Tani model Z.ai ujawnia drogie nawyki programistów używających AI
Chiński model GLM 5.2 firmy Z.ai zbliżył się do zachodnich rywali w benchmarkach kodowania, a jego niska cena odsłania, że budżety tokenów - nie możliwości modeli - to dziś główna bariera kosztowa w pracy z Claude Opus i GPT-4.5.
👁 137 przeczytań
Chiński startup Z.ai opublikował model GLM 5.2, który według benchmarków kodowania wyraźnie zbliżył się do zachodnich rywali - takich jak Claude Opus czy GPT-4.5 - oferując przy tym znacznie niższe ceny. Nowy model odsłonił przy okazji zjawisko, które kosztuje firmy spore pieniądze: programiści korzystający z drogich modeli rzadko zastanawiają się, ile tokenów tak naprawdę potrzebują.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Budżet tokenów ważniejszy niż sam model
W praktyce wiele zespołów używa Claude Opus lub GPT-4.5 z bardzo luźnymi limitami kontekstu - bez szczególnej dyscypliny co do tego, ile tokenów trafia do każdego zapytania. Dopóki modele te nie miały taniego konkurenta o zbliżonej jakości w zadaniach kodowania, koszt takiego podejścia był łatwiejszy do zignorowania. GLM 5.2 zmienia ten rachunek: jeśli model za ułamek ceny daje porównywalne wyniki w benchmarkach, pytanie o to, czy Opus jest wart swojej ceny, staje się bardziej konkretne.
Kluczowe nie jest jednak samo pojawienie się tańszego modelu. Ważniejsze jest to, co przy okazji wyszło na jaw - że to nie możliwości modeli są dziś głównym czynnikiem kosztowym przy AI-wspomaganym kodowaniu, lecz nawyki użytkowników. Programiści pracujący z asystentami AI regularnie wysyłają znacznie więcej tokenów niż potrzebują do konkretnego zadania, co przy cennikach Anthropica czy OpenAI kumuluje się w realne koszty.
Według IEEE Spectrum luźne budżety tokenów to w tej chwili de facto parasol ochronny dla droższych modeli: dopóki użytkownicy nie optymalizują zużycia, różnica w cenie między GLM 5.2 a Opus jest w praktyce mniej odczuwalna. Gdy ktoś zacznie liczyć tokeny dokładniej, ekonomia zmienia się radykalnie.
GLM 5.2 to kolejny sygnał ze strony chińskich laboratoriów, że dystans do zachodnich liderów w wąskich, mierzalnych zadaniach takich jak kodowanie systematycznie maleje. Nie jest to model, który dominuje w każdej kategorii - ale w benchmarkach programistycznych wyniki są na tyle bliskie, że argument cenowy zaczyna być naprawdę trudny do zbycia wzruszeniem ramion.
Dla zespołów poważnie myślących o kosztach infrastruktury AI to dobry moment, żeby sprawdzić, jak wygląda faktyczne zużycie tokenów w ich projektach - zanim za nich zrobi to budżet.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →
Podobne tematy na Promptowym
