Step 5 Preview vs GLM-5.2: Rekam Jejak Empat Bulan Melawan Endpoint Berusia Dua Minggu

Minta seorang engineer yang bekerja untuk memilih antara Step 5 Preview dan GLM-5.2dan sebagian besar akan memilih yang lebih baru, karena yang lebih baru lebih murah per token dan skornya sepuluh poin lebih tinggi di papan independen. Minta engineer yang sama untuk menempatkannya di hadapan pengguna yang membayar, dan jawabannya jadi lebih sulit, karena salah satu dari model ini telah menangani lalu lintas produksi sejak 16 Juni 2026 dan yang satunya lagi dirilis pada 20 September 2026. Step 5 Preview adalah model yang lebih cepat, lebih murah, multimodal, dan berskor lebih tinggi. GLM-5.2 adalah model yang mode kegagalannya sudah dituliskan di suatu tempat oleh orang lain, yang bobotnya dirilis di bawah MIT alih-alih lisensi khusus dengan ambang pendapatan di dalamnya, dan yang kartu tarifnya tidak berubah selama empat bulan. Tidak ada satu pun dari itu yang merupakan penentu yang bisa Anda masukkan ke dalam spreadsheet, dan bersama-sama keduanya adalah keseluruhan keputusannya. Yang tidak bisa diberitahukan oleh angka-angka itu adalah apakah ada di antaranya yang salah di lapangan: insiden AI dan kegagalan agen yang terdokumentasi seputar model di kelas ini dikumpulkan di the OrcaRouter AI Incident Archive di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan tanda disengketakan.

Perbandingan spesifikasi ini benar-benar timpang dan layak dibereskan lebih dulu, karena argumen untuk GLM-5.2 bukanlah argumen spesifikasi. Model Z.ai hanya teks, total 753 miliar parameter dengan sekitar 40 miliar aktif per token, dibatasi pada 128.000 token keluaran, dan dihargai $1,40 per juta input serta $4,40 per juta output. Milik StepFun adalah $1,00 dan $2,70, menerima video maupun teks dan gambar, membatasi respons pada 64k, dan menjalankan 27 miliar parameter aktif. Berdasarkan angka yang pertama dilihat pembeli, StepFun menang lima baris dari enam.

Setiap baris kontras

• Harga input — Step 5 Preview $1,00 per juta token vs GLM-5.2 $1,40, keunggulan 29% bagi StepFun

• Harga output — $2,70 vs $4,40, keunggulan 39%, dan meter yang mendominasi tagihan agen

• Input yang di-cache — Step 5 Preview $0.10 per juta, diskon 95% dibandingkan dengan GLM-5.2 $0.26, diskon 81%

• Biaya per tugas Intelligence Index yang diselesaikan — Step 5 Preview sekitar $0,71 vs GLM-5.2 $2,01, yang menggabungkan verbositas dan perilaku cache ke dalam satu angka dan merupakan pembacaan yang paling tidak menguntungkan dari kartu StepFun di mana pun dalam perbandingan ini

• Skor independen — Step 5 Preview 44 vs GLM-5.2 34 pada Artificial Analysis Intelligence Index v4.3.2, di mana halaman GLM-5.2 juga memuat penanda penghentian penggunaan

• Konteks dan output — konteks 1 juta token untuk keduanya; output maksimum 64k untuk Step 5 Preview dibandingkan 128K untuk GLM-5.2

• Modalitas — Pratinjau Langkah 5: teks, gambar, dan video masuk, teks keluar vs GLM-5.2 teks masuk, teks keluar, tanpa jalur gambar sama sekali

• Arsitektur — Step 5 Preview sparse mixture-of-experts, total 600B dan 27B aktif vs GLM-5.2 total 753B dengan sekitar 40B aktif, angka parameter aktif yang tidak disebutkan Z.ai di kartu model dan yang disediakan oleh listing pihak ketiga

