Das chinesische KI-Unternehmen Zhipu AI (Z.ai) positioniert sein günstiges Modell GLM-5.2 nun auch als Konkurrenz zu Claude Code und OpenAI Codex im Bereich agentischer Programmierwerkzeuge. Mit ZCode bringt das Unternehmen eine eigene Entwicklungsumgebung an den Start, die speziell auf GLM-5.2 zugeschnitten ist.
Was ZCode kann
Laut der offiziellen ZCode-Dokumentation handelt es sich um eine “Agentic Development Environment” (ADE), die GLM-5.2s Fähigkeiten für lange Kontexte und mehrstufige Programmieraufgaben in eine stabile Desktop-Anwendung überführen soll. Ein zentraler ZCode-Agent hält dabei Ziele, Dateien, Terminal-Ausgaben, Browser-Kontext, Ausführungsmodi und den Git-Status während der gesamten Aufgabe zusammen. Nutzer können den Agenten per natürlicher Sprache programmieren, debuggen, testen und Änderungen prüfen lassen, gestützt auf ein Kontextfenster von einer Million Token. Neben der Desktop-Anwendung lässt sich der Agent auch über eine mobile Fernsteuerung sowie über Bot-Integrationen in Feishu und WeChat ansteuern, sodass laufende Aufgaben auch unterwegs weiterverfolgt werden können.
Die Lockangebote für neue und bestehende Nutzer
Nach eigenen Angaben von Z.ai können Neukunden ZCode fünf Tage lang kostenlos mit bis zu 3 Millionen Tokens täglich für GLM-5.2 und weiteren 2 Millionen Tokens für das schnellere GLM-5-Turbo testen. Bestehende Abonnenten des GLM Coding Plan erhalten bis zum 31. Juli 2026 ein effektiv rund 1,5-fach höheres Nutzungskontingent, indem Z.ai die Kosten während der Spitzenzeiten von 14 bis 18 Uhr von dreifacher auf zweifache Abrechnung senkt und außerhalb der Spitzenzeiten von einfacher auf 0,67-fache Abrechnung.
Wie gut ist GLM-5.2 wirklich? Ein Praxisvergleich von Snowflake
GLM-5.2 war bereits vor dem ZCode-Start als leistungsfähiges, aber deutlich günstigeres Modell aufgefallen. Laut Z.ais eigenem technischen Blogbeitrag liegt das Modell auf dem Langzeit-Programmier-Benchmark FrontierSWE nur einen Prozentpunkt hinter Anthropics Opus 4.8 und übertrifft OpenAIs GPT-5.5 sowie Opus 4.7 um jeweils mehrere Prozentpunkte.
Einen unabhängigen Praxistest lieferte Snowflake-CEO Sridhar Ramaswamy in einem viel beachteten X-Beitrag: Das interne “Coco”-Team des Datenunternehmens ließ GLM-5.2 und Claude Opus 4.7 auf 103 Programmieraufgaben aus dem sogenannten dbt-Bench antreten, jede Aufgabe dreifach wiederholt. Bei drei Versuchen pro Aufgabe lagen beide Modelle mit 66 respektive 67 Prozent gelöster Aufgaben nahezu gleichauf, wie OfficeChai in seiner Auswertung des Beitrags berichtet. Beim ersten Versuch fiel der Vorsprung von Opus jedoch deutlicher aus: 53,7 Prozent korrekte Lösungen gegenüber 47,6 Prozent bei GLM-5.2.
Der Effizienzunterschied zwischen beiden Modellen war dabei erheblich: GLM-5.2 benötigte im Schnitt 99 Gesprächsrunden pro Aufgabe gegenüber 80 bei Opus und verursachte mit 860 Millionen abgerechneten Tokens fast doppelt so viel Verbrauch wie Opus mit 439 Millionen. Snowflakes Team führte das unter anderem auf mehr Gesprächsrunden, kleinteiligere API-Aufrufe und eine geringere Wiederverwendung zwischengespeicherter Prompt-Inhalte bei GLM-5.2 zurück. Die verbreitete Annahme, GLM prüfe seine eigene Arbeit gründlicher, bestätigte sich den Auswertungen zufolge nur teilweise: Das Modell führt Prüfungen demnach eher einzeln und kleinteiliger statt notwendigerweise umfassender durch als Opus.
Einordnung
ZCode fügt sich in ein Muster ein, das sich seit GLM-5.2s Veröffentlichung im Juni 2026 beobachten lässt: Chinesische Modelle nähern sich bei komplexen Programmieraufgaben zunehmend der Leistungsfähigkeit westlicher Spitzenmodelle an, bleiben dabei aber deutlich günstiger – wenn auch, wie Snowflakes Praxistest zeigt, mit Abstrichen bei der Verlässlichkeit im ersten Anlauf und einem teils erheblich höheren Token-Verbrauch, der einen Teil des nominalen Preisvorteils wieder aufzehrt. Ob sich ZCode als eigenständige Alternative zu Claude Code und Codex etablieren kann, dürfte deshalb weniger von den reinen Modell-Benchmarks abhängen als davon, wie gut sich dieser Mehrverbrauch in der Praxis in tatsächliche Gesamtkosten für Entwicklerteams übersetzt.
