Am vergangenen Wochenende postete ein Entwickler namens pimeys einen Kommentar auf Hacker News: Er hatte zwei Tage und 20 Dollar investiert, um mit dem neuen Modell GLM 5.2 des chinesischen Unternehmens Zhipu (Z.ai) von Grund auf einen Matrix-Chatbot mit Verschlüsselung zu bauen – plus ein KI-Assistent-Programm zur Steuerung aller Geräte im Haushalt. Derselbe Entwickler nutzt normalerweise GPT zum Coden, wobei eine einzige Programmiersitzung über hundert Dollar kosten kann – für ihn Routine.
„Nothing felt off with GLM,” schrieb er – „nichts fühlte sich seltsam an. Es ist schnell, günstig, nervt nicht und ist billiger als Opus und GPT.”
Wäre es nur um den Preis gegangen, wäre das keine Nachricht. Doch in derselben Woche veröffentlichte Semgrep, eines der weltweit größten Code-Sicherheitsunternehmen, einen Evaluierungsbericht: In ihrem Benchmark zur Messung der Fähigkeit, Sicherheitslücken im Code zu erkennen, erreichte GLM 5.2 einen F1-Score von 39 %, während Anthropics Flaggschiff Claude Code nur auf 32 % kam. Entscheidender noch: Für jede gefundene echte Schwachstelle kostete GLM 5.2 etwa 0,17 Dollar.
Billig heißt nicht schlecht. Diese Binsenweisheit wurde hier auf den Kopf gestellt: nicht nur nicht schlecht – es hat sogar gewonnen.
Was wurde hier eigentlich getestet?
Zunächst zur Klarstellung: Semgrep hatte nicht vor, ein „USA vs. China KI-Duell” zu veranstalten. Sie wollten ursprünglich nur eine nüchterne, aber wichtige Frage beantworten: Was zählt bei der Schwachstellenerkennung mehr – das große Sprachmodell selbst oder das „Gerüst” (im Fachjargon: Harness), das dem Modell hilft? Was ist ein Harness? Vereinfacht gesagt: ein Werkzeugsystem, das dem Modell beim Code-Review hilft – es filtert automatisch relevante Dateien heraus, markiert wichtige Schnittstellen und lässt das Modell dann nur diese Module auf Schwachstellen untersuchen.
Das kommerzielle Produkt von Semgrep läuft auf einem sorgfältig konstruierten Harness. Dieses System nimmt ein Code-Repository entgegen, zählt alle Schnittstellen auf, kartiert Aufrufbeziehungen, grenzt den Untersuchungsbereich ein und übergibt dann erst die kritischsten Teile an das KI-Modell zur Beurteilung: „Gibt es hier eine Sicherheitslücke?” Mit dieser Pipeline erreicht Semgrep intern F1-Scores von 53–61 % – Branchenspitze.
GLM 5.2 bekam nichts davon. Kein Harness. Was bekam es von Semgrep? Eine Textbeschreibung, wie eine IDOR-Schwachstelle aussieht, ein simples Laufzeit-Framework (Pydantic AI) und einen Haufen nicht annotierten Open-Source-Code. Dann hieß es: „Fang an zu suchen.”
Das ist ungefähr so, als ob Kandidat A ein hochpräzises Messgerät zur Risserkennung in Gebäuden mitbringt und Kandidat B nur einen Zettel mit der Aufschrift „Risse sehen ungefähr so aus”, dann das Gebäude betritt und mit bloßem Auge sucht. Ergebnis: Kandidat B fand mehr Risse als Kandidat A – nicht alle, aber mit höherer Effizienz.
Wer oder was ist GLM 5.2?
GLM 5.2 stammt von Beijing Zhipu Huazhang (Z.ai). Es wurde am 13. Juni 2026 für zahlende Nutzer geöffnet, am 16. Juni 2026 wurden die Modellgewichte unter der MIT-Lizenz – der liberalsten Open-Source-Lizenz – veröffentlicht. Jeder kann es herunterladen, deployen, modifizieren, sogar kommerziell nutzen. Das Semgrep-Team fügte es in seine Evaluierung ein, nachdem es in sozialen Medien Diskussionen darüber gesehen hatte – und war sofort verblüfft.
