Firma Z.ai z Pekinu wypuściła model, który na benchmarkach agentowych ustępuje Opus 4.8 o niecały punkt procentowy, kosztując przy tym mniej więcej piątą część ceny. Zbiegło się to w czasie z chwilowym zablokowaniem dostępu do najnowszych modeli Anthropic w Stanach Zjednoczonych, co dało chińskiemu open source’owi tygodnie przewagi w walce o uwagę deweloperów.
Kluczowe fakty:
- Firma Z.ai z Pekinu opublikowała model GLM-5.2 na licencji MIT – to model mixture-of-experts z około 744 miliardami parametrów (aktywnych ~40 mld), oknem kontekstowym do miliona tokenów, kosztujący około jednej piątej ceny modelu Anthropic Opus 4.8, któremu na benchmarkach agentowych ustępuje o niecały punkt procentowy.
- Departament Handlu USA zablokował cudzoziemcom dostęp do najnowszych modeli Anthropic (Fable i Mythos), ponieważ firma nie była w stanie w czasie rzeczywistym zweryfikować obywatelstwa użytkowników – zbiegło się to w czasie z premierą GLM-5.2, co skłoniło deweloperów na całym świecie do masowego pobierania chińskiego modelu.
- Ruch na platformie OpenRouter po premierze GLM-5.2 wzrósł szybciej niż po debiucie DeepSeek V4 wiosną, a model wspiął się w rankingu użycia powyżej modeli Anthropic; wśród publicznie chwalących go osób znaleźli się m.in. prezes Snowflake Sridhar Ramaswamy oraz inwestor Marc Andreessen.
Piszę o tym z pewną satysfakcją obserwatora, bo historia ma w sobie ironię, której nie dało się wymyślić lepiej. Departament Handlu USA zablokował dostęp cudzoziemców do najnowszych modeli Anthropic, Fable i Mythos, bo firma nie potrafiła w czasie rzeczywistym zweryfikować obywatelstwa użytkowników. Dzień później Zhipu AI, działające pod marką Z.ai, opublikowało wagi swojego modelu GLM-5.2 na licencji MIT. Deweloperzy na całym świecie mieli więc do wyboru: czekać, aż Waszyngton pozwoli im wrócić do amerykańskich narzędzi, albo pobrać chiński model za darmo i uruchomić go od ręki.
Wybrali to drugie w liczbie, która zaskoczyła nawet samych obserwatorów rynku.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Model, który dogonił Zachód w rekordowym tempie
GLM-5.2 trafił do subskrybentów planu kodowania Z.ai 13 czerwca, a trzy dni później firma opublikowała pełne wagi modelu razem z kartą wyników benchmarków. To model typu mixture-of-experts z około 744 miliardami parametrów, z czego aktywnych jest w danym momencie około 40 miliardów, z oknem kontekstowym sięgającym miliona tokenów. Zaprojektowano go z myślą o agentach kodujących pracujących nad zadaniami rozciągniętymi w czasie, nie o zwykłym czacie.
Ruch na platformie OpenRouter, gdzie deweloperzy testują i porównują modele różnych dostawców, wzrósł po premierze GLM-5.2 szybciej niż po debiucie DeepSeek V4 wiosną. Model wspiął się w rankingu użycia powyżej modeli Anthropic, a wśród osób, które publicznie chwaliły jego możliwości, znaleźli się prezes Snowflake Sridhar Ramaswamy oraz inwestor venture capital Marc Andreessen.
Głośno zrobiło się także dzięki Davidowi Sacksowi, byłemu doradcy prezydenta Trumpa do spraw AI, który w podcaście All-In powiedział, że GLM-5.2 jest tylko odrobinę słabszy od Opus 4.8 i mniej więcej na poziomie GPT 5.5. Dodał przy tym, że Stany Zjednoczone nie mogą sobie pozwolić na spowalnianie własnych firm regulacjami.
Konkretne liczby robią wrażenie. Na teście FrontierSWE, sprawdzającym pracę agentów nad bardzo długimi zadaniami technicznymi, GLM-5.2 ustępuje Opus 4.8 o około punkt procentowy i wyprzedza GPT-5.5. Na teście narzędziowym MCP-Atlas prawie zrównuje się z modelem Anthropic. Na Terminal-Bench 2.1 notuje wynik 81,0 wobec 85,0 dla Opus, czyli czteropunktową różnicę. Model zostaje w tyle na najtrudniejszych zadaniach kodowania od zera i przegrywa z Opus oraz Gemini 3.1 Pro na Humanity’s Last Exam, ale na teście matematycznym AIME 2026 osiąga 99,2 procent.
