GLM-5.2 (max) logo
Z AI
•

Open weights model

•

Released June 2026

GLM-5.2 (max) API 服务商基准测试与分析

模型比较

分析 GLM-5.2 (max) 各 API 服务商的性能指标，包括延迟（首 Token 延迟）、输出速度（每秒输出 token 数）、价格等。参与基准测试的 API 服务商包括 Wafer、FriendliAI、Makora (NVFP4)、Novita (FP8)、Baseten、Parasail (NVFP4)、CoreWeave、DeepInfra (FP4)、Nebius (FP4)、Blackbox AI、Databricks、Scaleway、Fireworks、GMI (FP8)和SiliconFlow (FP8)。

速度最快

#1
DatabricksDatabricks
345.1 t/s
#2
FireworksFireworks
291.4 t/s
#3
Parasail (NVFP4)Parasail (NVFP4)
255.6 t/s
#4
FriendliAIFriendliAI
233.2 t/s
#5
Blackbox AIBlackbox AI
225.5 t/s

输出速度

共 15 家服务商

延迟最低

#1
DatabricksDatabricks
6.78 s
#2
FireworksFireworks
7.91 s
#3
Parasail (NVFP4)Parasail (NVFP4)
9.07 s
#4
FriendliAIFriendliAI
10.01 s
#5
Makora (NVFP4)Makora (NVFP4)
10.15 s

首个答案 Token 延迟

共 15 家服务商

价格最低

#1
DeepInfra (FP4)DeepInfra (FP4)
$0.49
#2
CoreWeaveCoreWeave
$0.49
#3
GMI (FP8)GMI (FP8)
$0.59
#4
Makora (NVFP4)Makora (NVFP4)
$0.66
#5
Blackbox AIBlackbox AI
$0.78

每 100 万 token 的混合价格

共 15 家服务商

可通过 15 家 API 服务商使用 GLM-5.2 (max)，每家服务商的性能特征和价格各不相同。下方对比了各服务商的关键指标。

  • 输出速度最快的服务商是 Databricks（345.1 t/s）、Fireworks（291.4 t/s）和Parasail (NVFP4)（255.6 t/s）。 各服务商之间的速度差异显著，最快与最慢相差 729%。
  • 延迟方面，Databricks（6.78 秒）、Fireworks（7.91 秒）和Parasail (NVFP4)（9.07 秒） 的首个答案 Token 延迟最低。
  • 价格方面，DeepInfra (FP4)（0.49）、CoreWeave（0.49）和GMI (FP8)（0.59） 每 100 万 token 的混合价格最低。 各服务商价格最多相差 5.2 倍。
  • Databricks 兼具最高速度和最低延迟，性能表现最佳。若要优化成本，DeepInfra (FP4) 的价格最具竞争力。

亮点

速度

Output tokens per second · Higher is better

端到端响应时间

Seconds · Lower is better

价格

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

更新：默认性能基准测试工作负载已调整为 1 万个输入 token，以更贴近生产使用场景。你仍可在上方选择其他工作负载。

接入点准确率New

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.

价格

Pricing: Cache Hit, Input, and Output

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.

Pricing: Blended Price

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).

Pricing: Cache Discount

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), where cache hit price is the first-party cache hit price or the median provider cache hit price. Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

Output Speed vs. Price

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).

速度

按输出速度（每秒 token 数）衡量

Output Speed: GLM-5.2 (max)

Output speed: output tokens per second · 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 (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

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).

延迟

按首 Token 延迟（秒）衡量

首个答案 Token 延迟

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.

