Novità Registrati gratis, 10 chiamate le offriamo noi. Fino a $1, senza carta.

GLM-5.2

Rilascio: 2026-06-16

chatCodiceRagionamentoTool callingPrompt caching

GLM-5.2 è il modello di punta di Z.AI costruito per l'era dei compiti a lungo orizzonte, che estende la finestra di contesto a 1M di token con fino a 128K in output; la documentazione insiste sul rendere il contesto da 1M davvero utilizzabile per il lavoro su scala di progetto.

Input
testo $1.4/M
Output
testo $4.4/M
Lettura cache
$0.26/M
Contesto
1M
vs GPT-4o
~72% più economico

Benchmark

Sopra la mediaNessuno migliore25 / 801 / 80
GLM-5.2 altri modelli misurati media dei modelli confrontati ★ nessun altro modello ha fatto meglio
SWE-Bench Pro
62.1%
Cybergym
77.2%
Finance Agent v2
49.7%
Harvey Lab-AA
91%
GPQA Diamond
91.2%
Agents' Last Exam
23.8%

Dati pubblicati dai provider: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Il prezzo a confronto

Dove si colloca il prezzo tra 68 modelli confrontabili

Input$1.4/M
$0.1 · Dola Seed 2.0 Mini GPT-5.4 Pro · $30
Output$4.4/M
$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180
Lettura cache$0.26/M
$0.01 · Claude Haiku 5.5 GPT-5.4 Pro · $15

La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.

Specifiche e limiti

Token

Finestra di contesto (specifica del provider) 1.000.000
Output massimo (specifica del provider) 131.072

Prompt caching

Modalità automatico

Ragionamento

Parametro del provider thinking.type + reasoning_effort
Valori accettati thinking.type enabled · disabled; reasoning_effort none · minimal · low · medium · high · xhigh · max (none and minimal skip thinking, low and medium map to high, xhigh maps to max)
Valore di default enabled, con reasoning_effort su max: l'unico GLM con una manopola dell'effort, e di default è al massimo applicato se la richiesta non specifica nulla
Disattivabile Sì
Comportamento del ragionamento La traccia viene restituita in reasoning_content; le tracce dei turni precedenti vengono cancellate di default sull'endpoint API standard, e i blocchi di thinking devono essere restituiti insieme ai risultati degli strumenti perché l'interleaved thinking funzioni.
Parametro reasoning_effort
Valori minimal · low · medium · high parametri esposti dal gateway: vale la mappatura del provider indicata sopra

Modello

Modalità testo → testo
Parametri 744B totali · 40B attivi MoE
Licenza MIT

Flagship a lungo orizzonte (744B-A40B) con contesto utilizzabile da 1M di token / 128K di output massimo, livelli di effort del thinking configurabili ed efficienza sparse-attention IndexShare a contesto da 1M.

fonte: documentazione ufficiale di Z.ai ↗

Un solo prompt, misurato attraverso il gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICA esattamente 3 frasi

GLM-5.2 superato · 3 sentences

Enabling reasoning means the LLM now generates thousands of invisible "thinking" tokens to systematically work through complex problems before producing a final answer. Because our cloud providers bill for these internal processing steps at the same rate as standard output, our billable token volume per query has doubled. While this increases our direct API costs, it drastically reduces error rates and manual review labor, ultimately lowering our total cost per resolved transaction.

out 1223 tok (+1138 ragionamento) latenza 17.1 s

Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. VERIFICA la correzione supera i test

GLM-5.2 non superato · 1/8 cases (fails [1])

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 […]

out 4097 tok (+4036 ragionamento) latenza 58.4 s

Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. VERIFICA JSON valido, schema esatto

GLM-5.2 superato · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld" } ```

out 1947 tok (+1893 ragionamento) latenza 30.9 s

Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. VERIFICA 120 parole, 0 parole vietate

GLM-5.2 superato · 120 words, 0 banned, 1 question

We are introducing Caching for our API Gateway, the smartest way to optimize your workflows. Why pay for the exact same response twice? Now, you can automatically store and reuse prompt results across multiple AI providers, drastically reducing latency and overall operational costs. If a user submits a duplicate query, the gateway serves the cached answer instantly, regardless of whether you route to OpenAI, Anthropic, or others. This directly translates to faster applications and significantly lower monthly API bills. You can easily configure your specific caching rules within the developer dashboard and watch your efficiency soar. Stop wasting your valuable tokens on completely redundant computations. Upgrade to the latest gateway version today and experience the future of intelligent prompt management.

out 11125 tok (+10984 ragionamento) latenza 114.8 s

Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.

