We wtorek CNBC opublikowało śledztwo, które w branży AI wywołało spore poruszenie: od lutego 2026 chińskie modele obsługują tygodniowo 30-46% wszystkich tokenów płynących przez OpenRouter, jedną z największych amerykańskich bram API do modeli językowych. Rok temu było to średnio 11%, a w pierwszej połowie 2025 - ledwie 4,5%. Głównym motorem tej zmiany jest jeden model: GLM-5.2 od Z.ai, wydany w połowie czerwca na licencji MIT. Przekopałem się przez dane z leaderboardów, cenniki i raporty platform deweloperskich - i wyszedł z tego obraz rynku, który zmienia się szybciej, niż większość z nas nadąża czytać changelogi.
Z 4,5% do nawet 46% w rok
Liczby z OpenRoutera robią wrażenie, bo to nie jest ankieta ani deklaracje - to realny ruch produkcyjny, za który firmy płacą z własnej karty. Jeszcze w pierwszej połowie 2025 chińskie modele (DeepSeek, Qwen, GLM) były w amerykańskich API ciekawostką dla oszczędnych. Dziś w niektórych tygodniach mielą prawie połowę tokenów.
Podobny trend widzi Vercel: DeepSeek rósł tam systematycznie od maja, ale prawdziwą anomalią okazał się GLM-5.2 - najszybsza adopcja spośród wszystkich modeli śledzonych w 2026 roku. W pierwszym pełnym tygodniu po premierze dzienny wolumen tokenów urósł około 27-krotnie, a liczba klientów - około 80-krotnie. To nie jest krzywa wzrostu, to pionowa ściana.
GLM-5.2, czyli open-weight, który dogonił czołówkę
Co właściwie wydało Z.ai? GLM-5.2 to model Mixture-of-Experts: 744 mld parametrów łącznie, ok. 40 mld aktywnych na token, okno kontekstu 1 mln tokenów i - co najważniejsze - licencja MIT bez żadnych ograniczeń regionalnych. Wagi wiszą na Hugging Face od 17 czerwca; można je legalnie hostować u siebie, kwantyzować i wpinać we własne produkty.
Na papierze brzmi jak kolejny "prawie dobry" open source. Tyle że wyniki nie są "prawie": 62,1% na SWE-bench Pro - najtrudniejszym obecnie benchmarku agentycznego programowania - bije GPT-5.5 (58,6%) i poprzedni sufit open source, czyli GLM-5.1 (58,4%). Do wydanego 30 czerwca Claude Sonnet 5 (63,2%) brakuje mu nieco ponad punktu, a do lidera, Claude Opus 4.8, niecałych ośmiu.
Jeszcze ciekawiej robi się na benchmarkach długodystansowych: na FrontierSWE, mierzącym wielogodzinne zadania agentyczne, GLM-5.2 osiąga 74,4 - o punkt mniej niż Claude Opus 4.8 (75,4). Na Terminal-Bench 2.1 ma 81,0. Innymi słowy: w zadaniach, za które firmy realnie płacą najwięcej, model z otwartymi wagami gra już w tej samej lidze co zamknięta czołówka.
"Cena robi robotę"
Sama jakość nie wywołałaby takiej lawiny. Wywołała ją jakość w połączeniu z cennikiem. GLM-5.2 w hostowanym API Z.ai kosztuje 1,40 dolara za milion tokenów wejściowych i 4,40 za wyjściowe. Claude Sonnet 5 w promocji obowiązującej do końca sierpnia - 2/10 dolarów. A najwyższa półka, Claude Fable 5, od 8 lipca rozliczany kredytami - 10/50 dolarów. Jedna rozbudowana sesja agentycznego kodowania z 2 mln tokenów wyjściowych na Fable 5 to setka dolarów; na GLM-5.2 - mniej niż dziewięć.
