# GLM-5.2 Alcança o Claude Opus 4.8: o modelo aberto custa 5 vezes menos > O GLM-5.2 da Z.ai programa quase tão bem como o Claude Opus 4.8, mas custa muitas vezes menos. Analiso os testes, os preços e como ligar o modelo aberto ao Claude Code em 5 minutos. Source: https://ailoot.ai/blog/pt-pt/glm-5-2-vs-claude-code/ Canonical: https://ailoot.ai/blog/pt-pt/glm-5-2-vs-claude-code/ Language: pt-PT Publisher: Ailoot (https://ailoot.ai/) Translation: guide-101 Revision: sha256-e0a5332558ca0fd38ac24e733ee2be78edb5255c3f7acaed2a6802268fb3d002
O essencial Atualizado em setembro de 2026: o GLM-5.3 (14 de agosto) sucedeu ao GLM-5.2, e todos os números abaixo dizem agora respeito a essa versão. O GLM da chinesa Z.ai programa ao nível do Claude Opus 4.8 e, em algumas áreas, até o supera, custando muitas vezes menos e estando disponível abertamente. Para trabalho de rotina, tarefas de frontend e edições de dimensão média, substitui o Opus por um quinto do preço. O Opus continua a ser mais fiável nas tarefas autónomas mais longas, embora a diferença no SWE-Marathon da tabela da Z.ai tenha passado de 29,4 para 6,3 pontos percentuais. Seguem-se os números reais e as instruções para ligar o GLM ao Claude Code em 5 minutos.
[Documentação da Ailoot](https://ailoot.ai/docs/) — materiais de referência sobre a utilização do serviço.
## O que é o GLM-5.2 e porque fala toda a gente dele?
O essencial O GLM-5.2 é um modelo da Z.ai, empresa sediada em Pequim (anteriormente Zhipu), lançado a 13 de junho de 2026, no dia seguinte a o governo dos EUA ter obrigado a Anthropic a desativar os seus modelos de topo, Fable 5 e Mythos 5. A versão atual da linha é o GLM-5.3 (14 de agosto de 2026). A principal característica da família é uma qualidade de código próxima da do Opus, com pesos abertos e um preço muitas vezes inferior.
Há duas semanas, aconteceu algo raro na comunidade de programação: um modelo aberto da China igualou o Claude mais caro. Em resumo: o GLM é um modelo enorme, com 753 mil milhões de parâmetros, mas só uma pequena parte (cerca de 40 mil milhões) é ativada em cada pedido, pelo que é rápido e barato apesar da sua dimensão. A janela de contexto tem 1 milhão de tokens, aproximadamente o equivalente a um livro de 700 páginas de uma só vez. Foi desenvolvido pela Z.ai, uma empresa de Pequim que nasceu na Universidade Tsinghua. O essencial é que o modelo está disponível abertamente. O GLM-5.2 tem uma licença MIT; o GLM-5.3 tem a sua própria licença, GLM-5.3 License, igualmente permissiva na sua essência: pode obtê-lo e utilizá-lo. A única restrição aplica-se aos gigantes — os serviços com receitas anuais de $10 billion ou mais têm de passar pela avaliação de segurança da Z.ai. O cenário descrito não tem bloqueios regionais, ao contrário do Claude. O momento foi favorável. No dia anterior ao lançamento, uma diretiva do governo dos EUA obrigou a Anthropic a desligar urgentemente dois modelos de topo.

Recebemos hoje uma diretiva do governo às 17h21, hora de Leste. Para cumprir os seus requisitos, temos de desativar abruptamente o Fable 5 e o Mythos 5 para todos os nossos clientes.

— Anthropic, https://www.anthropic.com/news/fable-mythos-access
O GLM-5.2 foi lançado no dia seguinte — aberto, sem bloqueios e barato. Na altura, ocupava o quarto lugar no ranking geral — atrás do Fable 5, do Opus 4.8 e do GPT-5.5. Mas, entre os modelos que se podem descarregar e executar sem a autorização do programador, era o melhor. Para um empresário, isso significa uma coisa: chegou um forte concorrente do Claude ao preço de um café. Depois, as linhas de modelos aceleraram. A 24 de julho, a Anthropic lançou o Opus 5 ao mesmo preço — $5 e $25 por milhão de tokens. O GLM-5.3 surgiu a 14 de agosto: os mesmos 753 mil milhões de parâmetros e uma janela de contexto de um milhão de tokens, mas com um desempenho de programação visivelmente melhor — 50% acima do GLM-5.2 no teste interno da Z.ai. A 1 de setembro, a Anthropic apresentou o Fable 5.1 e o Mythos 5.1. Assim, daqui em diante, os números deste artigo dizem respeito à versão atual, o GLM-5.3. ## O GLM-5.2 alcançou mesmo o Claude na programação?
