Bản xem trước Step 5 so với GLM-5.2: Thành tích bốn tháng đối đầu với một endpoint mới hai tuần tuổi

Hỏi một kỹ sư đang làm việc thực tế để chọn giữa Step 5 Preview và GLM-5.2 thì hầu hết sẽ chọn cái mới hơn, bởi vì cái mới hơn rẻ hơn trên mỗi token và đạt điểm cao hơn mười điểm trên bảng xếp hạng độc lập. Cũng hỏi kỹ sư đó khi đặt nó trước những người dùng trả tiền thì câu trả lời trở nên khó hơn, bởi vì một trong hai mô hình này đã gánh lưu lượng sản xuất kể từ ngày 16 tháng 6, 2026 còn cái kia được phát hành vào ngày 20 tháng 9, 2026. Step 5 Preview là mô hình nhanh hơn, rẻ hơn, đa phương thức, đạt điểm cao hơn. GLM-5.2 là mô hình mà các kiểu hỏng hóc của nó đã được người khác ghi lại ở đâu đó, có trọng số phát hành theo giấy phép MIT thay vì một giấy phép tùy chỉnh có kèm ngưỡng doanh thu, và có bảng giá không thay đổi suốt bốn tháng. Cả hai điều đó đều không phải là yếu tố phá vỡ thế cân bằng mà bạn có thể đưa vào bảng tính, và gộp lại chúng chính là toàn bộ quyết định. Điều mà những con số không thể cho bạn biết là liệu có bất kỳ thứ gì trong đó đã sai sót ngoài thực tế hay không: các sự cố AI và lỗi tác nhân được ghi nhận liên quan đến những mô hình thuộc nhóm này được tập hợp trong Kho lưu trữ Sự cố AI của OrcaRouter nơi mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

So sánh thông số kỹ thuật thực sự rất chênh lệch và đáng để giải quyết trước, bởi vì lập luận ủng hộ GLM-5.2 không phải là lập luận về thông số kỹ thuật. Mô hình của Z.ai chỉ xử lý văn bản, tổng cộng 753 tỷ tham số với khoảng 40 tỷ tham số hoạt động mỗi token, giới hạn ở 128.000 token đầu ra, và có giá 1,40 đô la cho mỗi triệu token đầu vào và 4,40 đô la cho mỗi triệu token đầu ra. Mô hình của StepFun có giá 1,00 đô la và 2,70 đô la, nhận video cũng như văn bản và hình ảnh, giới hạn phản hồi ở 64k, và chạy 27 tỷ tham số hoạt động. Dựa trên những con số mà người mua nhìn thấy đầu tiên, StepFun thắng năm trong sáu dòng.

Mỗi hàng của phần đối chiếu

• Giá đầu vào — Step 5 Preview 1,00 USD mỗi triệu token so với GLM-5.2 1,40 USD, lợi thế 29% cho StepFun

• Giá đầu ra — $2.70 so với $4.40, lợi thế 39%, và chỉ số chiếm phần lớn hóa đơn của một agent

• Đầu vào đã lưu trong bộ nhớ đệm — Step 5 Preview $0,10 mỗi triệu, giảm 95% so với GLM-5.2 $0,26, giảm 81%

• Chi phí cho mỗi tác vụ Chỉ số Trí tuệ đã hoàn thành — Step 5 Preview khoảng 0,71 USD so với GLM-5.2 là 2,01 USD, con số này gộp cả độ dài dòng và hành vi bộ nhớ đệm vào một giá trị duy nhất, đồng thời là cách diễn giải ít tô hồng nhất về thẻ của StepFun ở bất kỳ đâu trong so sánh này

• Điểm số độc lập — Step 5 Preview 44 so với GLM-5.2 34 trên Artificial Analysis Intelligence Index v4.3.2, trong đó trang của GLM-5.2 cũng có dấu hiệu ngừng hỗ trợ

• Ngữ cảnh và đầu ra — 1M token ngữ cảnh cho cả hai; đầu ra tối đa 64k cho Step 5 Preview so với 128K cho GLM-5.2

• Phương thức — Bước 5 Xem trước: đầu vào văn bản, hình ảnh và video, đầu ra văn bản so với GLM-5.2: đầu vào văn bản, đầu ra văn bản, hoàn toàn không có đường dẫn hình ảnh

