GLM 5.2 Reasoning Effort: die Einstellung, die Kosten 20x senkt

GLM 5.2 ist jetzt auf Synthorai verfügbar. Die Token-Preise liegen bei etwa einem Sechstel der Frontier-Modelle, und die angekündigte Kombination aus Open Weights und Frontier-Benchmarks hält, was sie verspricht. Der Preis pro Token ist jedoch die falsche Kennzahl. Was eine Coding-Aufgabe mit GLM 5.2 tatsächlich kostet, hängt vor allem von einer einzigen Einstellung ab: dem Reasoning Effort. Je nach Wert unterscheiden sich die Kosten um mehr als eine Größenordnung, und der Default ist die ungünstigste Einstellung. Richtig konfiguriert liefert GLM 5.2 bei einfachen wie schwierigen Aufgaben korrekte Ergebnisse und ist günstiger als Frontier-Modelle. Mit dem Default kostet dieselbe Antwort zwanzigmal mehr und dauert mehrere Minuten. Wir haben es gemessen.

TL;DR

• GLM 5.2 kostet auf Synthorai $1.40/M für Input und $4.40/M für Output, beim Output also etwa ein Sechstel von claude-opus-4-8.
• Bei einer einfachen Coding-Aufgabe kostete GLM 5.2 mit deaktiviertem Thinking $0.0008 und brauchte 5 Sekunden. Der unbegrenzte Default lieferte dieselbe Antwort für $0.0285 in 137 Sekunden.
• Bei einer schwierigen Aufgabe lieferte reasoning_effort: high für $0.0031 in 13 Sekunden die richtige Antwort. Das war etwa 20-mal günstiger und 30-mal schneller als der unbegrenzte Default ($0.062, 405 Sekunden).
• GLMs Effort-Stufe low erzeugte bei beiden Aufgaben mehr Reasoning-Tokens als high: Die Bezeichnungen entsprechen nicht der Token-Anzahl.

Was GLM 5.2 ist

GLM 5.2 ist Zhipus Open-Weight-Frontier-Modell und wurde am 2026-06-13 veröffentlicht. Es nutzt eine Mixture-of-Experts-Architektur (~744B Parameter insgesamt, ~40B aktiv), bietet einen nutzbaren Kontext von 1M Tokens und steht unter einer MIT-Lizenz, die Self-Hosting erlaubt. Das Modell ist auf Coding und agentische Workloads ausgelegt und erreicht in den veröffentlichten Benchmarks starke Werte (SWE-bench Pro 62.1, Terminal-Bench 2.1 81.0, AIME 2026 99.2, GPQA Diamond 91.2). Auf Synthorai läuft es unter glm-5.2 und kostet $1.40 pro Million Input-Tokens sowie $4.40 pro Million Output-Tokens.

Für alles Weitere ist ein Detail entscheidend: GLM 5.2 ist ein Reasoning-Modell, und du legst fest, wie viel Reasoning es nutzt.

Preisliche Einordnung

Gemessen am Listenpreis pro Token liegt GLM 5.2 deutlich unter den westlichen Frontier-Modellen und im Bereich der günstigeren chinesischen Modelle. Für eine repräsentative Auswahl gelten bei Synthorai folgende Preise:

Der Output-Preis von $4.40 liegt bei etwa einem Siebtel von gpt-5.5 und einem Sechstel von claude-opus-4-8. deepseek-v4-pro und kimi-k2.5 sind allerdings noch günstiger. GLM 5.2 bietet damit Leistungsfähigkeit auf Frontier-Niveau zu Preisen, die eher chinesischen Modellen entsprechen, ist aber nicht die billigste Option. Für Cache-Writes gibt es keinen separaten Tarif: Sie werden zum Input-Preis abgerechnet, nur Cache-Reads erhalten den oben genannten Rabatt. Dieser hängt vom Anbieter ab. Bei GLM 5.2 kostet ein Cache-Read etwa ein Fünftel des Input-Preises; bei den Frontier-Modellen (gpt-5.5, claude-opus-4-8, gemini-3.1-pro) liegt er ungefähr bei einem Zehntel.

Auch gegenüber den Vorgängern ist GLM 5.2 ein deutlicher Sprung. Die vorherige GLM-Generation war außergewöhnlich günstig. Mit der GLM-5-Reihe stiegen die Preise, und GLM 5.2 kostet beim Input etwa dreimal so viel wie GLM-4.6 (offizielle Preise von Zhipu):

Dafür erhältst du den Kontext von 1M Tokens und die Frontier-Benchmarkwerte. Der Preis pro Token ist aber nur die Schlagzeile. Die tatsächlichen Kosten pro Aufgabe bestimmt der Reasoning Effort.

Der Regler für den Reasoning Effort

Reasoning ist bei GLM 5.2 kein einfacher Schalter, sondern ein Regler. Du kannst es deaktivieren (enable_thinking: false), reasoning_effort auf low, medium oder high setzen oder den Default verwenden, bei dem das Reasoning unbegrenzt läuft. Diese Einstellung beeinflusst Kosten und Latenz weit stärker als der Token-Preis. Wir haben eine einfache und eine schwierige Coding-Aufgabe mit allen Einstellungen ausgeführt und jede Antwort anhand einer Referenz über Hunderte zufällig erzeugter Fälle geprüft.

