Este modelo está obsoleto. Continuamos medindo o desempenho apenas para a carga padrão de 10 mil tokens de entrada. Os resultados de outras cargas são históricos e não são mais atualizados.

Z AI lançou uma versão mais recente, GLM-5.3. Sugerimos considerá-la como alternativa.

Z AI

•

GLM-5.2

•

Open weights model

•

Released junho de 2026

GLM-5.2 (Max) Benchmarking e análise de provedores de API

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

Comparação de modelos

Esta análise ajuda você a escolher o melhor provedor de API de GLM-5.2 (Max) para seu caso de uso.

Mais rápido

Nebius (FP4)

270.9 t/s

Databricks

262.4 t/s

Together AI

254.8 t/s

Baseten (FAST)

253.2 t/s

Parasail (NVFP4)

246.6 t/s

Velocidade de saída

17 provedores no total

Menor latência

Nebius (FP4)

8.39 s

Databricks

8.44 s

Together AI

8.45 s

Baseten (FAST)

8.56 s

Parasail (NVFP4)

9.21 s

Tempo até o primeiro token da resposta final

17 provedores no total

Menor preço

DeepInfra (FP4)

$0.37

CoreWeave

$0.49

GMI (FP8)

$0.59

Fireworks

$0.82

Baseten

$0.82

Preço combinado (por 1M de tokens)

17 provedores no total

GLM-5.2 (max) está disponível em 17 provedores de API, cada um com características de desempenho e preços diferentes. Veja abaixo uma comparação das principais métricas entre os provedores.

Em velocidade de saída, os principais provedores são Nebius (FP4) (270.9 t/s), Databricks (262.4 t/s) e Together AI (254.8 t/s). A velocidade varia significativamente entre os provedores, com uma diferença de 321% entre o mais rápido e o mais lento.
Em latência, Nebius (FP4) (8.39s), Databricks (8.44s) e Together AI (8.45s) têm o menor tempo até o primeiro token da resposta final.
Em preço, DeepInfra (FP4) (0.37), CoreWeave (0.49) e GMI (FP8) (0.59) têm os menores preços combinados por 1M de tokens. Os preços variam em até 6.9x entre os provedores.
Nebius (FP4) oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, DeepInfra (FP4) tem o preço mais competitivo.

Velocidade

Output tokens per second · Higher is better

Latência

Seconds to first answer token received · Lower is better

Preço

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

Acurácia do endpoint

Índice de acurácia de endpoints: 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.

Preços

Preços: acertos de cache, entrada e saída

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.

Preços: Preço combinado

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).

Preços: Desconto de cache

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.

Velocidade de saída vs. preço

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).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Velocidade de saída: GLM-5.2 (Max)

Velocidade de saída: tokens de saída por segundo · 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.

Latência vs. velocidade de saída

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).

Latência

Medida pelo tempo (segundos) até o primeiro token

Tempo até o primeiro token da resposta final: provedores do 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.

Tempo de resposta de ponta a ponta

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

Tempo de resposta de ponta a ponta: provedores do 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

Principais métricas de comparação e recursos da API



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

Perguntas frequentes

Perguntas comuns sobre os provedores do GLM-5.2 (Max)

GLM-5.2 (Max) está disponível em 17 provedores de API: FriendliAI, Baseten (FAST), Novita (FP8), Parasail (NVFP4), CoreWeave, Multiverse Computing, DeepInfra (FP4), Nebius (FP4), Together AI, Scaleway, Databricks, Fireworks, GMI (FP8), Baseten, Zai, Mistral e SiliconFlow (FP8). Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o GLM-5.2 (Max) está disponível em 17 provedores de API que avaliamos e acompanhamos.

Os provedores mais rápidos para o GLM-5.2 (Max) em velocidade de saída são Nebius (FP4) (270.9 t/s), Databricks (262.4 t/s) e Together AI (254.8 t/s). A velocidade de saída mede a rapidez com que os tokens são gerados depois que o modelo começa a responder.

Os provedores com o menor tempo até o primeiro token da resposta final para o GLM-5.2 (Max) são Nebius (FP4) (8.39s), Databricks (8.44s) e Together AI (8.45s). Uma latência menor significa um tempo de resposta inicial mais rápido.