O essencial Com o lançamento do GLM-5.3, o cenário mudou. Na tabela oficial da Z.ai, supera o Opus 4.8 em cinco de sete testes e quase eliminou a principal fraqueza do GLM-5.2 — tarefas com várias horas de duração (SWE-Marathon: GLM-5.2 19.4, GLM-5.3 42.5 e Opus 4.8 48.8 na mesma tabela publicada). O Opus 5 não está incluído nesta tabela, e ainda não existem medições independentes de «GLM-5.3 contra Opus 5». A resposta honesta é esta: o GLM-5.3 está agora à frente do Opus 4.8; quanto ao Opus 5, não sabemos.
Os números abaixo vêm do cartão oficial do modelo GLM-5.3 no HuggingFace. A Z.ai compara o seu modelo com o Opus 4.8, não com o Opus 5 — tenha em conta que esta é a tabela da empresa. | Teste | GLM-5.3 | GLM-5.2 | Opus 4.8 | O que demonstra | |----|----|----|----|----| | Terminal-Bench 2.1 (trabalho em terminal) | 88.2 | 81.0 | 85.0 | O GLM-5.3 está à frente | | Terminal-Bench 3.0 | 28.3 | 4.6 | 21.1 | Um salto de seis vezes; o Opus 4.8 fica atrás | | DeepSWE (tarefas reais de repositórios) | 66.9 | 46.2 | 58.0 | O GLM-5.3 está à frente | | FrontierSWE (tarefas de dimensão média) | 78.1 | 67.5 | 66.5 | O GLM-5.3 está à frente | | NL2Repo (edições num projeto de grande dimensão) | 58.0 | 48.9 | 69.7 | O Opus continua a ser melhor | | SWE-Marathon (tarefas com várias horas de duração) | 42.5 | 19.4 | 48.8 | A diferença passa de 29,4 para 6,3 pontos percentuais | | CyberGym (deteção de vulnerabilidades) | 84.5 | 77.2 | 78.1 | O GLM é o melhor | O cenário é este: o GLM-5.3 supera o Opus 4.8 em quase tudo e fica atrás quando a tarefa consiste em reescrever uma secção inteira de um projeto grande ou acompanhar uma tarefa durante várias horas sem perder o fio à meada. Neste benchmark de várias horas, a diferença publicada diminui 23,1 pontos percentuais: (48.8 − 19.4) − (48.8 − 42.5) = 23.1. É uma redução de cerca de 79% da diferença, não metade; descreve esta tabela, não uma taxa de fiabilidade medida no seu projeto. O trabalho autónomo prolongado é a última fronteira em que o Opus ainda se mantém firme. Em junho, pouco depois do lançamento do GLM-5.2, a equipa da Cline pediu-lhe a ele e ao Opus 4.8 que corrigissem um erro real do seu projeto.

Ambos os modelos corrigiram o erro, mas o GLM venceu em preço e qualidade de código: utilizou o dobro dos tokens, mas custou metade. O Opus deixou erros de tipos que passaram os testes, mas quebraram a compilação de produção.

— Cline
O interessante é que, por vezes, o GLM supera o Claude em tarefas específicas. A empresa de segurança Semgrep (que não desenvolve o GLM e é uma entidade independente) testou modelos na deteção de vulnerabilidades e concluiu que o GLM-5.2 sem agente superou um agente baseado no Opus. Mas também incluiu uma ressalva importante que convém não esquecer.

Este é um único ensaio com um único conjunto de dados. A estrutura à volta do modelo é mais importante do que o próprio modelo.

— Semgrep
Não se esqueça dessa ressalva — a estrutura é mais importante do que o modelo. A conclusão dos testes: o GLM-5.3 alcançou e superou o Opus 4.8 na programação do dia a dia e está quase ao mesmo nível nas tarefas mais difíceis. Diremos como se compara ao Opus 5 quando surgirem medições independentes. Para a maioria das tarefas de um empresário, a vantagem atual é suficiente. ## Quanto mais barato é o GLM-5.2 do que o Claude?