Eine einfache Aufgabe: Reasoning verursacht nur zusätzliche Kosten

Weighted Interval Scheduling, ein mittelschweres Dynamic-Programming-Problem:

Zwei Punkte fallen auf. Mit deaktiviertem Thinking ist die Antwort korrekt und zugleich die günstigste im gesamten Vergleich, etwa achtmal günstiger als bei den Frontier-Modellen. Jede höhere Stufe erhöht nur die Kosten, ohne die Antwort zu verbessern. Außerdem richtet sich die Rechnung nach dem Reasoning, nicht nach der eigentlichen Antwort: Der von GLM zurückgegebene Code umfasst jedes Mal ungefähr 150 Tokens. Das vorangestellte Reasoning wächst dagegen von null auf etwa 6,300 Tokens und wird ebenfalls mit $4.40/M für Output abgerechnet. Der unbegrenzte Default verbraucht all diese Reasoning-Tokens, um dieselbe Antwort zu erreichen, die ohne Thinking direkt entstand. Daraus ergibt sich der komplette Kostenunterschied. Die Frontier-Modelle kommen hier mit wenig oder gar keinem ausgewiesenen Reasoning aus: gpt-5.5 nutzt 59 Reasoning-Tokens, bei claude-opus-4-8 weist die Usage keine aus.

Eine schwierige Aufgabe: Reasoning lohnt sich, der Default nicht

Wildcard-String-Matching (? und *), ein klassisches Problem, bei dem leicht subtile Fehler entstehen. Ohne Thinking scheiterte GLM. Es lieferte eine memoized Rekursion:

def is_match(s, p):
    memo = {}
    def match(i, j):
        if (i, j) in memo:
            return memo[(i, j)]
        if j == len(p):
            result = i == len(s)
        elif i < len(s) and p[j] in (s[i], '?'):
            result = match(i + 1, j + 1)
        elif p[j] == '*':
            result = match(i + 1, j) or match(i, j + 1)
        else:
            result = False
        memo[(i, j)] = result
        return result
    return match(0, 0)

Auf den ersten Blick sieht der Code richtig aus, und die Memoization wirkt sorgfältig. Der *-Zweig ruft jedoch rekursiv match(i + 1, j) auf, ohne i zu begrenzen. Sobald der String verbraucht ist und das Pattern weiterhin ein * enthält, wächst i endlos weiter, bis der Stack überläuft. Schnell, günstig und falsch.

Mit einer höheren Stufe liefert GLM den korrekten iterativen Two-Pointer-Algorithmus. Er springt zum letzten * zurück, statt weiter zu rekursieren:

def is_match(s, p):
    s_idx, p_idx, star_idx, match_idx = 0, 0, -1, 0
    while s_idx < len(s):
        if p_idx < len(p) and (p[p_idx] == '?' or p[p_idx] == s[s_idx]):
            s_idx += 1
            p_idx += 1
        elif p_idx < len(p) and p[p_idx] == '*':
            star_idx = p_idx
            match_idx = s_idx
            p_idx += 1
        elif star_idx != -1:
            p_idx = star_idx + 1
            match_idx += 1
            s_idx = match_idx
        else:
            return False
    while p_idx < len(p) and p[p_idx] == '*':
        p_idx += 1
    return p_idx == len(p)

Die Ergebnisse aller Einstellungen für diese Aufgabe:

Alle expliziten Effort-Stufen lösten die Aufgabe. Mit reasoning_effort: high kostete die korrekte Antwort $0.0031 und dauerte 13 Sekunden. Das ist bei gleicher Antwort etwa zwanzigmal günstiger und dreißigmal schneller als der unbegrenzte Default. Auch gegenüber den Frontier-Modellen ist diese Einstellung günstiger und nur wenige Sekunden langsamer. Eine Besonderheit sollte man kennen: GLMs Stufe low erzeugte bei beiden Aufgaben durchgehend mehr Reasoning als high. Die Bezeichnungen entsprechen also nicht der Token-Anzahl. Medium und high waren die günstigen und schnellen Einstellungen.

Den unbegrenzten Default solltest du vermeiden. Er kombiniert beide Nachteile: Er kauft Reasoning, das die Aufgabe möglicherweise nicht braucht, und benötigt dafür mehrere Minuten. Am Ende liefert er dieselbe Antwort wie reasoning_effort: high, kostet aber zwanzigmal so viel.

Die Entscheidungsregel

Entscheidend ist der Reasoning Effort, und die passende Einstellung hängt von der Aufgabe ab, nicht vom Modell:

• Einfache Aufgaben oder Workloads mit hohem Volumen, bei denen die Korrektheit leicht zu prüfen ist: Thinking deaktivieren (enable_thinking: false). Das Ergebnis ist korrekt und etwa achtmal günstiger als bei Frontier-Modellen.
• Schwierigere Probleme, bei denen die Variante ohne Thinking scheitert: reasoning_effort: medium oder high. Das Ergebnis ist korrekt, kostet ungefähr $0.003 pro Aufgabe, liegt unter den Frontier-Kosten und dauert nur wenige Sekunden länger.
• Nie den unbegrenzten Default verwenden. Reasoning ohne Effort-Limit macht aus einer Antwort für $0.003 einen siebenminütigen Aufruf für $0.06.

