GLM 5.2 của Z.ai đang nổi lên như một mô hình AI mã nguồn mở có hiệu năng tiệm cận các hệ thống đóng như Anthropic Opus 4.8, trong khi chi phí API thấp hơn đáng kể.
Mô hình này thu hút chú ý không chỉ vì kết quả benchmark, mà còn vì thời điểm ra mắt trùng với các hạn chế xuất khẩu của Mỹ đối với một số mô hình AI hàng đầu. Với doanh nghiệp, bài toán chi phí, khả năng tự triển khai và rủi ro dữ liệu đều trở thành điểm cần cân nhắc.
- GLM 5.2 đạt nhiều điểm benchmark gần với Anthropic Opus 4.8, thậm chí vượt ở một số hạng mục.
- Chi phí API của GLM 5.2 thấp hơn đáng kể và mô hình có thể tải về, tinh chỉnh, tự lưu trữ.
- Nhóm rủi ro đáng chú ý vẫn là dữ liệu, nguồn gốc mô hình và các hạn chế liên quan đến quản lý nhà nước.
GLM 5.2 là gì và vì sao được chú ý?
GLM 5.2 là mô hình AI nguồn mở của Z.ai, được mô tả như một hệ thống có thể cạnh tranh với các mô hình đóng ở nhiều bài kiểm tra tác vụ. Điểm đáng chú ý nằm ở việc mô hình này vừa có hiệu năng cao, vừa có chi phí triển khai thấp hơn.
GLM 5.2 sử dụng kiến trúc MoE 744 tỷ tham số, có cửa sổ ngữ cảnh 1 triệu token và tốc độ xử lý 300 token/giây. Z.ai cũng đã phát hành toàn bộ trọng số mở và bảng điểm benchmark theo giấy phép MIT vào ngày 16/6.
Hiệu năng của GLM 5.2 so với Anthropic và OpenAI
GLM 5.2 đang ở rất gần Anthropic Opus 4.8 trên nhiều benchmark tác vụ. Ở một số bài kiểm tra, mô hình này còn vượt các đối thủ trực tiếp về khả năng dùng công cụ và lập trình.
Cụ thể, GLM 5.2 đạt 81,0 điểm trên Terminal-Bench 2.1, thấp hơn Opus 4.8 là 85,0 điểm. Trên MCP-Atlas, GLM 5.2 đạt 77,0 điểm, cao hơn 75,3 điểm của Opus 4.8. Với SWE-bench Pro, mô hình này đạt 62,1 điểm, cao hơn GPT-5.5 ở mức 58,6 và cao hơn GLM-5.1 ở mức 58,4.
Ở FrontierSWE, khoảng cách với Opus 4.8 chỉ còn khoảng một điểm phần trăm. Trên Code Arena, GLM 5.2 đứng thứ 2 với 1.595 điểm; còn trên Intelligence Index của Artificial Analysis, mô hình này đạt 51 điểm, cao nhất trong nhóm open-weights được ghi nhận.
Chi phí và khả năng triển khai của mô hình
GLM 5.2 có lợi thế lớn về chi phí so với Anthropic Opus 4.8. Mô hình cũng cho phép tải xuống, tinh chỉnh và tự lưu trữ, nên doanh nghiệp có thêm lựa chọn ngoài việc dùng qua API.
Giá API của GLM 5.2 là 1,40 USD cho input và 4,40 USD cho output trên mỗi triệu token. Trong khi đó, Anthropic tính 5 USD cho input và 25 USD cho output trên mỗi triệu token đối với Opus 4.8.
Khả năng tự lưu trữ có ý nghĩa quan trọng với các tổ chức cần kiểm soát hạ tầng hoặc không muốn phụ thuộc hoàn toàn vào nhà cung cấp. Tuy vậy, việc nắm giữ trọng số mô hình không tự động loại bỏ mọi rủi ro vận hành hay dữ liệu.
Thời điểm ra mắt trùng với thay đổi chính sách tại Mỹ
GLM 5.2 được mở cho người dùng gói coding của Zhipu vào ngày 13/6, chỉ một ngày sau khi Bộ Thương mại Mỹ yêu cầu Anthropic vô hiệu hóa Fable 5 và Mythos 5 trên phạm vi toàn cầu theo lệnh kiểm soát xuất khẩu ngày 12/6.
Z.ai sau đó công bố toàn bộ benchmark và open weights vào ngày 16/6. Cùng tuần, môi trường cạnh tranh giữa các phòng thí nghiệm AI hàng đầu tại Mỹ cũng thay đổi khi việc phát hành mô hình bắt đầu bị ràng buộc chặt hơn.
Với doanh nghiệp, bối cảnh này làm nổi bật câu hỏi về khả năng tiếp cận mô hình, chi phí theo token và mức độ phụ thuộc vào các nhà cung cấp AI lớn. Nhiều tổ chức đang phải tính lại bài toán ngân sách cho các tác vụ như legal AI, coding agent và customer support.
Rủi ro dữ liệu và an ninh vẫn là điểm cần theo dõi
GLM 5.2 là mô hình open-source, nhưng điều đó không đồng nghĩa với việc rủi ro đã biến mất. Các vấn đề về luồng dữ liệu, tuân thủ pháp lý và an ninh chuỗi cung ứng AI vẫn còn nguyên.
Cloud API của Z.ai chịu tác động từ Luật Tình báo Quốc gia của Trung Quốc, nên các doanh nghiệp xử lý thông tin nhạy cảm có thể phải cân nhắc thêm về đường đi của dữ liệu. Ngoài ra, các nhà lập pháp Mỹ đã mở cuộc điều tra chính thức trong tháng 5 về rủi ro an ninh mạng từ các mô hình AI có nguồn gốc Trung Quốc trong hạ tầng trọng yếu, trong đó có Zhipu.
Về phía thị trường AI, Anthropic cũng đã cáo buộc các nhà vận hành Qwen của Alibaba thực hiện hàng chục triệu lượt truy vấn Claude bằng tài khoản giả để trích xuất năng lực mô hình. Diễn biến này cho thấy cạnh tranh giữa các hệ sinh thái AI đang đi kèm cả vấn đề kỹ thuật lẫn kiểm soát sử dụng.
Tổng kết
GLM 5.2 đang được xem là một trong những mô hình open-weights đáng chú ý nhất hiện nay nhờ kết hợp giữa hiệu năng cao, chi phí thấp và khả năng tự triển khai, nhưng rủi ro dữ liệu và chính sách vẫn là yếu tố không thể bỏ qua.