O essencial Por token, o GLM-5.3 é 3.5 vezes mais barato do que o Opus 5 na entrada e quase 6 vezes mais barato na saída — os preços não mudaram para nenhum dos lados desde a geração anterior. Numa fatura mensal com uma carga de trabalho típica, a diferença é de cerca de 5 vezes. Há, porém, um senão: o GLM consome mais tokens na mesma tarefa, pelo que a poupança real numa tarefa específica varia entre 2 e 7 vezes.
É disto que se trata. Vamos comparar os preços por milhão de tokens. | Modelo | Entrada (\$/1M) | Saída (\$/1M) | |----|----|----| | GLM-5.3 (diretamente da Z.ai) | \$1.40 | \$4.40 | | Claude Sonnet 5 | \$2.00 | \$10.00 | | Claude Opus 5 | \$5.00 | \$25.00 | | Claude Mythos 5.1 (o Claude mais caro) | \$10.00 | \$50.00 | Mas há aqui um senão, para ser sincero. O GLM está configurado para verificar novamente o seu trabalho antes de o submeter, pelo que utiliza visivelmente mais tokens na mesma tarefa (o modo de raciocínio do GLM-5.3 está sempre ativo e não pode ser desligado). Assim, a poupança real numa tarefa específica situa-se entre 2 e 7 vezes, consoante o esforço de verificação do GLM. É menos do que as «5 vezes» sugeridas pelo preço, mas continua a deixar-lhe dinheiro no bolso. O GLM é uma forma de pagar menos; tenho análises separadas sobre o DeepSeek e [outros modelos baratos para programação](https://ailoot.ai/blog/pt-pt/free-coding-models/). Poupar num modelo é apenas o início. É muito mais importante criar um sistema em que o Claude deixe de alucinar com qualquer modelo. O modelo que escolhe é o motor. O que coloca no contexto é o que constrói o carro. ## Como ligar o GLM-5.2 ao Claude Code em 5 minutos
O essencial Não é preciso descarregar nada — o GLM liga-se ao Claude Code habitual através de variáveis de ambiente. Há uma opção: uma subscrição Z.ai (a partir de \$18 por mês, a mais simples para o trabalho diário). Seguem-se os passos exatos; basta copiar e colar.
A melhor parte é que não precisa de mudar de ferramentas. O Claude Code mantém-se; só muda o modelo que responde nos bastidores. Ligá-lo requer apenas algumas linhas nas definições. ### Opção 1 - subscrição Z.ai (para o trabalho diário) A Z.ai oferece uma subscrição especial GLM Coding Plan, concebida para ferramentas de programação. O preço é fixo e o ponto final da API utiliza a linguagem nativa do Claude Code. 1. #### Subscreva Aceda a z.ai/subscribe e escolha um plano. O Lite começa em \$18 por mês (suficiente para um dia inteiro de trabalho intensivo); existem planos mais caros para quem programa o dia todo. 2. #### Crie uma chave Em z.ai, aceda a API Keys, clique em “Create a new API key” e copie a chave. 3. #### Configure as definições Abra o ficheiro ~/.claude/settings.json e cole o bloco abaixo, substituindo o marcador pela sua chave. 4. #### Reinicie o terminal Abra um novo terminal, execute claude e introduza /status para verificar. ```json { "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" } } ```
Aviso Dois erros comuns noutros guias. Primeiro: a variável chama-se `ANTHROPIC_AUTH_TOKEN`, não `ANTHROPIC_API_KEY`. Segundo: o endereço para o Claude Code é especificamente `https://api.z.ai/api/anthropic` (formato Anthropic). O `/api/paas/v4` simples não funciona com a subscrição.
Depois disto, o Claude Code apresentará os nomes “Opus” e “Sonnet”, mas executará o GLM nos bastidores — a Z.ai troca o modelo do seu lado. Se ainda tiver glm-5.2 definido na configuração, não há problema: a própria Z.ai encaminha os pedidos de GLM-5.2 e 5.1 para GLM-5.3 e os pedidos de GLM-4.7 para GLM-5.3-Flash. 1. #### Obtenha uma chave 2. #### Adicione fundos 3. #### Configure as definições Cole o bloco abaixo em ~/.claude/settings.json — o modelo GLM já está especificado. 4. #### Inicie o Claude Code Abra um novo terminal e execute claude. Pode mudar de modelo em qualquer altura com o comando /model. ```json { "env": { "ANTHROPIC_BASE_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" } } ``` ### Executar localmente em casa — sinceramente, é irrealista Como os pesos são abertos, a pergunta óbvia é: pode descarregá-lo e executá-lo gratuitamente por sua conta? Para um empresário sem servidor próprio, não. O GLM-5.3, com os mesmos 753 mil milhões de parâmetros, requer um servidor com cerca de oito placas gráficas H200 (mais de um terabyte de memória de vídeo e hardware que custa centenas de milhares de dólares). Não funcionará nem num portátil de topo. A licença aberta diz respeito a outra coisa: concorrência de preços e ausência de bloqueios. Continuará a utilizá-lo através de uma API. ## Quando deve utilizar o GLM-5.2 e quando deve manter o Claude Opus?
