DeepSeek V4.1 Flash vs. GLM-5.2: twee MIT-modellen, één saai antwoord

DeepSeek V4.1 Flash en GLM-5.2 zijn hetzelfde soort object, en dat is nu juist het deel dat de meeste vergelijkingen overslaan. Beide zijn mixture-of-expertsmodellen, beide worden onder MIT uitgebracht met downloadbare gewichten, beide verwerken een miljoen tokens aan context, en beide zijn beschikbaar via een gehoste API van een leverancier die ze niet heeft getraind. GLM-5.2 kwam als eerste en was bij de release het best scorende open-weightmodel op de Artificial Analysis Index, met 51. DeepSeek V4.1 Flash verscheen op 10 september 2026 als het kleinere, nieuwere, goedkopere model in de nieuwe architectuurfamilie van DeepSeek. De vergelijking die ertoe doet tussen hen is niet welke slimmer is. Het is welke je kunt draaien, en tegen welke kosten, voor het werk dat je daadwerkelijk hebt.

Wat ze gemeen hebben, wat het grootste deel ervan is

Begin met de overlap, want die haalt de meeste gebruikelijke beslissingscriteria weg. Als je kiest tussen een open model en een gesloten model, weeg je lock-in, weeg je de mogelijkheid om te fine-tunen, weeg je of de leverancier de voorwaarden voor jou kan veranderen. Niets daarvan is hier van toepassing. Zowel DeepSeek V4.1 Flash als GLM-5.2 zijn MIT-gelicenseerd, met gewichten die je zelf kunt ophalen en serveren. Beide verwerken 1M tokens aan invoer. Beide zijn MoE-architecturen, wat betekent dat beide goedkoop te draaien zijn in verhouding tot hun totale aantal parameters, omdat slechts een fractie van de gewichten per token activeert.

Dus de vergelijking is niet open versus gesloten, en het is niet lange context versus korte. Het is een set van vier of vijf cijfers, en de cijfers wijzen wat kosten betreft in de ene richting en wat volwassenheid betreft in de andere richting.

Waar ze daadwerkelijk uiteenlopen

• Prijs per 1 miljoen tokens — DeepSeek V4.1 Flash $0,15 in / $0,60 out buiten de piekuren vs. GLM-5.2 $1,40 in / $4,40 out. Dat is net iets meer dan 9 keer de inputprijs en net iets meer dan 7 keer de outputprijs.

• Gecachte invoer — V4.1 Flash $0,003 per 1M off-peak vs GLM-5.2 $0,26 per 1M. Bijna 90 keer, op de kostenpost die de rekening van een agent-loop domineert.

• Parameters — V4.1 Flash 552B totaal met 8B actief bij input en 16B bij output versus GLM-5.2 ongeveer 745B totaal met rond 40B actief. GLM-5.2 activeert ongeveer tweeënhalf keer zoveel parameters per token.

Maximale uitvoer — V4.1 Flash 384K tokens vs. GLM-5.2 128K tokens. Drie keer de bovengrens.

• Contextvenster — elk 1M tokens. Niveau.

• Onafhankelijke indexscore — GLM-5.2 scoort 51 op de Artificial Analysis Index, het hoogste van alle open-weight modellen op het moment van release. DeepSeek V4.1 Flash heeft nog geen gepubliceerd Index-cijfer.

• Waargenomen latentie tot het eerste token — V4.1 Flash 2,63 s bij p50 en 9,05 s bij p95 vs GLM-5.2 2,36 s bij p50 en 10,00 s bij p95, op basis van OrcaRouters eigen telemetrie over 7 dagen. De medianen zijn gelijk. De staarten niet.

De prijsrichting en de volwassenheidsrichting zijn tegengesteld. GLM-5.2 is het model met de onafhankelijke score en de langere staat van dienst. DeepSeek V4.1 Flash is het model met de goedkopere tokens, een negende van de invoerprijs en drie keer het uitvoerplafond. Er is geen enkele manier om deze lijst te lezen waarop één model simpelweg domineert.

