire kell a GLM-nek ellenőriznie magát. Ez kevesebb, mint az ár alapján ígért „ötszörös”, de így is pénz marad a zsebedben. A GLM az egyik lehetőség a költségek csökkentésére; külön elemzést írtam a DeepSeekről és más olcsó kódolási modellekről is.

Egyetlen modell költségén spórolni csak a kezdet. Sokkal fontosabb olyan rendszert kialakítani, amelyben a Claude bármilyen modellel megszűnik hallucinálni. A választott modell a motor. Az teszi autóvá, amit a kontextusába töltesz.

Hogyan kapcsoljuk össze a GLM-5.2-t a Claude Code-dal 5 perc alatt?#

A legjobb az egészben, hogy nem kell eszközt váltanod. A Claude Code marad, csak a háttérben válaszoló modell változik. A beállításokban mindössze néhány sort kell módosítani.

1. lehetőség - Z.ai-előfizetés (mindennapi munkához)

A Z.ai külön GLM Coding Plan-előfizetést kínál, amelyet kódolóeszközökhöz szabtak. Az ár fix, az API-végpont pedig a Claude Code natív nyelvén kommunikál.

1. Iratkozz fel

   Nyisd meg a z.ai/subscribe oldalt, és válassz csomagot. A Lite havi $18-tól indul (egy teljes nap intenzív munkára elegendő); azok számára, akik egész nap kódolnak, drágább csomagok is elérhetők.

2. Hozz létre egy kulcsot

   A z.ai oldalon nyisd meg az API Keys részt, kattints a „Create a new API key” lehetőségre, majd másold ki a kulcsot.

3. Állítsd be a konfigurációt

   Nyisd meg a ~/.claude/settings.json fájlt, és illeszd be az alábbi blokkot. Cseréld le a helyőrzőt a saját kulcsodra.

4. Indítsd újra a terminált

   Nyiss egy új terminált, futtasd a claude parancsot, majd az ellenőrzéshez írd be, hogy /status.

{
  "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"
  }
}

Ezután a Claude Code továbbra is az „Opus” és „Sonnet” neveket mutatja majd, de a háttérben GLM fut — a Z.ai a saját oldalán cseréli le a modellt. Ha a konfigurációdban még glm-5.2 szerepel, az sem gond: a Z.ai maga irányítja át a GLM-5.2 és 5.1 kéréseit a GLM-5.3-ra, a GLM-4.7 kéréseit pedig a GLM-5.3-Flashre.

1. Szerezz egy kulcsot

2. Töltsd fel az egyenlegedet

3. Állítsd be a konfigurációt

   Illeszd be az alábbi blokkot a ~/.claude/settings.json fájlba — a GLM-modell már szerepel benne.

4. Indítsd el a Claude Code-ot

   Nyiss egy új terminált, és futtasd a claude parancsot. A /model paranccsal menet közben is válthatsz.

{
  "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"
  }
}

Helyi futtatás otthon - őszintén szólva nem reális

Mivel a súlyok nyíltak, kézenfekvő a kérdés: le lehet tölteni és ingyen, saját magunknál futtatni? Saját szerver nélküli vállalkozóként nem.

A 753 milliárd paraméteres GLM-5.3 futtatásához nyolc H200 grafikus kártya nagyságrendjének megfelelő szerver kell (több mint egy terabájtnyi videomemóriával és több százezer dollár értékű hardverrel). Még egy csúcskategóriás laptopon sem futna. A nyílt licenc másról szól: árversenyről és a blokkolások hiányáról. Te továbbra is API-n keresztül használod majd.

Mikor használd a GLM-5.2-t, és mikor maradj a Claude Opusnál?#

Nem kell örökre egyetlen modellt választanod. Az ügyes vibe coderek mindkettőt használják, és a feladat szerint váltanak. Íme egy gyakorlati szabály a szakemberek visszajelzései alapján.

Használd a GLM-et, ha:

1. Vázlatot készítesz és iterálsz — felvázolsz valamit, átnézed, majd újra elkészíted.
2. Frontenddel, elrendezéssel és szokványos adatbáziskóddal dolgozol.
3. Nagy mennyiségű olcsó, rutinszerű munkát végzel, amelyet nem gond újra elvégezni.
4. Fillérekért nagy kontextusablakra van szükséged.
5. Egyszerűen kevesebbet szeretnél fizetni a könnyebb feladatok 80%-áért.

