Artificial Analysis — eine unabhängige Plattform zur Bewertung von KI-Modellen — veröffentlichte (X/Twitter-Thread vom 22. Juni 2026 + ausführliche Modellseite) einen Vergleich, der GLM-5.2, das neueste Modell von Z.ai (Zhipu AI), an die Spitze der Open-Weights-Modelle und auf Platz 3 im Gesamtranking von GDPval-AA setzt. Dieser Benchmark misst die Leistung bei realitätsnaher, wirtschaftlich wertvoller Wissensarbeit anhand von long-horizon- und multi-turn-Aufgaben, die als echte Berufstests konzipiert sind (zum Beispiel die tägliche Aufgabenliste einer Filialleitung im Einzelhandel oder ein technisches IEC-Dokument) und sowohl berufliche als auch kreative Arbeit abdecken.
GLM-5.2 erreicht 1524 Elo und liegt damit nur hinter Claude Fable 5 (1783) und Claude Opus 4.8 (1615), gleichauf mit GPT-5.5 in der xhigh-Einstellung (1509). Wichtiger noch: Es dominiert das Feld der Open-Weights-Modelle mit deutlichem Abstand: Das nächstbeste offene Modell, MiniMax-M3, erreicht nur 1408. GLM-5.2 übertrifft zudem mehrere proprietäre Modelle — Gemini 3.5 Flash (1357), Qwen 3.7 Max (1289) und Muse Spark (1158).
Der agentische Charakter der Aufgaben wird hervorgehoben: GLM-5.2 benötigte im Durchschnitt ~31 Turns pro Aufgabe über 1.999 Matches. Die Methodik von Artificial Analysis besteht darin, GLM-5.2 und drei proprietären Spitzenmodellen (Fable 5, GPT-5.5, Gemini 3.5 Flash) die gleichen Aufgabenstellungen zu geben und anschließend jedes Arbeitsergebnis genau so darzustellen, wie es erzeugt wurde. Das Ergebnis ist über die unternehmenseigenen Indizes hinweg konsistent: GLM-5.2 ist #1 unter den Open-Weights-Modellen im Intelligence Index, #3 im Agentic Index und #3 bei AA-Briefcase (wo es das beste offene Modell ist, vor GPT-5.5 xhigh und nur hinter Fable 5).
Die Modellseite vervollständigt das Bild: GLM-5.2 ist ein Mixture of Experts mit 753 Milliarden Parametern (davon 40 Milliarden aktiv), ein Reasoning-Modell mit 1M-Token-Kontext, verteilt unter MIT-Lizenz (kommerzielle Nutzung erlaubt, Gewichte auf Hugging Face), veröffentlicht am 16. Juni 2026. Wirtschaftliche Kennzahlen: 1,40 $ / 4,40 $ pro Million Token (Input/Output), ein Cache-Hit-Preis von 0,26 $ (-81 %), ein Durchsatz von 106,3 Token/s und eine Time-to-first-Token von 1,36 s.
Die Botschaft der Zahlen ist eindeutig: Dass ein Open-Weights-Modell zu diesem Preis bei wirklich nützlicher agentischer Arbeit mit der proprietären Spitzengruppe konkurriert, stellt laut Artificial Analysis „einen realen Fortschritt für offene Modelle“ dar. Die Konvergenz zwischen offenen und proprietären Modellen zeigt sich nicht mehr nur in akademischen Tests, sondern im wirtschaftlichen Wert, der unter agentischen Bedingungen erzeugt wird.