O essencial A regra simples: o GLM é um cavalo de batalha barato para 80% da programação; o Opus é um especialista caro e fiável para tarefas difíceis. Utilize o GLM para rascunhos, iterações, trabalho de frontend e tarefas de rotina em que não há problema em repetir o trabalho. Mantenha o Opus para arquitetura complexa final, tarefas longas com várias etapas e lógica crítica em que é importante acertar «à primeira».
Não precisa de escolher um único modelo para sempre. Quem programa com vibe de forma inteligente mantém ambos e alterna consoante a tarefa. Eis uma regra prática baseada no feedback de profissionais. **Utilize o GLM quando:** 1. Está a preparar rascunhos e a iterar — esboça algo, revê e refaz. 2. Trabalha em frontend, esquemas e código de bases de dados padrão. 3. Precisa de muito trabalho de rotina barato, que pode ser repetido sem problemas. 4. Precisa de uma janela de contexto grande por tostões. 5. Simplesmente quer pagar menos pelos 80% de tarefas mais fáceis. **Mantenha o Opus quando:** 1. Escreve código final de arquitetura complexa. 2. Tem uma tarefa longa, com várias etapas, na qual o agente não pode ficar bloqueado. 3. Trabalha com lógica crítica em que o custo de um erro é elevado. 4. Precisa de acertar à primeira — o Opus precisa de metade das correções. O GLM-5.2 tinha uma fraqueza documentada: em tarefas longas com várias etapas, por vezes ficava preso em ciclos e repetia as mesmas ações. Na tabela SWE-Marathon publicada pela Z.ai, o GLM-5.3 reduz a diferença face ao Opus 4.8 de 29,4 para 6,3 pontos percentuais (42.5 contra 48.8). O Opus continua a pontuar mais nesse teste, mas isso não mede, por si só, a fiabilidade nas suas próprias tarefas autónomas longas. Eis a armadilha: a ferramenta mais barata nem sempre resulta no trabalho mais barato. Se o GLM fizer um mau trabalho três vezes e tiver de o terminar à mão, o modelo barato acabará por lhe custar mais do que o Opus, que teria acertado à primeira. Calcule o custo de um resultado concluído, não o preço por token. E se continuar a usar o Claude, explico separadamente [qual modelo escolher para cada tarefa: Sonnet ou Opus](https://ailoot.ai/blog/pt-pt/claude-code-model-effort-sonnet-opus/). ## Que condições de acesso e pagamento deve ter em conta?
O essencial A fonte descreve uma subscrição Z.ai como opção de pagamento.
Dica Se precisa de uma subscrição fixa para o Claude Code e tem um cartão aceite pelo sistema de pagamento, considere o Z.ai Coding Plan.
## Quais são os riscos e as armadilhas?
O essencial Há três desvantagens. Privacidade: é um modelo chinês e os dados são enviados para os servidores da Z.ai (a entidade jurídica está em Singapura; a sua política promete não armazenar nem treinar com o seu código, mas não há auditoria independente). Estabilidade: a API do GLM esteve indisponível durante alguns dias em junho devido a sobrecarga. E há o risco geral de qualquer IA de terceiros — nunca lhe envie segredos nem dados de clientes.
