Dieses Modell ist veraltet. Wir messen die Leistung nur noch für die Standard-Workload mit 10.000 Eingabe-Tokens. Ergebnisse für andere Workloads sind historische Daten und werden nicht mehr aktualisiert.

Z AI hat eine neuere Version veröffentlicht: GLM-5.3. Wir empfehlen, diese als Alternative in Betracht zu ziehen.

Z AI

•

GLM-5.2

•

Open weights model

•

Released Juni 2026

GLM-5.2 (Max) Benchmarking und Analyse von API-Anbietern

Name: Geschwindigkeit
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Modellvergleich

Diese Analyse soll Sie bei der Auswahl des besten API-Anbieters von GLM-5.2 (Max) für Ihren Anwendungsfall unterstützen.

Am schnellsten

Nebius (FP4)

270.9 t/s

Databricks

262.4 t/s

Together AI

254.8 t/s

Parasail (NVFP4)

238.3 t/s

Baseten (FAST)

233.9 t/s

Ausgabegeschwindigkeit

Insgesamt 17 Anbieter

Niedrigste Latenz

Nebius (FP4)

8.39 s

Databricks

8.44 s

Together AI

8.45 s

Baseten (FAST)

9.21 s

Parasail (NVFP4)

9.49 s

Zeit bis zum ersten Antworttoken

Insgesamt 17 Anbieter

Niedrigster Preis

DeepInfra (FP4)

$0.37

CoreWeave

$0.49

GMI (FP8)

$0.59

Fireworks

$0.82

Baseten

$0.82

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 17 Anbieter

GLM-5.2 (max) ist über 17 API-Anbieter verfügbar, die jeweils unterschiedliche Leistungsmerkmale und Preise bieten. Im Folgenden werden die wichtigsten Metriken der Anbieter verglichen.

Bei der Ausgabegeschwindigkeit führen Nebius (FP4) (270.9 Tokens/s), Databricks (262.4 Tokens/s) und Together AI (254.8 Tokens/s). Die Geschwindigkeit unterscheidet sich erheblich zwischen den Anbietern: Der Unterschied zwischen dem schnellsten und langsamsten beträgt 321 %.
Bei der Latenz bieten Nebius (FP4) (8.39 s), Databricks (8.44 s) und Together AI (8.45 s) die niedrigste Zeit bis zum ersten Antworttoken.
Bei den Preisen bieten DeepInfra (FP4) (0.37), CoreWeave (0.49) und GMI (FP8) (0.59) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich je nach Anbieter bis zum 6.9-Fachen.
Nebius (FP4) bietet mit der höchsten Geschwindigkeit und der niedrigsten Latenz die beste Leistung. Für eine Kostenoptimierung bietet DeepInfra (FP4) den konkurrenzfähigsten Preis.

Geschwindigkeit

Output tokens per second · Higher is better

Latenz

Seconds to first answer token received · Lower is better

Preis

USD per 1M tokens (blended) · Lower is better

Endpunktgenauigkeit

Endpoint Accuracy Index: GLM-5.2 (Max)

v1.0 · Composite of BFCL v4-500, HLE-250 and AA-LCR-25 run against each provider endpoint · Percentage of the reference endpoint, with 95% confidence interval · Higher is better

Composite measure of how much of a model's accuracy a given provider endpoint preserves, from re-running BFCL v4-500, HLE-250 and AA-LCR-25 against that endpoint. Where a self-hosted reference endpoint exists, scores are expressed as a percentage of that reference (100 = matches reference); lower scores indicate accuracy lost to quantisation, sampling defaults, or other endpoint-side configuration. Scores are point-in-time snapshots. Methodology.

Preise

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Preise: Mischpreis

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Preise: Cache-Rabatt

1 - (cache hit price / input price) · Higher is better

Reduction in input token cost due to cache hit relative to input price. Formula: 1 - (Cache Hit Price per Token / Input Token Price). Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

Ausgabegeschwindigkeit vs. Preis

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Ausgabegeschwindigkeit: GLM-5.2 (Max)

Ausgabegeschwindigkeit: Ausgabe-Token pro Sekunde · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Latenz vs. Ausgabegeschwindigkeit

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens

Most attractive quadrant

Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Zeit bis zum ersten Antworttoken: Anbieter von GLM-5.2 (max)

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit: Anbieter von GLM-5.2 (max)

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Wichtige Vergleichsmetriken und API-Funktionen