• Lisensi — StepFun Model License 1.0, hibah khusus dengan pemicu atribusi dan ambang batas lisensi komersial terpisah vs GLM-5.2 di bawah MIT, tanpa ambang batas, tanpa persyaratan atribusi, dan tanpa jalur negosiasi ke model

• Bobot — keduanya dapat diunduh; Step 5 Preview dalam FP8 dan BF16 sejak hari rilis plus build NVFP4 yang dipublikasikan 14 Oktober 2026 vs GLM-5.2 dalam BF16 dan FP8 melalui zai-orgorganisasi

• Stabilitas rate card — Step 5 Preview tidak berubah sejak 20 September vs GLM-5.2 tidak berubah sejak 16 Juni

Dua catatan sebelum baris-baris itu ditafsirkan secara berlebihan. Selisih 44 versus 34 bukanlah perbandingan seperti yang terlihat. GLM-5.2 diluncurkan pada Juni dengan angka indeks utama 51, yang dihasilkan berdasarkan revisi awal indeks yang sama; Artificial Analysis sejak itu telah menyatakan ulang skalanya, dan angka 34 di atas adalah pembacaan revisi terkini untuk model yang kini ditandai usang oleh evaluator. Mengutip 51 versus 44 berarti membandingkan dua penggaris yang berbeda, dan ini adalah kesalahan tunggal yang paling umum dalam peliputan pertarungan ini. Kedua, model StepFun memiliki satu konfigurasi yang diberi skor — satu angka 44 pada satu pengaturan effort — sementara GLM-5.2 telah diukur sepanjang jendela yang lebih panjang, sehingga angka model yang lebih baru hanyalah satu titik, sedangkan model yang lebih lama memiliki sesuatu yang lebih mendekati profil.

Perbedaan lisensi adalah hal yang tetap bertahan saat berhadapan dengan tinjauan hukum.

Kedua model ini digambarkan sebagai open-weight, dan kedua dokumen tersebut tidak setara. GLM-5.2 adalah MIT. Itu adalah lisensi yang dibaca sekali oleh pengacara dan disetujui secara permanen: gunakan, ubah, distribusikan, sublinsensikan, jual, tanpa kewajiban atribusi, tanpa ambang batas pengguna, tanpa perjanjian terpisah untuk model bisnis apa pun yang tidak sampai absurd. Bobot dipublikasikan melalui organisasi Hugging Face milik Z.ai sendiri dalam BF16 dan FP8, kartu model menyatakan tidak ada batas regional, dan tidak ada klausul di mana pun di dalamnya yang mengharuskan startup membuat model sebelum dapat merencanakan produk.

Ketentuan Step 5 Preview lebih permisif daripada tanpa bobot dan lebih restriktif daripada MIT, dan perbedaannya bukan sekadar retoris. StepFun Model License 1.0 memberikan hak perpetual, di seluruh dunia, bebas royalti, non-eksklusif untuk menggunakan, menyalin, mendistribusikan, mensublisensikan, memodifikasi, dan membuat karya turunan, dengan pemberian paten yang sepadan. Ada dua syarat yang menyertainya. Produk atau layanan komersial yang menyertakan model tersebut yang melampaui 100 juta pengguna aktif bulanan atau pendapatan $20 juta dalam bulan kalender mana pun harus menampilkan "Powered by StepFun AI" secara mencolok di antarmuka produk dan dalam perjanjian pengguna. Produsen perangkat keras atau pemilik merek yang merilis kemampuan model dalam perangkat, atau bisnis model-as-a-service yang pendapatan gabungannya melebihi $20 juta selama dua belas bulan mana pun, memerlukan lisensi komersial terpisah. Penggunaan internal yang tidak memaparkan model atau kemampuannya kepada pihak ketiga tercakup dalam lisensi tanpa perlu memenuhi satu pun ketentuan itu.