• Kiến trúc — Step 5 Preview là hỗn hợp chuyên gia thưa (sparse mixture-of-experts), tổng 600B và 27B hoạt động, so với GLM-5.2 tổng 753B với khoảng 40B hoạt động, một con số tham số hoạt động mà Z.ai không nêu trên thẻ mô hình và do các danh sách bên thứ ba cung cấp

• Giấy phép — StepFun Model License 1.0, một cấp phép tùy chỉnh với điều kiện kích hoạt ghi công và các ngưỡng giấy phép thương mại riêng biệt so với GLM-5.2 theo MIT, không có ngưỡng, không yêu cầu ghi công và không có đường thương lượng để cấp phép mô hình

• Trọng số — cả hai đều có thể tải xuống; Step 5 Preview ở FP8 và BF16 kể từ ngày phát hành, cộng thêm bản dựng NVFP4 được công bố ngày 14 tháng 10 năm 2026, so với GLM-5.2 ở BF16 và FP8 thông qua zai-orgtổ chức

• Độ ổn định của bảng giá — Step 5 Preview không thay đổi kể từ ngày 20 tháng 9, còn GLM-5.2 không thay đổi kể từ ngày 16 tháng 6

Hai lưu ý trước khi những hàng dữ liệu đó bị diễn giải quá mức. Khoảng cách 44 so với 34 không phải là phép so sánh giống như vẻ ngoài của nó. GLM-5.2 ra mắt vào tháng 6 với con số chỉ số tiêu đề là 51, được tạo ra theo một bản sửa đổi trước đó của cùng chỉ số đó; Artificial Analysis từ đó đã công bố lại thang đo, và con số 34 ở trên là kết quả đọc theo bản sửa đổi hiện tại của một mô hình mà đơn vị đánh giá hiện đánh dấu là không còn được dùng nữa. Việc đem 51 so với 44 sẽ là so sánh hai cây thước khác nhau, và đó là lỗi phổ biến nhất trong các bài viết về cuộc đối đầu này. Thứ hai, mô hình của StepFun chỉ có một cấu hình được tính điểm — một con số 44 duy nhất ở một mức thiết lập nỗ lực — trong khi GLM-5.2 đã được đo trong một khoảng thời gian dài hơn, nên con số của mô hình mới hơn chỉ là một điểm, còn mô hình cũ hơn có thứ gì đó gần như một hồ sơ đầy đủ hơn.

Sự khác biệt về giấy phép là điều duy nhất trụ vững được khi bị rà soát pháp lý.

Cả hai mô hình này đều được mô tả là open-weight, và hai tài liệu không tương đương. GLM-5.2 dùng giấy phép MIT. Đó là một giấy phép mà luật sư chỉ cần đọc một lần và phê duyệt vĩnh viễn: sử dụng, sửa đổi, phân phối, cấp phép lại, bán, không có nghĩa vụ ghi công, không có ngưỡng người dùng, không có thỏa thuận riêng cho bất kỳ mô hình kinh doanh nào chưa đến mức phi lý. Trọng số được công bố thông qua tổ chức Hugging Face của chính Z.ai ở định dạng BF16 và FP8, thẻ mô hình nêu rõ không có giới hạn khu vực, và không có điều khoản nào trong đó buộc một startup phải mô hình hóa trước khi có thể lên kế hoạch cho sản phẩm.

Các điều khoản của Step 5 Preview cởi mở hơn so với việc không phát hành trọng số và chặt chẽ hơn MIT, và khoảng cách đó không chỉ là chuyện tu từ. StepFun Model License 1.0 cấp quyền vĩnh viễn, trên toàn thế giới, miễn phí bản quyền, không độc quyền để sử dụng, sao chép, phân phối, cấp phép lại, sửa đổi và tạo tác phẩm phái sinh, kèm theo một điều khoản cấp phép bằng sáng chế tương ứng. Có hai điều kiện kèm theo. Một sản phẩm hoặc dịch vụ thương mại tích hợp mô hình mà vượt qua 100 triệu người dùng hoạt động hàng tháng hoặc 20 triệu USD doanh thu trong bất kỳ tháng dương lịch nào phải hiển thị nổi bật dòng "Powered by StepFun AI" trên giao diện sản phẩm và trong thỏa thuận người dùng. Một nhà sản xuất phần cứng hoặc chủ sở hữu thương hiệu đưa các năng lực của mô hình vào thiết bị, hoặc một doanh nghiệp cung cấp mô hình dưới dạng dịch vụ có tổng doanh thu vượt 20 triệu USD trong bất kỳ khoảng mười hai tháng nào, cần một giấy phép thương mại riêng. Việc sử dụng nội bộ mà không để lộ mô hình hoặc các năng lực của nó cho bên thứ ba nằm trong phạm vi cấp phép mà không cần bất kỳ điều nào ở trên.

