GLM vale a pena? O preço do GLM-5.2 contra GPT e Claude

Por LW Forge — mantenedora do LLM Scout · Atualizado em 17 de agosto de 2026

O GLM-5.2 é o modelo que torna a pergunta sobre preço desconfortável. É um Mixture-of-Experts de 744 bilhões de parâmetros lançado pela Z.ai em junho de 2026, com pesos sob licença MIT, janela de 1 milhão de tokens e tarifa de US$ 1,40 por milhão de tokens de entrada contra os US$ 2,50 do GPT-5.6 Terra. A manchete é verdadeira, mas é o número menos interessante da comparação — a tarifa de saída, a de cache e a dos agregadores mexem mais no resultado final do que o preço de entrada.

As tarifas, em 4 de agosto de 2026

O valor do OpenRouter estava com desconto promocional quando conferimos; em julho ele girava perto de US$ 0,93/US$ 3,00. Tarifa de agregador para modelo de pesos abertos muda de semana em semana, porque quem define é o host mais barato do dia. Trate como faixa, não como cotação, e confirme o número vivo antes de fechar orçamento.

A vantagem real está na saída, não na entrada

O GLM-5.2 cobra saída a 3,1× a tarifa de entrada. O GPT-5.6 cobra a 6×; o Claude, a 5×. Como quase toda carga real gera muito menos token de saída do que consome de entrada, é fácil passar batido por essa razão — e ela é o maior fator isolado do total.

Pegue um assistente de código agêntico de porte médio: 300 milhões de tokens de entrada e 40 milhões de saída no mês.

O GLM direto sai 2,3× mais barato que o Terra nesse tráfego, não os 1,8× que as tarifas de entrada sugerem, porque é na saída que o multiplicador da OpenAI machuca. Torne a carga mais pesada em saída — geração de código, textos longos, rastros de raciocínio que você paga — e a diferença só aumenta a favor do GLM. Passe o seu próprio perfil de tokens pela comparação GPT vs Claude e coloque essas tarifas ao lado do resultado.

O detalhe do cache que quase ninguém confere

Aqui está a parte que costuma escapar. O GLM-5.2 cobra US$ 0,26 por milhão de tokens de entrada em cache. O GPT-5.6 Terra cobra US$ 0,25. Em valor absoluto, a leitura de cache do GLM é mais cara que a do Terra — o desconto da Z.ai é de cerca de 81% sobre a entrada, enquanto OpenAI e Anthropic dão 90% cravados.

Isso importa porque carga com muito cache é justamente a que os times mais otimizam. Refaça a mesma conta de 300M/40M com 90% da entrada vindo do cache:

O GLM ainda ganha por 2,6×, mas cada dólar dessa vantagem agora vem da tarifa de saída — no lado da entrada é empate técnico. Se o seu prompt é um bloco de sistema gigante e fixo e as respostas são rótulos curtos, a vantagem do GLM sobre o Terra é bem menor do que a etiqueta sugere. Como o cache de prompt muda a conta explica a mecânica; meça o seu prefixo real na calculadora de tokens antes de supor de que lado você está.

O que você abre mão

Maturidade de ecossistema é o custo honesto. Saída estruturada, casos de borda em function calling, cobertura de SDK, integração com observabilidade — os laboratórios de fronteira estão à frente, e você vai gastar tempo de engenharia com cola que viria de graça em outro lugar. Rotear por agregador acrescenta uma segunda variável: o host que atender a sua requisição pode estar rodando uma quantização diferente daquela que você testou, então a qualidade oscila sem que o prompt mude.

Governança de dados é a outra. A API hospedada da Z.ai opera sob jurisdição chinesa. Para um projeto pessoal isso pode ser irrelevante; para uma carga regulada, com cláusula de residência de dados, costuma ser eliminatório a qualquer preço. É esse o motivo real de os pesos abertos importarem — não por serem grátis, mas por serem uma saída de emergência.

Quando self-host realmente compensa

Raramente, e mais tarde do que se imagina. O GLM-5.2 tem 744 bilhões de parâmetros; mesmo em 8 bits você precisa de umas dez GPUs classe H100 só para segurar os pesos, e na prática mais perto de dezesseis quando quiser espaço de KV cache em contexto longo. A preços típicos de nuvem, de US$ 2 a US$ 3 por GPU-hora, um nó ligado 24/7 fica em algo perto de US$ 25 mil a US$ 30 mil por mês.

Contra os US$ 596 da conta de API acima, não chega nem perto. Seria preciso cerca de cinquenta vezes aquele tráfego — na casa de 15 bilhões de tokens de entrada por mês — para a aritmética virar, e ainda assim só com utilização perto de 100%. Calcule as suas próprias premissas de hardware na calculadora de custo de GPU em nuvem em vez de confiar nas faixas acima.

A ordem, então, é esta: agregador primeiro, API direta quando você precisar de um provedor estável, self-host quando governança ou latência obrigarem — e trate a economia como bônus, não como motivo. Se quiser a mesma análise na outra ponta do mercado de pesos abertos, Kimi K3 contra o Claude Opus 4.8 trata de um modelo aberto com preço premium. Para o campo inteiro, as APIs de LLM mais baratas de 2026 traz a tabela ampliada.