Os provedores mais acessíveis para o GLM-5.2 (Max) em preço combinado são DeepInfra (FP4) ($0.37 por 1M de tokens), CoreWeave ($0.49 por 1M de tokens) e GMI (FP8) ($0.59 por 1M de tokens). O preço combinado usa uma proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída.

Os provedores com o menor preço de tokens de entrada para o GLM-5.2 (Max) são DeepInfra (FP4) ($0.56 por 1M de tokens de entrada), CoreWeave ($0.76 por 1M de tokens de entrada) e GMI (FP8) ($0.92 por 1M de tokens de entrada).

Os provedores com o menor preço de tokens de saída para o GLM-5.2 (Max) são DeepInfra (FP4) ($1.80 por 1M de tokens de saída), CoreWeave ($2.42 por 1M de tokens de saída) e GMI (FP8) ($2.90 por 1M de tokens de saída).

Os preços do GLM-5.2 (Max) variam em até 6.9x entre os provedores. O mais acessível é DeepInfra (FP4), com $0.37 por 1M de tokens, enquanto Scaleway cobra $2.52 por 1M de tokens.

A velocidade de saída do GLM-5.2 (Max) varia significativamente entre os provedores. Nebius (FP4) é o mais rápido, com 270.9 t/s, 4.2x mais rápido que Novita (FP8), com 64.4 t/s.

16 de 17 provedores são compatíveis com o modo JSON para o 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 e Mistral.

Todos os 17 provedores do GLM-5.2 (Max) são compatíveis com chamadas de funções (uso de ferramentas).

Para o GLM-5.2 (Max), Nebius (FP4) oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, DeepInfra (FP4) tem o preço mais competitivo.

Ao escolher um provedor para o GLM-5.2 (Max), considere a velocidade de saída (para tarefas que exigem alta vazão), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e os recursos da API, como modo JSON e chamadas de funções.

Sim. O desempenho dos provedores pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.

Para saber mais sobre a inteligência, as capacidades e as modalidades do GLM-5.2 (Max), além de como ele se compara a outros modelos, consulte a página de visão geral do modelo. Ver visão geral do modelo

GLM-5.2 (Max) Benchmarking e análise de provedores de API

Mais rápido

Menor latência

Menor preço

Velocidade

Latência

Preço

Acurácia do endpoint

Índice de acurácia de endpoints: GLM-5.2 (Max)

Endpoint Accuracy Index

Preços

Preços: acertos de cache, entrada e saída

Cache Hit

Preços: Preço combinado

Price

Preços: Desconto de cache

Cache Price Discount

Velocidade de saída vs. preço

Output Speed

Velocidade

Velocidade de saída: GLM-5.2 (Max)

Output Speed

Model Performance Representation

Latência vs. velocidade de saída

Output Speed

Latência

Tempo até o primeiro token da resposta final: provedores do GLM-5.2 (max)

Time to First Answer Token

Median

Tempo de resposta de ponta a ponta

Tempo de resposta de ponta a ponta: provedores do GLM-5.2 (max)

End-to-End Response Time

Principais métricas de comparação e recursos da API

Perguntas frequentes

Onde posso acessar o GLM-5.2 (Max)?

Quantos provedores de API oferecem o GLM-5.2 (Max)?

Qual é o provedor mais rápido para o GLM-5.2 (Max)?

Qual provedor tem a menor latência para o GLM-5.2 (Max)?

Qual é o provedor mais barato para o GLM-5.2 (Max)?

Qual provedor tem o menor preço de entrada para o GLM-5.2 (Max)?

Qual provedor tem o menor preço de saída para o GLM-5.2 (Max)?

Quanto os preços variam entre os provedores do GLM-5.2 (Max)?

Quanto a velocidade varia entre os provedores do GLM-5.2 (Max)?

Quais provedores do GLM-5.2 (Max) são compatíveis com o modo JSON?

Quais provedores do GLM-5.2 (Max) são compatíveis com chamadas de funções?

Qual é o melhor provedor para o GLM-5.2 (Max)?

Como escolher um provedor para o GLM-5.2 (Max)?

O desempenho dos provedores do GLM-5.2 (Max) muda ao longo do tempo?

Quais são as capacidades gerais do GLM-5.2 (Max)?