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.

Thành tích thực sự đáng giá bao nhiêu

GLM-5.2 đã hiện diện trên thế giới từ giữa tháng Sáu. Trong khoảng thời gian đó, nó đã chạy bên trong các khung chạy tác nhân, được các bên lưu trữ và đánh giá bên thứ ba tái lập, tích lũy các dạng lỗi được báo cáo công khai, và có hai phiên bản kế nhiệm được phát hành dựa trên nó — GLM-5.3 vào ngày 18 tháng 8 năm 2026, trên cùng trọng số nền, và GLM-5.5 sau đó. Z.ai chưa từng rút giá và chưa từng thu hồi trọng số. Điểm cuối cùng đó quan trọng hơn vẻ bề ngoài của nó: rủi ro thực tế khi áp dụng một mô hình cũ hơn không nằm ở việc nó tệ hơn, mà ở việc nó trở nên không còn được hỗ trợ trong khi bạn vẫn đang chạy nó, và GLM-5.2 giờ đã vượt qua hai lần làm mới thế hệ với bảng giá của nó vẫn nguyên vẹn.

Bản ghi vận hành của Step 5 Preview mới chỉ được đo bằng đơn vị tuần, và thứ cụ thể mà nó còn thiếu lại chính là thứ kém hào nhoáng: một khối báo cáo về cách nó hành xử dưới tải duy trì, ở mức đồng thời cao, với những prompt bất thường, và trong một khoảng thời gian đủ dài để một hồi quy từ phía nhà cung cấp có thể đã xảy ra và đã được nhận ra. Cả model card lẫn tài liệu của StepFun đều không thể thay thế cho điều đó, và bảng benchmark của chính nhà cung cấp — được trình bày dưới dạng hình ảnh thay vì văn bản có thể trích dẫn — không phải là một phép đo độc lập cho bất cứ điều gì. Hai harness thì đúng là có số liệu gắn kèm: StepFun nêu tên các thiết lập mà họ đã đánh giá, bao gồm temperature 1.0, top-p 0.95, top-k 0 và harness SWE-agent cho DeepSWE v1.1. Đó là mức công bố chi tiết hơn nhiều release card khác. Nhưng suy cho cùng, nó vẫn là việc nhà cung cấp tự chấm điểm sản phẩm của chính mình.

Có một ngoại lệ hẹp, nơi các con số của mô hình mới hơn thực sự độc lập và đáng tin: con số 44 trên Intelligence Index, đây là điểm trung lập duy nhất mà Step 5 Preview có, cùng với khoảng $0,71 cho mỗi tác vụ index đã hoàn thành và nhãn "very verbose" của người đánh giá trên lần chạy bộ kiểm thử 160 triệu token của nó. Hãy coi 44 là một con số đơn lẻ được dẫn nguồn tốt, chứ không phải một hồ sơ. Hãy coi nhãn dài dòng là thứ dễ cắn bạn hơn, bởi vì đó là một nhận định về chi phí chứ không phải chất lượng, và nó xuất hiện trên mọi hóa đơn.

Lựa chọn thực sự dẫn đến đâu

Hãy chọn GLM-5.2 nếu bất kỳ điều nào sau đây đúng. Bạn cần giấy phép MIT không có ngưỡng, vì nếu không thì đội pháp lý của bạn sẽ dành cả một quý cho việc đó. Bạn cần một phản hồi đơn 128.000 token, thứ mà mô hình của Z.ai cung cấp còn của StepFun thì không, ở bất kỳ mức giá nào. Bạn đang chạy khối lượng công việc văn bản và mã, nơi một mô hình đã có bốn tháng lịch sử sản xuất công khai đáng giá hơn mười điểm chỉ số, vì bạn thà thừa hưởng danh sách lỗi của người khác còn hơn tự tạo ra danh sách của riêng mình. Hoặc bạn cần phương án tự lưu trữ rẻ nhất có thể và một Mixture-of-Experts 753B với thiết kế sparse-attention IndexShare đã được công bố mà Z.ai nói rằng giúp cắt giảm FLOPs trên mỗi token khoảng 2,9 lần ở ngữ cảnh đầy đủ, và bạn định thực sự triển khai nó thay vì chỉ gọi nó.