De staart is de ondergewaardeerde lijn

De meeste vergelijkingen van open-weight modellen beginnen met de indexscore. De latentietelemetrie verdient in plaats daarvan aandacht, maar niet om de reden die je zou verwachten: de medianen liggen gelijk. De p50-tijd tot eerste token van GLM-5.2 is 2,36 s tegen 2,63 s voor V4.1 Flash, wat geen verschil is, het is ruis op een gedeeld netwerk. Wie een voordeel bij de eerste token voor het goedkopere model citeert, leest het verkeerde percentiel.

De p95 is waar de twee uiteenlopen, en de richting is omgekeerd aan wat het prijsverschil zou doen vermoeden. De wachttijd in het slechtste geval van GLM-5.2 is 10,00 s; die van V4.1 Flash is 9,05 s. Dat weegt zwaarder dan een mediaan, omdat de verzoeken die een gebruiker opmerkt de trage zijn. Een tool die meestal direct reageert en af en toe tien seconden blijft hangen, komt onbetrouwbaar over op een manier waarop een tool die altijd drie seconden doet dat niet doet, en in een agent-lus die per beurt tien aanroepen uitwaaiert, is de p95 het getal dat bepaalt of de beurt binnen het geduld van een persoon wordt voltooid. De staart van GLM-5.2 is geen defect; het is een groter model dat ongeveer 40 miljard parameters per token activeert, en het kost wat het kost. Maar het is de reden dat het model beter past bij asynchroon werk — een wachtrij, een batchtaak, een achtergrondagent waar niemand naar kijkt — dan bij een request-response-interface.

Geen van beide modellen publiceert een doorvoercijfer op de pagina's die we kunnen zien, wat je maar beter ronduit kunt zeggen in plaats van er iets voor in te vullen. Tijd tot het eerste token is de enige latentiedimensie waarop deze twee op basis van gemeenschappelijke data kunnen worden vergeleken, en op dat vlak is de eerlijke lezing dat ze op de mediaan gelijk staan en in de staart dicht bij elkaar liggen.

Wat een indexscore wel en niet beslecht

GLM-5.2's 51 op de Artificial Analysis Index is een echt, onafhankelijk geproduceerd cijfer en het is het sterkste individuele argument voor het model. Het is ook een samengestelde waarde: één enkel getal dat verschillende evaluatiesets samenvoegt, waardoor het een goede samenvatting is van algemene capaciteiten en een zwakke voorspeller van prestaties op één specifieke taak. Een model dat 51 scoort en een model zonder gepubliceerde score zijn niet hetzelfde als een model dat 51 scoort en een model dat 40 scoort.

De eerlijke positie ten aanzien van DeepSeek V4.1 Flash is dat het onafhankelijke trackrecord dun is, en de reden is leeftijd. Het is twaalf dagen algemeen beschikbaar. De enige recente door derden uitgevoerde sweep waarin het voorkomt — het Agents on Rails-board voor agentic coding, gepubliceerd op 21 september 2026 — plaatste het op 17% bij maximale inspanning, middenveld, boven GLM-5.3 Flash op 15% en onder Gemini 3.8 Flash op 23%. Dat is één enkel board dat één smal ding meet, en het is geen vervanging voor een Index-score. Iedereen die nu beweert dat V4.1 Flash GLM-5.2 qua capaciteit verslaat, extrapoleert op basis van architectuur en prijs, en rapporteert geen meting.

De argumenten voor elk, eenvoudig uiteengezet

DeepSeek V4.1 Flash is het model om naar te grijpen wanneer de workload een hoog volume heeft, latentiegevoelig is of uitvoerintensief is. Een negende van de invoerprijs en ongeveer een negentigste van de cache-leesprijs is een structureel voordeel in een agent-loop die elke ronde de context opnieuw leest, en een uitvoerplafond van 384K is een andere categorie artefact dan 128K. Als je taak classificatie, extractie, lange gestructureerde generatie of de hoogvolume-uitvoerder binnen een agentpijplijn is, is het kostenverschil niet marginaal — het is het verschil tussen een levensvatbare pijplijn en een niet-levensvatbare.