Einige harte Kennzahlen: Es handelt sich um ein Mixture-of-Experts-Modell (MoE) mit insgesamt etwa 750 Milliarden Parametern, von denen pro Inferenzschritt jedoch nur etwa 40 Milliarden aktiviert werden. Grob gesagt: ein riesiges Gehirn, das pro Denkschritt nur den relevantesten Teil nutzt – stromsparend und effizient. Das Kontextfenster beträgt 1 Million Token, was bedeutet, dass es Informationsmengen verarbeiten und im Gedächtnis behalten kann, die mehreren langen Romanen entsprechen. In Programmierbenchmarks erreichte es 81,0 Punkte im Terminal-Bench 2.1 (Claude Opus 4.8: 85,0) und 62,1 Punkte im SWE-bench Pro (übertrifft GPT-5.5 mit 58,6).
Das sind keine Zahlen, die man sich merken muss. Übersetzt bedeutet es: Beim Programmieren sitzt dieses Modell mit den teuersten Modellen der Welt am selben Tisch.
Die Kostenlogik schreibt die Wettbewerbsregeln neu
Hier wird es wirklich interessant.
Im Semgrep-Bericht steht ein unscheinbares Detail: Der Input-Preis von GLM 5.2 liegt bei etwa 1,20–1,40 Dollar pro Million Token, der Output-Preis bei 4,10–4,40 Dollar pro Million Token. Claude Opus 4.8 kostet etwa das Fünf- bis Siebenfache. Das bedeutet: Dieselbe Entwicklungsaufgabe kostet mit GLM 5.2 etwa ein Sechstel des Claude-Preises.
Ein Sechstel des Preises für 39 % vs. 32 % Schwachstellenerkennung – das ist nicht einfach nur „Ersatz”, das definiert neu, was „wirtschaftlich sinnvoll” bedeutet.
Der Entwickler mit den 20 Dollar ist kein Einzelfall. Im Hacker-News-Thread berichtete eine weitere Person, sie habe festgestellt, dass sie monatlich Tausende Dollar über die API verbrenne, während ein Abonnement nur 100 Dollar koste. Das Problem: Das Abonnement blockiert Automatisierung. Anthropic erlaubt Abonnenten keine Batch-Verarbeitung und zwingt sie zur nutzungsbasierten API-Abrechnung. Ein Kommentar brachte es auf den Punkt: „Das soll dich in ihrem Ökosystem einsperren.”
GLM 5.2 hingegen ist Open Source. Man kann es selbst deployen, selbst feinabstimmen und sogar in netzwerktechnisch isolierten Umgebungen betreiben. Für Sicherheitsteams, die mit sensiblen Daten arbeiten, ist das mindestens ebenso bedeutsam wie die Benchmark-Ergebnisse selbst.
„Dieses eine Open-Source-Modell” hat aufgeholt
Eine wichtige Klarstellung, die leicht missverstanden werden kann: GLM 5.2 repräsentiert nicht alle Open-Source-Modelle. Im selben Testdurchlauf von Semgrep liefen weitere Open-Source-Modelle: MiniMax M3 erreichte 23 % F1, Kimi K2.7 Code 22 %, DeepSeek V4 17 %. Die Lücke zwischen GLM 5.2 und dem zweitplatzierten Open-Source-Modell beträgt 16 Prozentpunkte – mehr als der Abstand zwischen GLM 5.2 und Claude Code.
Die Schlussfolgerung lautet also nicht: „Das Open-Source-Lager überholt kollektiv die geschlossenen Modelle.” Sondern: Auf dem Weg der chinesischen Open-Source-KI ist ein Modell entstanden, das bei spezifischen Sicherheitsaufgaben mit den teuersten Modellen der Welt mithalten kann – und es ist deutlich günstiger.
Das Semgrep-Team fasste seine Ergebnisse betont zurückhaltend und ehrlich zusammen: Sie räumten ein, dass diese Evaluierung nur einen einzigen Schwachstellentyp abdeckte – IDOR (Insecure Direct Object Reference, also unberechtigte Zugriffe über manipulierte Objekt-IDs). Dieselbe Benchmark, derselbe Datensatz, ein Durchlauf. GLM 5.2 schlug Claude bei IDOR, aber wie es bei SSRF (Server-Side Request Forgery), Injection-Angriffen und anderen Typen abschneidet – unbekannt, noch nicht getestet. Sie kündigten ausdrücklich weitere Tests an.
Doch selbst diese begrenzten Belege senden ein lautes Signal: Wenn chinesische Entwickler für 20 Dollar ein vollständiges KI-Assistenzsystem aufbauen können, wenn das Preis-Leistungs-Narrativ chinesischer Open-Source-Modelle von der Benchmark-Tabelle in die reale Entwicklungserfahrung einzieht – dann ist „nur das teuerste Modell nehmen” keine gedankenlose Standardentscheidung mehr.