Wenn du vorher nicht einschätzen kannst, ob eine Aufgabe Reasoning benötigt, ist reasoning_effort: high ein sicherer Default: Diese Einstellung war günstig, löste beide Aufgaben und geriet nie außer Kontrolle.

Caching hilft beim Input, nicht beim Reasoning

GLM 5.2 unterstützt Caching über das Gateway und spart dort Kosten, wo man es erwartet. Wir haben einen gemeinsamen Prefix mit 1,494 Tokens, ein zu prüfendes Code-Modul, zusammen mit mehreren unterschiedlichen Fragen gesendet:

Ein großer Prefix wird gecacht, sobald er einmal verarbeitet wurde. Gecachte Input-Tokens kosten ungefähr ein Fünftel des regulären Input-Preises. Dadurch sank der Preis einer ansonsten identischen Anfrage von $0.0026 auf $0.0009, also um etwa 64%. Eine exakte Wiederholung kommt direkt aus dem semantischen Cache: dieselbe Antwort zu denselben Kosten wie beim gecachten Aufruf, aber in ungefähr einer statt fünf Sekunden.

Hier gilt dieselbe Einschränkung wie beim Reasoning-Regler: Caching reduziert die Input-Kosten. Sobald Reasoning aktiv ist, entstehen Kosten und Latenz hauptsächlich beim Reasoning-Output, der nicht gecacht wird. Caching bringt daher viel bei kontextreichen Workloads ohne Thinking, etwa wenn bei jedem Aufruf derselbe System-Prompt oder dieselbe Codebasis mitgesendet wird. Mit aktiviertem Reasoning fällt der Vorteil deutlich kleiner aus.

Verwendung auf Synthorai

glm-5.2 ist auf dem Gateway verfügbar. Aus unseren Tests ergeben sich drei praktische Empfehlungen:

• Reasoning Effort explizit setzen. Nutze enable_thinking: false für einfache Aufgaben und reasoning_effort: medium oder high für schwierigere Probleme. Vermeide vor allem Reasoning ohne Effort-Limit, also den unbegrenzten Default. Genau daraus entsteht der siebenminütige Aufruf für $0.06.
• Bei aktiviertem Reasoning streamen. Reasoning-Antworten können mehrere Minuten dauern. Bei einer Anfrage ohne Streaming bleibt die Verbindung so lange still, dass dein Client wahrscheinlich in ein Timeout läuft, bevor die Antwort eintrifft. Mit stream: true erhältst du fortlaufend Output und am Ende das vollständige Ergebnis.
• Kontext wiederverwenden. Wenn du bei jedem Aufruf denselben großen System-Prompt oder dieselbe Codebasis sendest, reduziert Prefix-Caching die Input-Kosten. Zusammen mit deaktiviertem Thinking wird die gesamte Anfrage günstig.

Die Preise liegen bei $1.40 / $4.40 pro Million Tokens. Das Gateway liefert für jeden Aufruf ein cost-Feld zurück, sodass du die exakten Kosten jeder Anfrage siehst.

Fazit

GLM 5.2 ist ein leistungsfähiges und tatsächlich günstiges Coding-Modell. Richtig konfiguriert unterbietet es die Preise der Frontier-Modelle sowohl bei einfachen als auch bei schwierigen Aufgaben. Entscheidend ist die Konfiguration. Reasoning ist ein Regler, und der Default lässt es unbegrenzt laufen. So wird aus einer Aufgabe für $0.003 ein siebenminütiger Aufruf für $0.06. Nutze enable_thinking: false für einfache Aufgaben und reasoning_effort: medium oder high für den Rest. Dann arbeitet GLM 5.2 durchgehend günstig und korrekt. Mit dem Reasoning-Default wählst du dagegen die langsamste und teuerste Option.

Quellen

• VentureBeat: Das Open-Weight-Modell GLM-5.2 von Z.ai schlägt GPT-5.5 beim langfristigen Coding für ein Sechstel der Kosten
• eigent.ai: Spezifikationen und Überblick zu GLM-5.2
• CloudPrice: Preise und Spezifikationen von GLM-5.2
• Z.ai: Offizielle Preise der GLM API (Generationen GLM-4.5 / 4.6 / 5)

Weitere Guides mit gemessenen Kosten aus dieser Reihe: Kosten für Audiotranskription mit sieben ASR-Modellen und Kosten für Bilderzeugung.

(Die oben genannten Synthorai-Listenpreise entsprechen dem Stand dieser Plattform vom 2026-06-24; die Preise der GLM-Generationen stammen aus der offiziellen Preisliste von Zhipu.)

Kosten gemessen auf Synthorai am 2026-06-24 (glm-5.2 zu $1.40 / $4.40 pro M Tokens); prüfe die aktuellen Preise, bevor du dich darauf verlässt.

← Zurück zum Blog