GLM-5.2 vs Claude Opus 4.8 — O Open Weights Está a Apanhar os Modelos Fechados?

---

Introdução

A meio de junho de 2026, a Z.ai — o laboratório chinês por detrás do ecossistema GLM — lançou o GLM-5.2 com uma licença MIT e pesos disponíveis no Hugging Face. O modelo chegou com números de benchmark impressionantes, alguns dos quais a bater o Claude Opus 4.8 da Anthropic em tarefas de raciocínio matemático. A comunidade reagiu com entusiasmo, mas também com ceticismo.

A pergunta que ficou no ar: será que um modelo open weights consegue realmente competir com o melhor que a Anthropic tem para oferecer? Ou estamos a olhar para mais um caso de benchmarks que não representam a realidade do uso diário?

O James Daniel Whitford, no TechStackups, fez exatamente o teste que faltava. Pegou nos dois modelos, deu-lhes o mesmo prompt — constrói um jogo 3D platformer em WebGL puro — e comparou resultados, tempo, custo e qualidade. Este artigo é uma análise aprofundada desse confronto e do que ele significa para developers.

---

O que é o GLM-5.2

O GLM-5.2 é o modelo flagship da Z.ai (anteriormente conhecida como Zhipu AI). É um modelo de linguagem puro — só texto, sem capacidade multimodal — licenciado sob MIT com pesos abertos no Hugging Face e no ModelScope. A janela de contexto é de 1 milhão de tokens, o que o coloca ao nível dos modelos mais recentes da Anthropic e do Google para tarefas de análise de documentos longos.

O modelo oferece dois níveis de raciocínio: High e Max. O modo High é o padrão, equivalente ao thinking do Claude ou ao extended thinking do Gemini. O modo Max é mais profundo e consome significativamente mais tokens de output. Esta divisão permite ao utilizador escolher entre velocidade e profundidade conforme a tarefa.

O preço é o ponto mais forte do GLM-5.2. É drasticamente mais barato que o Claude Opus 4.8, como se pode ver na tabela seguinte.

---

Tabela de preços por 1 milhão de tokens

O GLM-5.2 custa menos de um quinto do Opus no output e menos de um terço no input. Para quem faz muitas chamadas de API com contextos grandes, a diferença acumula-se rapidamente.

---

O Teste Prático: Um Jogo 3D em WebGL Puro

O teste mais interessante do artigo fonte não foi um benchmark abstrato. Foi um exercício prático de programação: pedir a cada modelo que construísse um jogo 3D platformer em WebGL puro, sem bibliotecas como Three.js ou Babylon.js, a partir de um único prompt.

---

Porquê Este Teste

Programar um jogo 3D em WebGL puro é difícil para humanos e para modelos de linguagem. Requer conhecimentos de geometria, shaders, física, deteção de colisões e lógica de jogo. Tudo isto com uma API de baixo nível que não dá atalhos. Se um modelo consegue fazer isto bem, é um bom sinal de que percebe de código real.

Além disso, o resultado é imediatamente verificável. Ou o jogo funciona ou não funciona. Não há interpretações. Ou a personagem salta ou fica presa no chão.

---

O que Cada Modelo Tinha de Construir

O prompt pedia um jogo 3D com as seguintes características:

• Mundo 3D renderizado em WebGL puro
• Uma personagem controlada pelo utilizador com movimento e salto
• Plataformas para saltar
• Inimigos ou obstáculos (spikes)
• Uma condição de vitória (chegar a uma bandeira)
• Física básica (gravidade, colisões)
• Câmara que segue a personagem

---

Tempo e Custo

O GLM-5.2 demorou mais do dobro do tempo, embora tenha usado menos tokens de output e menos chamadas a ferramentas. Custou cerca de um quarto do preço (com a ressalva de que o valor do Opus é uma estimativa a preços de lista e o do GLM-5.2 é o custo realmente faturado).

---

Análise dos Resultados de Cada Modelo

GLM-5.2: O jogo resultante é funcional mas claramente mais rough. A personagem aparece sem texturas (flat gray), os spikes não matam, um overlay de debug fica visível na interface, a cabeça da personagem desaparece quando a câmara se move, e a personagem aparece virada ao contrário.

A vitória também parecia não funcionar, mas o artigo foi corrigido entretanto: funciona, só que exige apanhar todas as moedas antes de a bandeira disparar.

O modelo é só texto, por isso não consegue ver o que está a produzir. Tentou contornar esta limitação analisando pixel data do canvas, mas não detetou os bugs visuais mais óbvios. É uma limitação fundamental de não ser multimodal.

Claude Opus 4.8: O jogo é mais polido. A personagem tem texturas, a física é mais consistente, os spikes matam, e a condição de vitória funciona. A câmara segue a personagem sem artefatos estranhos. O jogo é jogável sem precisar de abrir o console do browser para perceber o que está a acontecer.

O Opus tem a vantagem de ser multimodal: vê screenshots do que está a gerar e consegue verificar visualmente se o resultado está correto.