Trzeba tu dodać jedno zastrzeżenie, które łatwo pominąć w entuzjastycznych relacjach: większość tych wyników pochodzi z testów własnych Zhipu, nie z niezależnej weryfikacji. Niezależny indeks Artificial Analysis plasował poprzednią wersję, GLM-5.1, gdzieś w środku stawki modeli otwartych, za Kimi K2.6 i DeepSeek V4-Pro. Szeroko cytowany ranking SWE-bench Pro, w którym GLM wyprzedza DeepSeek, a ustępuje Kimi, pochodzi od zewnętrznych narzędzi śledzących, nie z oceny NIST CAISI, która objęła wyłącznie DeepSeek V4-Pro.
Piąta część ceny robi różnicę
Tu leży prawdziwy argument sprzedażowy Z.ai. Interfejs API GLM-5.2 kosztuje około 1,40 dolara za milion tokenów wejściowych i 4,40 dolara za milion tokenów wyjściowych, w zależności od dostawcy nawet nieco mniej. Dla porównania Opus 4.8 kosztuje w okolicach 5 dolarów za milion tokenów wejściowych i 25 dolarów za wyjściowe. Licząc oszczędnie, tokeny wejściowe GLM-5.2 są około 3,6 razy tańsze niż u Opus 4.8 i GPT-5.5, a wyjściowe nawet 5,7 do 6,8 razy tańsze.
Model działa na 13 i więcej niezależnych dostawcach na samym OpenRouter, co daje firmom coś, czego nie ma żaden model zamknięty: możliwość wyboru hostingu, negocjacji ceny i, przede wszystkim, brak ryzyka, że jedna decyzja administracyjna w Waszyngtonie odetnie im dostęp z dnia na dzień.
Brian Tse, założyciel i szef pekińskiego think tanku Concordia AI zajmującego się bezpieczeństwem AI, ujął to wprost. Powiedział, że społeczność deweloperska coraz bardziej zdaje sobie sprawę, że poleganie wyłącznie na zamkniętych modelach API opartych w Stanach Zjednoczonych niesie poważne ryzyko / „The international developer community is increasingly aware that relying solely on proprietary, US-based API models carries significant risk.”
Trudno nie dostrzec tu paradoksu. Amerykańska administracja wprowadza kontrolę eksportu, żeby chronić przewagę technologiczną USA, a efektem ubocznym jest to, że deweloperzy na całym świecie w ciągu jednego tygodnia uczą się żyć bez amerykańskich modeli. Nie sądzę, żeby GLM-5.2 był z dnia na dzień zamiennikiem Claude czy GPT dla wszystkich zastosowań, bo różnice na najtrudniejszych zadaniach są realne i widoczne w liczbach. Ale pytanie, które firmy zaczynają sobie zadawać, brzmi inaczej: czy stać mnie na to, żeby cały mój proces biznesowy zależał od modelu, którego dostawność może zniknąć z powodu decyzji politycznej, na którą nie mam żadnego wpływu? To pytanie zostanie z nami długo po tym, jak obecny spór regulacyjny się skończy.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Kontrola eksportu, która otworzyła drzwi
Warto przypomnieć chronologię, bo ma znaczenie dla całej historii. Departament Handlu USA nałożył ograniczenia uniemożliwiające cudzoziemcom dostęp do najnowszych modeli Anthropic, Fable i Mythos. Anthropic, nie mając możliwości zweryfikowania obywatelstwa użytkowników w czasie rzeczywistym, wyłączył oba modele globalnie. Zablokowane zapytania kierowano wówczas do Opus 4.8. Restrykcje zniesiono 30 czerwca, a Anthropic przywrócił pełny dostęp 1 lipca.
Równolegle OpenAI opóźniło publiczny start swojego najnowszego modelu GPT-5.6 na prośbę administracji rządowej. Dla firm, które akurat w tym momencie szukały nowego dostawcy modeli językowych, te kilka tygodni zbiegło się z premierą GLM-5.2 w sposób, którego Z.ai raczej nie planowało, ale na pewno nie żałuje.
