Peso aberto costumava significar que você aceitava uma queda real de capacidade para escapar de uma API medida. O GLM-5.2 deixa essa troca bem menos óbvia. Ele faz 62,1 no SWE-bench Pro e 81,0 no Terminal-Bench 2.1, o que o coloca acima do GPT-5.5 no primeiro e a quatro pontos do Claude Opus 4.8 no segundo, por cerca de um sexto do custo de API de fronteira.
Ele não fica em primeiro. E não é isso que interessa.
Como o GLM-5.2 se compara nos benchmarks de código?
Dois benchmarks importam para trabalho agêntico. O SWE-bench Pro mede se o modelo resolve issue real de repositório de ponta a ponta. O Terminal-Bench 2.1 mede se ele aguenta uma sessão longa de shell sem perder o fio.
| Modelo | SWE-bench Pro | Terminal-Bench 2.1 | Pesos |
|---|---|---|---|
| Claude Opus 4.8 | 69,2 | 85,0 | Fechados |
| GLM-5.2 | 62,1 | 81,0 | Abertos, MIT |
| GPT-5.5 | 58,6 | n/d | Fechados |
Leia as distâncias, não a colocação. O GLM-5.2 está 7,1 pontos abaixo do Opus 4.8 no SWE-bench Pro e 4 pontos abaixo no Terminal-Bench. E está 3,5 pontos acima do GPT-5.5 no SWE-bench Pro. Um modelo de peso aberto ganhando de um laboratório de fronteira e perdendo do outro por um dígito é uma situação diferente da que existia um ano atrás.
Quanto custa cada um na API oficial?
| Modelo | Entrada (por milhão de tokens) | Saída (por milhão de tokens) |
|---|---|---|
| Claude Opus 4.8 | US$ 5 | US$ 25 |
| GLM-5.2 | US$ 1,40 | US$ 4,40 |
Fonte: preço oficial de lançamento, Anthropic (anthropic.com) e Z.ai (z.ai), consultados em 15/09/2026. Na saída, que é onde um modelo de raciocínio gasta a maior parte do orçamento numa tarefa de código, o GLM-5.2 sai 5,7 vezes mais barato. Na entrada, a diferença cai para 3,6 vezes. "Cerca de um sexto do custo", como a abertura deste artigo descreve, é a aproximação do lado da saída, que é o que mais pesa numa sessão agêntica longa.
O que tem dentro do modelo?
| Parâmetros totais | 753B |
| Ativos por token | cerca de 40B |
| Janela de contexto | 1M tokens |
| Saída máxima | 128K tokens |
| Licença | MIT |
| Lançamento | 13 de junho de 2026 |
A proporção do MoE é a linha para reparar. Um modelo de 753B que ativa uns 40B por token custa mais ou menos o que custa servir um denso de 40B, carregando o conhecimento de algo dezenove vezes maior. É essa proporção que coloca o preço por ponto onde ele está.
O contexto de 1M é a segunda coisa. Numa execução agêntica longa, contexto é o que impede o agente de reler os mesmos arquivos, rederivar as mesmas conclusões e queimar uma segunda passada em trabalho que ele já fez.
Por que a licença MIT importa mais que a nota?
MIT quer dizer que você roda, modifica e comercializa sem pedir para ninguém. Sem cláusula de uso que muda no trimestre seguinte, sem auditoria por assento, sem parágrafo sobre produto concorrente.
A maioria dos lançamentos de peso aberto vem com licença própria e alguma exceção escondida. Uma licença de fato permissiva num modelo tão perto da fronteira derruba o argumento de que peso aberto só serve para projeto de hobby.
A nota de benchmark diz o que o modelo faz hoje. A licença diz se você tem permissão de construir um negócio em cima dele pelos próximos cinco anos. Só um desses dois números é estável.
Onde o GLM-5.2 ainda perde?
Honestamente, no topo da curva de dificuldade. Aqueles 7,1 pontos no SWE-bench Pro não estão distribuídos igualmente entre tarefa fácil e difícil. Diferença desse tipo se concentra nos casos mais duros: a issue ambígua, o refactor que encosta em doze arquivos, o bug cuja reprodução já é um quebra-cabeça.
Se o seu trabalho é majoritariamente isso, o Opus 4.8 continua sendo a ferramenta melhor e o preço se justifica. Se o seu trabalho é a distribuição normal de tickets que qualquer base de código gera, você está pagando seis vezes mais por uma diferença que não vai sentir na maioria dos dias.
Como decidir de verdade?
- Olhe o seu ticket mais difícil do mês passado, não o médio. A diferença de benchmark só aparece ali. Se o modelo de fronteira também não teria salvado, a diferença é teórica.
- Preço por ponto, não preço por token. Seis vezes o custo por onze por cento a mais de capacidade é uma troca ruim em volume e uma troca ótima para uma execução crítica.
- Pare de tratar como escolha única. A resposta real costuma ser roteamento: o modelo aberto para o grosso, o de fronteira para as poucas tarefas que merecem.
A pegadinha que ninguém põe na tabela de benchmark
Todo número acima assume que o modelo consegue terminar. Em cobrança medida, muitas vezes ele não termina. Uma janela de 1M de contexto só é vantagem se você puder pagar para enchê-la, e execução agêntica longa é exatamente o tipo de tarefa que é interrompida quando alguém está olhando a conta de token.
Os 7,1 pontos de diferença só vão aparecer no seu ticket mais difícil do mês. Para todo o resto, o que decide não é a nota, é quantas tentativas você pode pagar. Na Verboo Code o GLM-5.2 roda em GPU dedicada com token ilimitado, então a quinta tentativa custa o mesmo que a primeira, e a janela de 1M deixa de ser número de folheto.