For a team building an internal tool, this difference costs nothing and the argument for GLM-5.2 on licence grounds is weak. For a team building a hosted product with a revenue curve they expect to cross $20 million, it is the difference between a legal checkbox and a line item with a counterparty attached, and it is the kind of thing that gets discovered after the architecture is committed. The honest framing is that StepFun's licence is a standard shape — Llama and other open-weight licences use similar thresholds — and that MIT is simply a shorter conversation.

Berapa nilai sebenarnya sebuah rekam jejak

GLM-5.2 telah hadir di dunia sejak pertengahan Juni. Selama waktu itu, model ini telah dijalankan di dalam harness agen, direproduksi oleh host dan peninjau pihak ketiga, mengumpulkan mode kegagalan yang dilaporkan secara publik, dan memiliki dua penerus yang dirilis di atasnya — GLM-5.3 pada 18 Agustus 2026, dengan bobot dasar yang sama, dan GLM-5.5 setelahnya. Z.ai tidak pernah mencabut harga dan tidak pernah menarik bobotnya. Poin terakhir ini lebih penting daripada kedengarannya: risiko praktis mengadopsi model lama bukanlah bahwa model itu lebih buruk, melainkan bahwa model itu menjadi tidak didukung saat Anda masih menjalankannya, dan GLM-5.2 kini telah bertahan melalui dua penyegaran generasi dengan kartu tarifnya tetap utuh.

Rekam jejak operasional Step 5 Preview diukur dalam hitungan minggu, dan hal spesifik yang tidak dimilikinya adalah hal yang tidak glamor: sekumpulan laporan tentang bagaimana perilakunya di bawah beban berkelanjutan, pada konkurensi tinggi, dengan prompt yang patologis, dan dalam rentang waktu yang cukup panjang sehingga regresi dari pihak vendor sempat terjadi dan terdeteksi. Kartu model StepFun maupun dokumentasinya bukan pengganti untuk itu, dan tabel benchmark milik vendor sendiri — yang disajikan sebagai gambar, bukan sebagai teks yang dapat dikutip — bukan pengukuran independen atas apa pun. Kedua harness itu memang memiliki angka yang melekat padanya: StepFun menyebutkan pengaturan yang dievaluasinya, termasuk temperature 1.0, top-p 0.95, top-k 0, dan harness SWE-agent untuk DeepSWE v1.1. Itu lebih banyak pengungkapan daripada yang ditawarkan banyak kartu rilis. Itu tetap saja vendor yang menilai pekerjaannya sendiri.

Ada satu pengecualian sempit di mana angka-angka model yang lebih baru benar-benar independen dan layak dipercaya: angka 44 pada Intelligence Index, yang merupakan satu-satunya skor netral yang dimiliki Step 5 Preview, bersama dengan sekitar $0.71 per tugas indeks yang diselesaikan dan label "very verbose" dari evaluator pada uji suite 160 juta token-nya. Perlakukan 44 sebagai satu angka dengan sumber yang baik dan bukan sebagai profil. Perlakukan label verbositas sebagai hal yang lebih mungkin merugikan Anda, karena itu adalah pernyataan tentang biaya, bukan kualitas, dan itu muncul di setiap tagihan.

Di mana pilihan itu sebenarnya berakhir

Ambil GLM-5.2 jika salah satu dari ini benar. Anda memerlukan lisensi MIT tanpa ambang batas, karena jika tidak, tim hukum Anda akan menghabiskan satu kuartal untuk itu. Anda memerlukan respons tunggal 128.000 token, yang disediakan model Z.ai dan tidak disediakan StepFun pada harga berapa pun. Anda menjalankan beban kerja teks dan kode ketika model dengan riwayat produksi publik empat bulan di belakangnya lebih berharga daripada sepuluh poin indeks, karena Anda lebih suka mewarisi daftar bug orang lain daripada menghasilkan daftar bug Anda sendiri. Atau Anda memerlukan opsi self-hosted termurah yang mungkin dan Mixture-of-Experts 753B dengan desain sparse-attention IndexShare yang dipublikasikan yang menurut Z.ai memangkas FLOP per token sekitar 2,9 kali pada konteks penuh, dan Anda berniat benar-benar menerapkannya alih-alih memanggilnya.