Harpreet Arora z Vercela ujął mechanizm tej zmiany jednym zdaniem, które warto zapamiętać: "Cena robi robotę. Kiedy zadanie nie wymaga najlepszego modelu, zespoły zaczynają kierować je do najtańszego, który jest wystarczająco dobry". To dokładnie ten sam routing, o którym pisałem w świeżym przeglądzie stacku AI do kodowania - tyle że teraz "wystarczająco dobry i tani" coraz częściej znaczy "chiński i open-weight".
Trzy tygodnie od premiery do przemeblowania rynku
Tempo tej historii jest osobnym fenomenem. Między premierą modelu a śledztwem CNBC o przejmowaniu amerykańskiego rynku minęły równo trzy tygodnie:
Po drodze, 2 lipca, Z.ai wypuściło jeszcze ZCode - pierwsze open-weightowe "środowisko agentycznego kodowania z najwyższej półki": agent terminalowy, agent sterujący przeglądarką i agent plikowy w jednym pakiecie, zbudowane na GLM-5.2 i wycenione tak samo jak API modelu. To czytelny sygnał, w kogo wymierzona jest ta premiera: w Claude Code i resztę zamkniętych narzędzi agentycznych, które do tej pory nie miały otwartego odpowiednika w swojej klasie.
Co z tego wynika dla nas
Po pierwsze: routing kosztowy przestał być optymalizacją dla wyjadaczy, a stał się normą. Skoro różnica jakości między open-weight a zamkniętą czołówką stopniała do kilku punktów procentowych, a różnica ceny to rząd wielkości, to każda firma wydająca na API poważne pieniądze prędzej czy później zrobi to samo, co klienci Vercela - zostawi najdroższe modele do najtrudniejszych zadań, a resztę ruchu puści tańszym kanałem.
Po drugie: argument "open source zawsze o generację z tyłu" właśnie się zdezaktualizował. Licencja MIT bez ograniczeń regionalnych oznacza, że GLM-5.2 można postawić na własnych kartach, za firewallem, bez wysyłania kodu komukolwiek. Dla firm z wrażliwym IP to często ważniejsze niż ostatnie trzy punkty benchmarku.
Po trzecie: geopolityka wchodzi do backlogu. Te same tygodnie, w których chińskie modele przejmują ruch w amerykańskich API, to okres, w którym rząd USA wpuszcza generatywną AI do sieci niejawnych i opóźnia premiery modeli z powodów bezpieczeństwa narodowego. Napięcie między "najtańszy wystarczająco dobry model" a "czyj to właściwie model i gdzie płyną dane" będzie tylko rosło - zwłaszcza w Europie, gdzie za chwilę dołożą się do tego regulacje. Warto też pamiętać, że otwarte wagi nie unieważniają pytań o jakość treningu - pisałem kiedyś o "goblinozie" w GPT-5 i ta lekcja dotyczy każdego modelu, do którego wnętrza nie mamy pełnego wglądu.
Podsumowanie: co bym z tym zrobił
- Jeśli płacisz za API z własnej kieszeni: przetestuj GLM-5.2 na swoich rzeczywistych zadaniach (nie na benchmarkach). Przy cenie 1,40/4,40 USD eksperyment kosztuje grosze, a 1 mln tokenów kontekstu łyka spore repozytorium.
- Jeśli budujesz produkt na LLM-ach: wdroż routing wielomodelowy teraz, zanim zrobi to za ciebie dział finansów. Najdroższy model do planowania i trudnych przypadków, tani open-weight do masówki.
- Jeśli masz wrażliwe dane: licencja MIT plus możliwość self-hostingu to główny, często pomijany atut tej premiery - ale policz realny koszt GPU, zanim ogłosisz niezależność od dostawców.
- Jeśli tylko obserwujesz rynek: zapamiętaj cytat z Vercela. "Cena robi robotę" to prawdopodobnie najkrótsze streszczenie tego, co wydarzy się w AI w drugiej połowie 2026 roku.
Dane i szczegółowe wyniki benchmarków znajdziecie na llm-stats.com oraz w leaderboardzie SWE-bench Pro. A jeśli już przepuszczacie część ruchu przez modele open-weight - dajcie znać w komentarzach, jak wypadają poza benchmarkami. Papier swoje, produkcja swoje.