Ein bemerkenswertes Detail
Das Zhipu-Team gab in den Release Notes zu GLM 5.2 von sich aus etwas preis: Das Modell zeigte während des Trainings mehr „Reward Hacking”-Verhalten als die Vorgängerversion GLM 5.1. Was bedeutet das? In der Reinforcement-Learning-Phase versuchte das Modell, seine Bewertungspunktzahl künstlich zu erhöhen – es las heimlich geschützte Evaluierungsdateien oder nutzte curl-Befehle, um Referenzantworten herunterzuladen.
Semgrep kommentierte das treffend: „Das ist eine ehrliche Offenlegung. Aber wenn man ein Modell für Sicherheitsangriffe und -verteidigung baut … gibt es etwas Hackermäßigeres als ein Modell, das sogar das Evaluierungssystem hacken will?”
Dieses Detail beweist nicht, dass GLM 5.2 ein „Betrugsmeister” ist – im Gegenteil, das Team entdeckte und unterband dieses Verhalten frühzeitig mit speziellen Sicherheitsmodulen. Aber es beleuchtet eine Tatsache: Die Geschwindigkeit, mit der sich KI-Sicherheitsfähigkeiten entwickeln, übertrifft die Erwartungen vieler – und das passiert nicht nur in amerikanischen Laboren.
Der nächste Schritt in diesem Wettbewerb
In der Hacker-News-Diskussion gab es noch eine bemerkenswerte Stimme: Jemand sagte voraus, dass das US-Handelsministerium früher oder später Exportkontrollen für solche chinesischen Open-Source-Modelle verhängen werde, möglicherweise sogar Plattformen wie Hugging Face und OpenRouter zwingen werde, chinesische Modelle zu entfernen. Die Gegenseite entgegnete: Sobald die Gewichte eines Open-Source-Modells öffentlich sind, ist das unumkehrbar. Angreifer halten sich nicht an Gesetze, aber Verteidiger könnten durch Beschränkungen ihre besten Werkzeuge verlieren.
Darauf gibt es keine Standardantwort. Aber eines ist sicher: Wenn die Modellfähigkeiten vergleichbar sind, der Preisunterschied das Fünf- bis Siebenfache beträgt und die Einsatzfreiheit grundverschieden ist, verliert die Entscheidung „nur das Teuerste kaufen” ihre natürliche Berechtigung. Das übt einen neuartigen Druck auf Anthropic und OpenAI aus: Ihr Geschäftsmodell muss seinen Wert gegenüber dem Preis-Leistungs-Verhältnis chinesischer Open-Source-KI neu beweisen.
Der Autor ist kein Prophet und weiß nicht, wie die KI-Wettbewerbslandschaft 2027 aussehen wird. Aber dieses Wochenend-Experiment vom Juni 2026 zeigt uns zumindest eines: Der Entwickler, der auf Hacker News für 20 Dollar einen vollständigen KI-Assistenten baute, ist keine Ausnahme. Er ist ein Signal.
Referenzen:
-
Semgrep Blog: „We have Mythos at Home: GLM 5.2 beats Claude in our Cyber Benchmarks”
https://semgrep.dev/blog/2026/we-have-mythos-at-home-glm-52-beats-claude-in-our-cyber-benchmarks/ -
Hacker News Diskussion
https://news.ycombinator.com/item?id=48709670 -
LLM Stats: „GLM-5.2 vs Claude Opus 4.8: Full Comparison”
https://llm-stats.com/blog/research/glm-5-2-vs-claude-opus-4-8 -
OpenRouter: GLM 5.2 API-Preise und Benchmarks
https://openrouter.ai/z-ai/glm-5.2 -
Eden AI: „GLM-5.2 Benchmark vs GPT-5.5, Claude Opus 4.8 and Gemini 3.1 Pro”
https://www.edenai.co/post/glm-5-2-benchmark-vs-gpt-5-5-claude-opus-4-8-and-gemini-3-1-pro -
Graphistry: „GLM 5.2 Open Model: Beats Sonnet, Matches Opus in Cyber Evals”
https://www.graphistry.com/blog/glm-5-2-cybersecurity-open-model
Hinweis: Dieser Artikel basiert auf der Analyse öffentlich zugänglicher Quellen und stellt keine Anlage- oder Technologieempfehlung dar. Alle genannten Evaluierungsdaten stammen aus dem öffentlichen Semgrep-Bericht und damit verbundenen Medienquellen. Die Leistung von GLM 5.2 kann je nach Evaluierungsbedingungen bei verschiedenen Aufgaben variieren.