Zhipu nie jest zresztą pierwszym chińskim laboratorium, które gra kartą taniego modelu open source. Ten sam wzorzec, niższa cena i otwarte wagi w zamian za mniejszą rozpoznawalność marki, widać było wcześniej w tym roku u Alibaba i ByteDance. GLM-5.2 idzie o krok dalej, bo trafia w moment, w którym dostępność amerykańskich modeli faktycznie zaczęła budzić wątpliwości u realnych klientów biznesowych.
Co to oznacza dla polskich firm?
Dla polskiego rynku ta historia ma konkretne przełożenie, nie tylko teoretyczne. Z badań branżowych z tego roku wynika, że około 94 procent polskich firm wciąż nie korzysta z AI w sposób zorganizowany, co oznacza, że decyzja o wyborze dostawcy dopiero przed wieloma z nich stoi.
Kilka rzeczy wartych rozważenia:
- Koszt wejścia jest realny. Pełne wdrożenie własnego agenta AI zintegrowanego z systemami firmowymi w Polsce kosztuje zwykle od kilkunastu do kilkudziesięciu tysięcy złotych, a przy większej skali potrafi sięgnąć kilkuset tysięcy. Model o piątej części ceny amerykańskiego API realnie zmienia rachunek ekonomiczny takiego projektu, szczególnie przy dużym wolumenie zapytań.
- Self-hosting ma sens tylko przy odpowiedniej skali. Uruchomienie GLM-5.2 na własnej infrastrukturze wymaga sprzętu klasy serwerowej, licząc w terabajtach pamięci GPU, co ma sens wyłącznie dla organizacji z dużym i stałym wolumenem zapytań. Dla mniejszej firmy hostowane API pozostaje tańszą opcją operacyjnie.
- AI Act nie znika, niezależnie od dostawcy modelu. Wybór modelu chińskiego czy amerykańskiego nie zwalnia z obowiązków dokumentacyjnych wynikających z unijnych przepisów, a pytanie o rezydencję danych i miejsce ich przetwarzania staje się przy modelach open source jeszcze bardziej istotne, bo to firma sama odpowiada za infrastrukturę.
- Zależność od jednego dostawcy to ryzyko operacyjne, nie tylko cenowe. Epizod z zablokowaniem modeli Anthropic pokazuje, że firmy budujące procesy wokół jednego zamkniętego API powinny mieć plan awaryjny, niezależnie od tego, czy wybiorą model chiński, czy jeden z rozwijanych obecnie polskich modeli językowych, jak Bielik.
Nie spodziewam się, żeby polskie firmy masowo migrowały do chińskich modeli w najbliższych miesiącach. Bariera językowa, przyzwyczajenie do ekosystemów Microsoft czy Google oraz kwestie zaufania do dostawcy z Chin będą działać hamująco. Ale rozmowa o dywersyfikacji dostawców, którą do niedawna prowadziły głównie duże korporacje z powodów geopolitycznych, zaczyna docierać także do średnich firm liczących koszty tokenów.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co dalej
Analitycy cytowani w zagranicznych mediach mówią o wzorcu częściowego przekierowania ruchu, nie o nagłym zastąpieniu OpenAI czy Anthropic. To brzmi rozsądnie. GLM-5.2 wygrywa tam, gdzie liczy się stosunek jakości do ceny przy zadaniach kodowania i pracy agentowej, ale wciąż zostaje w tyle na najbardziej wymagających zadaniach ogólnych.
Ciekawszy wątek to deklaracja założyciela Z.ai, Tang Jie, który w odpowiedzi na wpis Elona Muska na X napisał, że jego firma może wyprodukować model dorównujący Claude Fable jeszcze przed pierwszym kwartałem przyszłego roku. Jeśli to się potwierdzi, dystans między chińskimi modelami open source a amerykańską czołówką będzie się dalej kurczyć, a cały ten epizod z kontrolą eksportu może okazać się w retrospektywie momentem, w którym ta luka zaczęła się zamykać najszybciej.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału agencyjnego Reuters z dnia 02.07.2026, a także dodatkowych źródeł branżowych, w tym Technology.org, The AI Rankings, OpenRouter oraz Developers Digest. Cytat Briana Tse, założyciela i CEO Concordia AI, oraz Davida Sacksa zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Dane o kosztach wdrożeń AI w Polsce pochodzą z analiz rynkowych StormIT i Brandfit. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o rozwoju modeli GLM oraz sytuacji regulacyjnej wokół dostępu do modeli Anthropic i OpenAI.