端到端响应时间

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

端到端响应时间

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

关键比较指标与 API 功能

Wafer 标志Wafer
98%
205k
开放
$0.36
152
6.41
22.90
13.19
FriendliAI 标志FriendliAI
100%
1M
开放
$0.42
233
1.44
12.16
8.58
Makora 标志Makora
95%
1M
开放
$0.48
216
0.90
12.46
9.25
Novita 标志Novita
98%
1.05M
开放
$0.42
42
2.20
62.28
48.07
Baseten 标志Baseten
无
261k
开放
$0.45
109
1.96
24.88
18.33
Parasail 标志Parasail
98%
1M
开放
--
256
1.24
11.02
7.83
CoreWeave 标志CoreWeave
90%
262k
开放
$0.38
169
1.42
16.24
11.86
DeepInfra 标志DeepInfra
73%
1.05M
开放
$0.25
56
1.30
45.91
35.69
Nebius 标志Nebius
100%
432k
开放
$1.06
204
1.13
13.37
9.80
Blackbox AI 标志Blackbox AI
52%
1.05M
开放
$0.44
226
1.65
12.73
8.87
Databricks 标志Databricks
91%
1M
开放
--
345
0.98
8.23
5.79
Scaleway 标志Scaleway
75%
262k
开放
$1.57
75
2.03
35.42
26.72
Fireworks 标志Fireworks
100%
1M
开放
$0.48
291
1.05
9.63
6.86
GMI 标志GMI
无
1.05M
开放
--
--
--
--
--
SiliconFlow 标志SiliconFlow
99%
1.05M
开放
$0.62
53
1.63
48.68
37.64

常见问题

关于 GLM-5.2 (max) 服务商的常见问题

可通过 15 家 API 服务商使用 GLM-5.2 (max)：Wafer、FriendliAI、Makora (NVFP4)、Novita (FP8)、Baseten、Parasail (NVFP4)、CoreWeave、DeepInfra (FP4)、Nebius (FP4)、Blackbox AI、Databricks、Scaleway、Fireworks、GMI (FP8)和SiliconFlow (FP8)。每家服务商的性能特征和价格各不相同。

目前可通过我们进行基准测试和跟踪的 15 家 API 服务商使用 GLM-5.2 (max)。

按输出速度计算，GLM-5.2 (max) 速度最快的服务商是 Databricks（345.1 t/s）、Fireworks（291.4 t/s）和Parasail (NVFP4)（255.6 t/s）。输出速度衡量模型开始响应后生成 token 的速度。

GLM-5.2 (max) 的首个答案 Token 延迟最低的服务商是 Databricks（6.78s）、Fireworks（7.91s）和Parasail (NVFP4)（9.07s）。延迟越低，初始响应越快。

按混合价格计算，GLM-5.2 (max) 最实惠的服务商是 DeepInfra (FP4)（每 100 万 token $0.49）、CoreWeave（每 100 万 token $0.49）和GMI (FP8)（每 100 万 token $0.59）。混合价格采用缓存命中/输入/输出 token 为 7:2:1 的比例。

GLM-5.2 (max) 输入 token 价格最低的服务商是 Blackbox AI（每 100 万输入 token $0.40）、DeepInfra (FP4)（每 100 万输入 token $0.75）和CoreWeave（每 100 万输入 token $0.76）。

GLM-5.2 (max) 输出 token 价格最低的服务商是 DeepInfra (FP4)（每 100 万输出 token $2.40）、CoreWeave（每 100 万输出 token $2.42）和GMI (FP8)（每 100 万输出 token $2.90）。

GLM-5.2 (max) 各服务商价格最多相差 5.2 倍。最实惠的是 DeepInfra (FP4)，每 100 万 token 收费 $0.49；Scaleway 则收费 $2.52。

GLM-5.2 (max) 的输出速度在不同服务商之间差异显著。Databricks 最快，为 345.1 t/s，是 Novita (FP8)（41.6 t/s）的 8.3 倍。

提供 GLM-5.2 (max) 的 15 家服务商中，有 14 家支持 JSON 模式：Wafer、FriendliAI、Makora (NVFP4)、Novita (FP8)、Baseten、Parasail (NVFP4)、CoreWeave、DeepInfra (FP4)、Nebius (FP4)、Blackbox AI、Databricks、Scaleway、Fireworks和GMI (FP8)。

提供 GLM-5.2 (max) 的全部 15 家服务商均支持函数调用（工具使用）。

对于 GLM-5.2 (max)，Databricks 兼具最高速度和最低延迟，性能表现最佳。若要优化成本，DeepInfra (FP4) 的价格最具竞争力。

选择 GLM-5.2 (max) 服务商时，请考虑：输出速度（适合吞吐量密集型任务）、延迟（适合需要快速首次响应的交互式应用）、价格（适合成本敏感型工作负载），以及 JSON 模式或函数调用等 API 功能。

会。服务商性能可能因基础设施变化、负载均衡和更新而随时间波动。我们持续对所有服务商进行基准测试，并在“随时间变化”图表中展示历史性能趋势。

有关 GLM-5.2 (max) 的智能、能力、模态及其与其他模型的比较，请参阅模型概览页面。 查看模型概览