GLM-5.2 is het model waar je naar grijpt wanneer je een gepubliceerd, onafhankelijk geverifieerd prestatienummer nodig hebt om een beslissing te rechtvaardigen, of wanneer het werk asynchroon is en een worst-case wachttijd van tien seconden onzichtbaar is. Het is de volwassen keuze: de score bestaat, het gedrag is gedocumenteerd, het model is lang genoeg in productie om anderen de randen ervan te laten vinden. Daar zit echte waarde in, en die wordt niet weergegeven in een prijskolom.

Waar geen van beide duidelijk juist is — een generalistische assistent die gemengd verkeer verwerkt — is de nuttige zet niet om te kiezen. Het is om het grootste deel van het verkeer naar het goedkope model te sturen en het dure achter de hand te houden voor de aanvragen die het nodig hebben.

Beide als één systeem laten draaien

Omdat beide modellen open-weight zijn en beide worden gehost, is het patroon van splitsen en routeren hier ongewoon goedkoop op te zetten, en dat is waar de routeringslaag van OrcaRouter zijn plek verdient in plaats van een aangeplakt verkooppraatje te zijn. Beide modellen zitten achter één enkele sleutel, dus de routeringsbeslissing is configuratie in plaats van een tweede integratie: een regel die korte aanvragen met een hoog volume naar DeepSeek V4.1 Flash stuurt en langlopende asynchrone taken naar GLM-5.2, is een paar regels in plaats van een vertakking in je applicatiecode.

Twee eigenschappen van het platform zijn specifiek van belang voor deze combinatie. OrcaRouter geeft de lijstprijzen van providers door tegen 0% opslag, dus de cijfers hierboven zijn de tarieven van de leveranciers zelf en het DeepSeek-piekrooster geldt precies zoals DeepSeek het definieert — piek is 01:00–04:00 en 06:00–10:00 UTC op weekdagen, waarbij weekends volledig buiten de piek vallen, wat een planningsbeslissing is die je bij een model dit goedkoop expliciet moet maken. En de routing-DSL kan meerdere modellen samenvoegen tot één aanroep, wat de natuurlijke manier is om twee open-weight modellen te gebruiken waarvan de sterke punten niet overlappen: het goedkope model produceert, het sterkere beoordeelt, en de aanroeper ziet één enkele reactie. Automatische failover zit achter beide paden, wat van belang is wanneer een van de twee modellen twaalf dagen oud is en het gedrag ervan op jouw data nog niet bekend is.

De reden dat dit de juiste vorm is en geen compromis, is dat de twee modellen van elkaar verschillen op assen die niet met elkaar concurreren. Het ene is snel en goedkoop; het andere krijgt een score en is traag. Een pipeline die beide gebruikt is geen hedging, het is instrumenten op taken afstemmen.

Wat te kijken

• Een gepubliceerd cijfer voor de Artificial Analysis Index voor DeepSeek V4.1 Flash. Zolang dat niet bestaat, is de capaciteitenvergelijking tussen deze twee modellen een argument, geen meting — en het is het enige stuk bewijs dat het zou beslechten.

• Of het latentieprofiel van GLM-5.2 verbetert. De p95 van 10,00 s is het getal dat het meest waarschijnlijk zal veranderen naarmate hostingproviders optimaliseren, en het is momenteel het grootste enkele gemeten verschil tussen de twee modellen — een wachttijd in de staart, geen prijs.

• Of DeepSeek's piekurenschema verandert. Bij een model van $0,15 per miljoen invoertokens is de piekvermenigvuldigingsfactor de grootste afzonderlijke variabele in het kostenmodel.

Totdat de eerste daarvan uitkomt, is de accurate samenvatting: DeepSeek V4.1 Flash is ongeveer negen keer goedkoper qua input en bijna negentig keer goedkoper qua gecachede input dan GLM-5.2, en het heeft een drie keer zo hoog outputplafond; GLM-5.2 is het model met de onafhankelijke score en de langere staat van dienst, en de mediaan voor de eerste token is gelijk aan die van het goedkopere model, ook al geldt dat niet voor het slechtste geval. Beide zijn MIT. Beide zijn één sleutel verwijderd. Kies op basis van werklast, niet op basis van de winnaar.