---

Os Bugs de Cada Um

Os bugs do GLM-5.2 são mais graves e mais numerosos. Mas também são bugs que um humano consegue corrigir em minutos. Falta-lhe a capacidade de ver o que fez e iterar sobre o resultado visual.

Os bugs do Opus são mais subtis. O coyote-time generoso é quase uma feature — dá ao jogador mais margem para aterrar saltos. O trigger de vitória largo também é perdoável. São bugs de afinação, não bugs fundamentais.

---

Os Benchmarks

Para além do teste prático, a Z.ai publicou benchmarks oficiais que mostram o GLM-5.2 muito competitivo:

---

O Que Cada Benchmark Mede

HLE (Humanity’s Last Exam) é uma coleção de perguntas criadas especificamente para serem difíceis para modelos de IA. Inclui questões de matemática, física, química, biologia e outras ciências que exigem raciocínio profundo. O Opus ganha com 49.8 contra 40.5 — uma diferença significativa.

AIME 2026 mede capacidade de resolver problemas do American Invitational Mathematics Examination. Aqui o GLM-5.2 surpreende com 99.2 contra 95.7 do Opus. É um resultado impressionante que mostra que o modelo é excecional em raciocínio matemático puro.

SWE-bench Pro testa a capacidade de resolver problemas de software reais: ler código, perceber o bug, escrever a correção e garantir que os testes passam. O Opus ganha com 69.2 contra 62.1.

Terminal Bench 2.1 é interessante porque mede a capacidade de interagir com o terminal: navegar diretórios, correr comandos, interpretar output e corrigir erros. O Opus ganha por 85 a 81 com o harness fixo Terminus-2; com o melhor harness de cada modelo, o GLM-5.2 passa à frente (82,7 contra 78,9).

SWE-Marathon é onde a diferença é maior: 26.0 para o Opus contra 13.0 para o GLM-5.2. Este benchmark mede tarefas longas que exigem múltiplos passos de raciocínio e persistência. O modelo da Anthropic é claramente superior em tarefas que exigem manter contexto e objetivos ao longo de muitas iterações.

MCP-Atlas mede a capacidade de usar ferramentas e APIs através do Model Context Protocol. Aqui estão praticamente empatados: 77.8 contra 76.8.

---

O Que a Comunidade Diz

Simon Willison, criador do Datasette e um dos observadores mais atentos do mundo dos LLMs, descreveu o GLM-5.2 como “provavelmente o LLM open weights só de texto mais poderoso”. É um elogio significativo vindo de alguém que testa dezenas de modelos todos os meses.

Artificial Analysis, o agregador de benchmarks e preços, colocou o GLM-5.2 como o melhor modelo open weights no seu Intelligence Index, com uma pontuação de 51. No entanto notaram que o modelo é token-hungry — consome cerca de 43 mil tokens de output por tarefa, o que é significativamente mais que a média.

Nathan Lambert, do Allen Institute for AI, foi direto ao ponto: “podia-se argumentar que têm um agente melhor que o Gemini”. E acrescentou que o gap entre modelos abertos e fechados está a fechar rapidamente. Não é uma questão de se os modelos abertos vão alcançar os fechados, mas de quando.

---

Veredito Final

Depois de analisar os números, o teste prático e as reações da comunidade, a conclusão é matizada.

O Claude Opus 4.8 continua a ser o melhor modelo para uso geral. É multimodal, vê o que está a fazer, é mais rápido, comete menos erros fundamentais e os erros que comete são mais fáceis de perdoar. Em tarefas longas e complexas (SWE-Marathon), a diferença é clara — o Opus tem o dobro da performance.

Mas o GLM-5.2 não é para ignorar. É um modelo genuinamente capaz por uma fração do preço. Se o teu uso é maioritariamente texto e raciocínio matemático, o GLM-5.2 pode ser a escolha certa. É open weights com licença MIT, o que significa que podes fazer o que quiseres com ele — fine-tuning, self-hosting, redistribuição. Não ficas dependente de uma API que pode mudar os preços ou os termos de serviço a qualquer momento.

O gap entre open weights e modelos fechados está a fechar. O GLM-5.2 é a prova. Ainda não está ao nível do Opus em código e tarefas agênticas, mas está a aproximar-se. E com uma licença MIT e preços tão baixos, é um modelo que merece um lugar permanente no teu arsenal.

Se tens budget para gastar e precisas de qualidade máxima, usa Opus. Se queres um modelo capaz que não te arruine e te dá liberdade total, o GLM-5.2 é uma escolha cada vez mais difícil de ignorar.

Tags: IA, GLM-5.2, Claude Opus, LLM, Open Weights, Coding Agents, Benchmarks, Anthropic, Z.ai, WebGL

Recursos:

• Artigo original no TechStackups (James Daniel Whitford, 18 Jun 2026)
• GLM-5.2 no Hugging Face
• Claude Opus 4.8 na Anthropic
• Artificial Analysis — GLM-5.2 Review
• Simon Willison no Twitter
• Nathan Lambert no Twitter