FriendliAI	100%	1M	Offen	$0.87	163	0.86	16.16	12.24
Baseten	k. A.	524k	Offen	$1.04	261	0.69	10.27	7.67
Novita	98%	1.05M	Offen	$0.88	75	1.88	35.12	26.59
Parasail	98%	1M	Offen	--	177	1.15	15.27	11.29
CoreWeave	97%	262k	Offen	$0.70	83	1.32	31.39	24.05
Multiverse Computing	k. A.	1M	Offen	$2.31	107	1.20	24.65	18.75
DeepInfra	73%	1.05M	Offen	$0.37	90	1.12	28.93	22.25
Nebius	100%	432k	Offen	$2.94	260	1.04	10.64	7.68
Together AI	97%	262k	Offen	$0.88	--	--	--	--
Scaleway	75%	262k	Offen	$4.37	87	1.29	30.09	23.04
Databricks	k. A.	1M	Offen	$0.87	230	0.84	11.72	8.70
Fireworks	100%	1M	Offen	$2.94	236	2.72	13.31	8.47
GMI	k. A.	1.05M	Offen	--	--	--	--	--
Baseten	93%	1.05M	Offen	$0.65	122	2.05	22.59	16.43
Zai	k. A.	1M	Offen	$1.47	84	3.10	32.78	23.75
Mistral	k. A.	1.05M	Offen	$0.76	191	0.94	14.00	10.45
SiliconFlow	99%	1.05M	Offen	$0.85	78	1.87	34.08	25.77

Häufig gestellte Fragen

Häufige Fragen zu den Anbietern von GLM-5.2 (Max)

GLM-5.2 (Max) ist über 17 API-Anbieter verfügbar: FriendliAI, Baseten (FAST), Novita (FP8), Parasail (NVFP4), CoreWeave, Multiverse Computing, DeepInfra (FP4), Nebius (FP4), Together AI, Scaleway, Databricks, Fireworks, GMI (FP8), Baseten, Zai, Mistral und SiliconFlow (FP8). Jeder Anbieter bietet unterschiedliche Leistungsmerkmale und Preise.

GLM-5.2 (Max) ist derzeit über 17 API-Anbieter, die wir bewerten und beobachten verfügbar.

Die nach Ausgabegeschwindigkeit schnellsten Anbieter für GLM-5.2 (Max) sind Nebius (FP4) (270.9 Tokens/s), Databricks (262.4 Tokens/s) und Together AI (254.8 Tokens/s). Die Ausgabegeschwindigkeit misst, wie schnell Tokens erzeugt werden, nachdem das Modell mit der Antwort begonnen hat.

Die Anbieter mit der niedrigsten Zeit bis zum ersten Antworttoken für GLM-5.2 (Max) sind Nebius (FP4) (8.39s), Databricks (8.44s) und Together AI (8.45s). Eine niedrigere Latenz bedeutet eine schnellere erste Reaktion.

Die nach Mischpreis günstigsten Anbieter für GLM-5.2 (Max) sind DeepInfra (FP4) ($0.37 pro 1 Mio. Tokens), CoreWeave ($0.49 pro 1 Mio. Tokens) und GMI (FP8) ($0.59 pro 1 Mio. Tokens). Der Mischpreis basiert auf einem Tokenverhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe.

Die Anbieter mit dem niedrigsten Preis für Eingabetokens bei GLM-5.2 (Max) sind DeepInfra (FP4) ($0.56 pro 1 Mio. Eingabetokens), CoreWeave ($0.76 pro 1 Mio. Eingabetokens) und GMI (FP8) ($0.92 pro 1 Mio. Eingabetokens).

Die Anbieter mit dem niedrigsten Preis für Ausgabetokens bei GLM-5.2 (Max) sind DeepInfra (FP4) ($1.80 pro 1 Mio. Ausgabetokens), CoreWeave ($2.42 pro 1 Mio. Ausgabetokens) und GMI (FP8) ($2.90 pro 1 Mio. Ausgabetokens).

Die Preise für GLM-5.2 (Max) unterscheiden sich je nach Anbieter bis zum 6.9-Fachen. Am günstigsten ist DeepInfra (FP4) mit $0.37 pro 1 Mio. Tokens, während Scaleway $2.52 pro 1 Mio. Tokens berechnet.