Hãy chọn Step 5 Preview nếu khối lượng công việc cần video, hoặc nếu khoảng cách chỉ số mười điểm là sự khác biệt giữa một bản demo hoạt động được và một bản không, hoặc nếu bạn chỉ đơn giản muốn token rẻ nhất trên trang và sẵn sàng trở thành người dùng tiên phong. Khả năng video là có thật nhưng chưa được chấm điểm — StepFun ghi nhận đầu vào MP4, QuickTime và Matroska qua URL, Base64 hoặc tham chiếu Files API, với các tệp dựa trên URL dưới 128MB và độ dài khuyến nghị dưới năm phút, và không tồn tại đánh giá độc lập nào về nó. Điều đó khiến nó trở thành lý do để chạy thử nghiệm hơn là lý do để cam kết, và điều này cũng đúng với toàn bộ mô hình: những hàng mạnh nhất của nó là những hàng mà nhà cung cấp của chính nó là nguồn duy nhất, và hàng đáng tin cậy nhất của nó — chỉ số — là hàng mà nó không thua kém gì và thắng mười điểm.

Hai đề xuất cũng không có mức rủi ro ngang bằng nhau ở chiều ngược lại. Chọn mô hình cũ hơn khiến bạn mất đi năng lực mà bạn có thể đo đếm được. Chọn mô hình mới hơn khiến bạn phải chịu một ẩn số mà bạn không thể đo được, và cách để giới hạn một ẩn số là đừng đặt cược đường chạy production vào nó. Đó là lý do để chạy Step 5 Preview phía sau một cơ chế dự phòng thay vì chạy nó thay thế cho thứ gì đó: định tuyến một phần lưu lượng vào nó, giữ GLM-5.2 hoặc bất cứ thứ gì khác bạn tin cậy làm phương án dự phòng, và để chi phí trên mỗi tác vụ hoàn thành quyết định thay vì con số niêm yết. Trên OrcaRouter, GLM-5.2 nằm ở z-ai/glm-5.2 tại mức giá niêm yết của Z.ai với mức markup 0% — $1.40 và $4.40 với mức $0.26 cho cache read được chuyển nguyên vẹn — và vì khoản chuyển tiếp chính là mức giá của nhà cung cấp, một thay đổi về giá của Z.ai sẽ đến hóa đơn của bạn ngay ngày nó được áp dụng chứ không phải vào chu kỳ tiếp theo. Tự động chuyển đổi dự phòng là thứ khiến một cuộc thử nghiệm hai tuần với một endpoint lạ trở nên an toàn: mô hình thử nghiệm thất bại, nhưng yêu cầu thì không.

Step 5 Preview không có trong danh mục trực tiếp của OrcaRouter, và hướng dẫn trung thực là gọi nó thông qua nền tảng riêng của StepFun hoặc tự lưu trữ nó từ các checkpoint FP8, BF16 hoặc NVFP4 đã được công bố. Đối với so sánh cụ thể này, đó không phải là một mất mát lớn, vì lý do để chọn nó thay vì GLM-5.2 là bạn muốn đi trước, và việc đi trước thường có nghĩa là dù sao cũng phải sống chung với một nhà cung cấp.

Điều duy nhất có thể giải quyết so sánh này không phải là một benchmark. Mà là thời gian. Trong ba tháng nữa, Step 5 Preview sẽ có thứ mà GLM-5.2 hiện có: một hồ sơ công khai về cách nó hoạt động dưới tải của người khác, ở mức đồng thời của người khác, trong các trường hợp lỗi của người khác. Cho đến lúc đó, lựa chọn giữa hai mô hình này không còn là mô hình nào tốt hơn, mà là bạn sẵn sàng hành động dựa trên loại bằng chứng nào — bằng chứng bạn được thừa hưởng, hay bằng chứng bạn tự tạo ra.