Tartsd meg az Opust, ha:

1. Végleges, összetett architektúrájú kódot írsz.
2. Hosszú, több lépésből álló feladatot végzel, amelyben az ügynök nem akadhat el.
3. Kritikus logikán dolgozol, ahol magas a hiba ára.
4. Elsőre kell helyes eredményt kapnod — az Opus feleannyi javítást igényel.

A GLM-5.2-nek dokumentált gyengesége volt: hosszú, többlépéses feladatoknál néha ciklusokba ragadt, és ugyanazokat a műveleteket ismételgette. A Z.ai által közölt SWE-Marathon-táblázatban a GLM-5.3 az Opus 4.8-hoz képesti különbséget 29.4-ről 6.3 százalékpontra szűkíti (42.5 a 48.8-cal szemben). Az Opus ezen a teszten továbbra is magasabb pontszámot ér el, de ez önmagában nem méri a saját hosszú autonóm feladataid megbízhatóságát.

És itt a csapda: a legolcsóbb eszköz nem mindig eredményezi a legolcsóbb munkát. Ha a GLM háromszor rossz munkát végez, és neked kell kézzel befejezned, az olcsó modell végül többe kerülhet, mint az Opus, amely elsőre jól oldotta volna meg. A kész eredmény költségét számold, ne a tokenenkénti árat. Ha pedig a Claude-nál maradsz, külön írok arról, hogy az adott feladathoz a Sonnet vagy az Opus a jobb választás.

Milyen hozzáférési és fizetési feltételeket érdemes figyelembe venni?#

Milyen kockázatokra és buktatókra kell figyelni?#

Az alacsony költség nem jelent teljes kockázatmentességet. Íme, amit előre tudnod kell.

Adatvédelem. A Z.ai nemzetközi szolgáltatása egy szingapúri céghez van bejegyezve, az API-hozzáférésre vonatkozó irányelve pedig elfogadhatónak tűnik: azt ígéri, hogy kifejezett hozzájárulásod nélkül nem tárolják az anyagokat, és nem használják őket modelltréningre. Ezek azonban irányelvi ígéretek, nem auditált garanciák — nincs nyilvános biztonsági tanúsítvány. Az anyavállalat kínai, és a kínai törvények elméletileg hozzáférést követelhetnek az adatokhoz. Ráadásul 2025 januárjában a Zhipu felkerült az amerikai exportellenőrzési listára. Ez korlátozza, hogy mit vásárolhat a cég az Egyesült Államokból; a modelljei használatát nem tiltja, de jelzésértékű körülmény.

Stabilitás — a legkézzelfoghatóbb hátrány. Június közepén, a GLM-5.2 indulásakor, a szigorú terhelési korlátozások miatt az API néhány napig nem működött: csúcsidőben a kérések akár felét is elutasították. Produkciós munkánál ez azt jelenti, hogy tartalékként meg kell tartanod a Claude-ot, és nem szabad teljesen egyetlen modelltől függened.

Általános biztonsági tanács. Ez minden külső AI-ra érvényes, egy kínai modell esetén pedig kétszer annyi figyelmet érdemel. Soha ne írj titkokat vagy személyes adatokat a promptba: API-kulcsokat, jelszófájlok tartalmát, valódi ügyfelek e-mail-címét és telefonszámát, illetve produkciós adatbázisok dumpját. Az irányelvek ígéretek, nem kriptográfiai zárak. A projektbiztonságról részletesebben a vibe coding biztonságáról szóló útmutatóban írok.

Válts a GLM-5.2-re?#

A forrásanyag 2026. október 1-jei frissítése szerint a GLM-5.3 megjelenésével nagyobb lett a tét: a nyílt modell ismét sokszor olcsóbb, és most már a Z.ai táblázatában az Opus 4.8 előtt áll. Ez közvetlen válasz annak a vállalkozónak, aki attól tart, hogy a Claude korlátai miatt elfüstöl a teljes kerete.

Óva intenék viszont attól az illúziótól, hogy csak a modellválasztás számít. Emlékezz a Semgrep megjegyzésére: a keretrendszer fontosabb a modellnél. A szakemberek mind ugyanazt mondják: a vibe coding leggyakrabban egy okból romlik el — a modell nem kapott kontextust. Láttam már, hogy valaki olcsó GLM-et választott, nem állította be a context engineeringet, használhatatlan eredményt kapott, aztán a modellt hibáztatta.

A tanácsom egyszerű. Kapcsold össze a GLM-et még ma, próbáld ki a saját feladataidon egy hétig, az Opust pedig tartsd meg a nehéz esetekre. Közben dolgozz azon, ami igazán számít: a kontextus kezelésén. Így még egy olcsó modell is stabil eredményt ad.

További anyagok az Ailoot oldalán érhetők el.