Die Ausgabegeschwindigkeit von GLM-5.2 (Max) unterscheidet sich erheblich zwischen den Anbietern. Nebius (FP4) ist mit 270.9 Tokens/s am schnellsten und damit um den Faktor 4.2 schneller als Novita (FP8) mit 64.4 Tokens/s.

16 von 17 Anbietern unterstützen den JSON-Modus für GLM-5.2 (Max): FriendliAI, Baseten (FAST), Novita (FP8), Parasail (NVFP4), CoreWeave, Multiverse Computing, DeepInfra (FP4), Nebius (FP4), Together AI, Scaleway, Databricks, Fireworks, GMI (FP8), Baseten, Zai und Mistral.

Alle 17 Anbieter von GLM-5.2 (Max) unterstützen Funktionsaufrufe (Tool-Nutzung).

Für GLM-5.2 (Max) bietet Nebius (FP4) mit der höchsten Geschwindigkeit und der niedrigsten Latenz die beste Leistung. Für eine Kostenoptimierung bietet DeepInfra (FP4) den konkurrenzfähigsten Preis.

Berücksichtigen Sie bei der Wahl eines Anbieters für GLM-5.2 (Max) die Ausgabegeschwindigkeit für durchsatzintensive Aufgaben, die Latenz für interaktive Anwendungen mit schneller erster Reaktion, den Preis für kostensensible Workloads und API-Funktionen wie den JSON-Modus oder Funktionsaufrufe.

Ja, die Leistung eines Anbieters kann sich durch Änderungen an der Infrastruktur, Lastverteilung und Aktualisierungen im Laufe der Zeit verändern. Wir bewerten alle Anbieter fortlaufend und zeigen historische Leistungstrends in den Diagrammen „Im Zeitverlauf“ an.

Informationen zur Intelligenz, zu den Fähigkeiten und Modalitäten von GLM-5.2 (Max) sowie zum Vergleich mit anderen Modellen finden Sie auf der Modellübersichtsseite. Modellübersicht anzeigen

GLM-5.2 (Max) Benchmarking und Analyse von API-Anbietern

Am schnellsten

Niedrigste Latenz

Niedrigster Preis

Geschwindigkeit

Latenz

Preis

Endpunktgenauigkeit

Endpoint Accuracy Index: GLM-5.2 (Max)

Endpoint Accuracy Index

Preise

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Preise: Mischpreis

Price

Preise: Cache-Rabatt

Cache Price Discount

Ausgabegeschwindigkeit vs. Preis

Output Speed

Geschwindigkeit

Ausgabegeschwindigkeit: GLM-5.2 (Max)

Output Speed

Model Performance Representation

Latenz vs. Ausgabegeschwindigkeit

Output Speed

Latenz

Zeit bis zum ersten Antworttoken: Anbieter von GLM-5.2 (max)

Time to First Answer Token

Median

Ende-zu-Ende-Antwortzeit

Ende-zu-Ende-Antwortzeit: Anbieter von GLM-5.2 (max)

End-to-End Response Time

Wichtige Vergleichsmetriken und API-Funktionen

Häufig gestellte Fragen

Wo kann ich auf GLM-5.2 (Max) zugreifen?

Wie viele API-Anbieter bieten GLM-5.2 (Max) an?

Welcher Anbieter ist für GLM-5.2 (Max) am schnellsten?

Welcher Anbieter hat für GLM-5.2 (Max) die niedrigste Latenz?

Welcher Anbieter ist für GLM-5.2 (Max) am günstigsten?

Welcher Anbieter hat für GLM-5.2 (Max) den niedrigsten Eingabepreis?

Welcher Anbieter hat für GLM-5.2 (Max) den niedrigsten Ausgabepreis?

Wie stark unterscheiden sich die Preise der Anbieter von GLM-5.2 (Max)?

Wie stark unterscheidet sich die Geschwindigkeit der Anbieter von GLM-5.2 (Max)?

Welche Anbieter von GLM-5.2 (Max) unterstützen den JSON-Modus?

Welche Anbieter von GLM-5.2 (Max) unterstützen Funktionsaufrufe?

Welcher ist der beste Anbieter für GLM-5.2 (Max)?

Wie wähle ich einen Anbieter für GLM-5.2 (Max) aus?

Verändert sich die Leistung der Anbieter von GLM-5.2 (Max) im Laufe der Zeit?

Welche allgemeinen Fähigkeiten hat GLM-5.2 (Max)?