Usa GLM-5.2 in 30 secondi

Compatibile con OpenAI: cambi base_url e tieni il tuo SDK. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Informazioni su GLM-5.2

  • Rispetto a GLM-5.1, la pagina ufficiale evidenzia un'esecuzione più stabile dei compiti a lungo orizzonte, una coerenza più forte nel seguire gli standard di ingegneria su contesti estesi, la comprensione su scala di progetto con refactoring multi-file e cicli completi di debug on-device per lo sviluppo mobile e client, oltre allo sviluppo di mini-program e piccoli giochi e alla riproduzione della ricerca.
  • Viene pubblicata anche l'efficienza che sta dietro alla finestra più lunga: uno schema IndexShare consente a un singolo indicizzatore leggero di servire ogni quattro layer del transformer, riducendo il calcolo per token a 1M di contesto, con un layer di multi-token prediction migliorato che alza l'accettazione dello speculative decoding.
  • È anche l'unico modello della linea con un controllo reasoning_effort, un insieme documentato di livelli che nella pratica si riducono a saltare il thinking, a un'impostazione alta e a un'impostazione massima, con l'API ospitata che usa il massimo come valore predefinito: una richiesta che non imposta nulla è quindi una richiesta che ragiona a fondo.
  • Per il resto il thinking si comporta come altrove nella linea GLM-5, restituendo la sua traccia in un campo separato, e tool calling, MCP, output JSON e caching automatico si mantengono.
  • I pesi sono sotto licenza MIT.
  • Quando si chiama GLM-5.2 su Synthorai, l'endpoint compatibile OpenAI ne fa un aggiornamento immediato per i carichi di lavoro di agent a contesto lungo.

FAQ

L'API di GLM-5.2 si può provare gratis?

Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $1.4/M per i token di input, quel credito basta da solo per circa 89 richieste da ~8K token a GLM-5.2.

In cosa eccelle GLM-5.2?

Contesto esteso a 1M di token utilizzabili; comprensione su scala di progetto con refactoring multi-file; loop di debugging on-device per lo sviluppo mobile. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.

Quanto costa GLM-5.2?

Su Synthorai GLM-5.2 costa $1.4 per milione di token di input e $4.4 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. I token di input letti dalla cache costano $0.26/M.

Qual è la finestra di contesto di GLM-5.2?

GLM-5.2 ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 131,072 token.

GLM-5.2 supporta il prompt caching?

Sì, in automatico: i prompt serviti da Z.ai vanno in cache senza modifiche al codice. I token di input letti dalla cache costano $0.26/M, contro $1.4/M senza cache. Guida al prompt caching →

Come ottengo l'accesso a GLM-5.2?

Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="glm-5.2" e hai finito: una sola chiave API vale per tutti i modelli del gateway.

GLM-5.2 è open source?

Sì: i pesi sono pubblicati sotto licenza MIT (repository ufficiale linkato nella sezione «Informazioni»). Oppure lascia perdere le GPU: qui la versione hosted si paga a consumo, senza infrastruttura da gestire. Eseguire modelli open-weight →

Modelli correlati

Confronta

Ogni valore di questa pagina è ripreso dalla documentazione del provider (il link è qui sopra) e riporta la data dell'ultima verifica. I prezzi sono confrontati sull'intero catalogo; per le specifiche che ogni provider definisce a modo suo indichiamo la differenza invece di metterle in un grafico. Qui non c'è nulla di misurato da noi e non assegniamo punteggi.

Ottieni la tua chiave API Confronta i tuoi costi →