Ambil Step 5 Preview jika beban kerja menghendaki video, atau jika selisih sepuluh poin pada indeks adalah pembeda antara demo yang berjalan dan yang tidak, atau jika Anda sekadar menginginkan token termurah di halaman ini dan bersedia menjadi pengadopsi awal. Kemampuan videonya nyata tetapi belum dinilai — StepFun mendokumentasikan masukan MP4, QuickTime, dan Matroska melalui URL, Base64, atau referensi Files API, dengan berkas berbasis URL di bawah 128MB dan durasi yang disarankan di bawah lima menit, dan tidak ada evaluasi independen atasnya. Itu menjadikannya alasan untuk menjalankan pengujian, bukan alasan untuk berkomitmen, dan hal yang sama berlaku untuk keseluruhan model ini: baris-baris terkuatnya adalah baris yang hanya vendornya sendiri yang menjadi sumbernya, dan barisnya yang paling dapat dipercaya — indeks — adalah baris di mana ia tidak kalah dari apa pun dan menang dengan selisih sepuluh.

Kedua proposal tersebut juga tidak sama-sama berisiko pada arah sebaliknya. Memilih model yang lebih lama membuat Anda kehilangan kapabilitas yang bisa Anda ukur. Memilih model yang lebih baru membuat Anda menanggung hal tak diketahui yang tidak bisa Anda ukur, dan cara untuk membatasi hal tak diketahui adalah dengan tidak mempertaruhkan jalur produksi padanya. Itulah alasan untuk menjalankan Step 5 Preview di belakang fallback alih-alih menggantikan sesuatu: arahkan sebagian trafik ke sana, pertahankan GLM-5.2 atau apa pun yang Anda percaya sebagai fallback, dan biarkan biaya per tugas yang selesai menentukan, bukan harga terpampang. Di OrcaRouter, GLM-5.2 berada di z-ai/glm-5.2 dengan harga daftar Z.ai dengan markup 0% — $1,40 dan $4,40 dengan cache read $0,26 diteruskan tanpa perubahan — dan karena pass-through tersebut adalah harga milik penyedia sendiri, perubahan tarif Z.ai mencapai tagihan Anda pada hari yang sama saat diberlakukan, bukan pada siklus berikutnya. Failover otomatis inilah yang membuat uji coba dua minggu pada endpoint yang tidak dikenal menjadi aman: model uji cobanya gagal, permintaannya tidak.

Step 5 Preview tidak ada dalam katalog live OrcaRouter, dan instruksi yang jujur adalah memanggilnya melalui platform StepFun sendiri atau menghostingnya sendiri dari checkpoint FP8, BF16, atau NVFP4 yang telah dipublikasikan. Untuk perbandingan khusus ini, itu bukanlah kerugian besar, karena alasan memilihnya dibandingkan GLM-5.2 adalah Anda ingin menjadi yang lebih awal, dan menjadi lebih awal biasanya berarti harus puas dengan satu penyedia saja.

Satu hal yang akan menyelesaikan perbandingan ini bukanlah tolok ukur. Melainkan waktu. Dalam tiga bulan, Step 5 Preview akan memiliki hal yang sekarang dimiliki GLM-5.2: catatan publik tentang bagaimana ia berperilaku di bawah beban orang lain, pada konkurensi orang lain, dalam kasus kegagalan orang lain. Sampai saat itu, pilihan antara kedua model ini bukan tentang mana yang lebih baik, melainkan tentang jenis bukti apa yang bersedia Anda tindak lanjuti — bukti yang Anda warisi, atau bukti yang Anda hasilkan sendiri.