Um custo baixo não significa que seja totalmente isento de riscos. Eis o que deve saber de antemão. **Privacidade.** O serviço internacional da Z.ai está registado em nome de uma empresa de Singapura, e a sua política de acesso à API parece razoável: afirma que os materiais não são armazenados nem utilizados para treinar modelos sem o seu consentimento explícito. Mas são promessas numa política, não garantias auditadas — não há certificado de segurança público. A empresa-mãe é chinesa e, teoricamente, a lei chinesa poderia exigir acesso aos dados. Além disso, em janeiro de 2025, a Zhipu foi adicionada à lista de controlo de exportações dos EUA. Isso limita o que a empresa pode comprar aos EUA; não proíbe a utilização dos seus modelos, mas é um sinal a ter em conta. **Estabilidade — a desvantagem mais concreta.** Em meados de junho, quando o GLM-5.2 foi lançado, a API esteve indisponível durante alguns dias devido a limites de carga rigorosos: nas horas de ponta, até metade dos pedidos eram rejeitados. Para trabalho de produção, isso significa manter o Claude como alternativa e não depender inteiramente de um único modelo. **Recomendações gerais de segurança.** Isto aplica-se a qualquer IA de terceiros e merece ainda mais atenção no caso de uma chinesa. Nunca inclua segredos ou dados pessoais num prompt: chaves API, o conteúdo de um ficheiro de palavras-passe, endereços de e-mail e números de telefone reais de clientes ou cópias de bases de dados de produção. As políticas são promessas, não fechaduras criptográficas. Explico a segurança de projetos com mais detalhe no guia sobre [segurança no vibe coding](https://ailoot.ai/blog/pt-pt/vibe-coding-security/). ## Deve mudar para o GLM-5.2?
O essencial Se o custo do Claude é um problema para si — sim, experimente-o já; a configuração demora 5 minutos. Mantenha o GLM para o trabalho de rotina e o Opus para tarefas difíceis, e pague menos pelos 80% de tarefas mais fáceis. Mas lembre-se do ponto principal: 80% do resultado depende do que coloca no contexto. Um modelo barato sem um contexto bem configurado produz lixo.
Segundo a atualização do material de origem a 1 de outubro de 2026, a aposta subiu com o lançamento do GLM-5.3: o modelo aberto voltou a ser muitas vezes mais barato e está agora à frente do Opus 4.8 na tabela da Z.ai. Para um empresário preocupado em esgotar todo o orçamento com os limites do Claude, esta é uma resposta direta. Mas alertaria contra a ilusão de que tudo se resume à escolha de um modelo. Lembre-se da ressalva da Semgrep — a estrutura é mais importante do que o modelo. Os profissionais dizem todos o mesmo: o vibe coding falha mais frequentemente por uma razão — não foi dado contexto ao modelo. Já vi pessoas escolherem o GLM barato, não conseguirem configurar o [context engineering](https://ailoot.ai/blog/pt-pt/context-engineering/), obterem lixo e depois culparem o modelo. O meu conselho é simples. Ligue o GLM hoje, experimente-o durante uma semana nas suas próprias tarefas e mantenha o Opus para as mais difíceis. Ao mesmo tempo, trabalhe naquilo que realmente faz a diferença — a gestão do contexto. Assim, até um modelo barato dará um resultado estável.
### Fontes - [Z.ai - cartão do modelo GLM-5.3 (HuggingFace)](https://huggingface.co/zai-org/GLM-5.3) - [Z.ai - GLM Coding Plan](https://z.ai/subscribe) - [Z.ai - blogue oficial sobre o GLM-5.2 (HuggingFace)](https://huggingface.co/blog/zai-org/glm-52-blog) - [Z.ai - cartão do modelo GLM-5.2](https://huggingface.co/zai-org/GLM-5.2) - [Z.ai - preços da API](https://docs.z.ai/guides/overview/pricing) - [Z.ai - ligação ao Claude Code (documentação)](https://docs.z.ai/devpack/tool/claude) - [Anthropic - preços do Claude](https://www.anthropic.com/pricing) - [Anthropic - declaração sobre a desativação do Fable 5 e Mythos 5](https://www.anthropic.com/news/fable-mythos-access)
Um modelo barato poupa dinheiro. Preparar o contexto ajuda-o a trabalhar de forma consistente. Encontra materiais adicionais na [Ailoot](https://ailoot.ai/). ## Perguntas frequentes ### Quanto diminuiu realmente a diferença publicada no SWE-Marathon? Na mesma tabela, Opus 4.8 menos GLM-5.2 dá 48.8 − 19.4 = 29.4 pontos percentuais; Opus menos GLM-5.3 dá 48.8 − 42.5 = 6.3 pontos. A diferença diminui 23,1 pontos, cerca de 79 por cento, nessa comparação publicada pelo fornecedor. ### Um preço inferior por token garante uma tarefa concluída mais barata? Não. Registe a entrada e saída total, as tentativas falhadas e os resultados aceites nas suas tarefas. Iterações adicionais ou trabalho incompleto podem anular a tarifa inferior. Compare o custo por resultado concluído, além da tabela de preços. ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.