GLM-5.1 vs Claude, GPT, Gemini, DeepSeek: Bagaimana Model Terbaru Zhipu AI Bersaing

Zhipu AI baru saja merilis GLM-5.1 pada 27 Maret 2026, dan angka-angkanya menarik perhatian. Lab AI asal China ini — yang melakukan IPO di bursa saham Hong Kong pada Januari dengan valuasi $31,3 miliar — mengklaim model terbaru mereka mencapai 94,6% dari performa coding Claude Opus 4.6, semuanya dengan bobot terbuka dan dilatih sepenuhnya tanpa perangkat keras Nvidia.

Berikut perbandingan GLM-5.1 dengan semua model frontier utama di tahun 2026.

Apa Itu GLM-5.1?

GLM-5.1 adalah peningkatan bertahap dari GLM-5, berfokus pada peningkatan coding dan penalaran melalui post-training yang disempurnakan. Arsitektur dasarnya sama dengan GLM-5:

Spesifikasi	Detail
Total parameter	744B (Mixture-of-Experts)
Parameter aktif	40-44B per token
Arsitektur expert	256 expert, 8 aktif per token
Jendela konteks	200K token
Output maksimum	131.072 token
Data pelatihan	28,5 triliun token
Perangkat keras pelatihan	100.000 chip Huawei Ascend 910B
Lisensi	MIT (open-weights)

Kisah infrastruktur pelatihan ini sangat signifikan: GLM-5 dan 5.1 dilatih sepenuhnya menggunakan chip Huawei Ascend — tanpa GPU Nvidia. Mengingat kontrol ekspor AS atas chip AI ke China, ini merupakan tonggak penting bagi kemandirian AI China.

Yang Baru di 5.1

GLM-5.1 bukan arsitektur baru — ini adalah penyempurnaan post-training dari GLM-5 yang berfokus pada coding:

• Skor benchmark coding meningkat dari 35,4 (GLM-5) menjadi 45,3 (GLM-5.1) — kenaikan 28%
• Ini menempatkannya pada 94,6% dari skor coding Claude Opus 4.6 (45,3 vs 47,9)
• Ditingkatkan melalui alignment progresif: multi-task SFT → Reasoning RL → Agentic RL → General RL → distilasi lintas tahap on-policy

Perbandingan Benchmark

Berikut perbandingan GLM-5/5.1 dengan semua model frontier yang memiliki data benchmark tersedia:

Penalaran dan Pengetahuan

Model	GPQA Diamond	AIME 2025	MMLU	HLE
GPT-5.2 (OpenAI)	92,4%	100%	~90%	N/A
Claude Opus 4.6 (Anthropic)	91,3%	99,8%	91,1%	53,1%
Qwen 3.5 (Alibaba)	88,4%	N/A	88,5%	N/A
GLM-5 (Zhipu AI)	86,0%	92,7%	88-92%	30,5
DeepSeek V3.2	N/A	89,3%	~88,5%	N/A
Gemini 2.5 Pro (Google)	84,0%	86,7%	89,8%	18,8%
Llama 4 Maverick (Meta)	84,0%	83,0%	85,5%	N/A

GLM-5 mampu bersaing dalam penalaran — terutama pada AIME 2025 (92,7%), di mana ia mengungguli DeepSeek, Gemini, dan Llama. Namun tertinggal dari Claude Opus 4.6 dan GPT-5.2 pada GPQA Diamond dan Humanity’s Last Exam.

Coding

Model	SWE-bench Verified	LiveCodeBench	Skor Coding
Claude Opus 4.6	80,8%	N/A	47,9
GPT-5.2	80,0%	N/A	N/A
GLM-5.1	77,8%	52,0%	45,3
Qwen 3.5	76,4%	83,6%	N/A
DeepSeek V3.2	73,1%	74,1%	N/A
Gemini 2.5 Pro	63,8%	70,4%	N/A
Llama 4 Maverick	N/A	39,7-70,4%	N/A

Peningkatan coding GLM-5.1 adalah fitur utamanya. Dengan 77,8% SWE-bench Verified, ia kompetitif dengan model closed-source terbaik — hanya 3 poin di belakang Claude Opus 4.6 (80,8%) dan GPT-5.2 (80,0%). Untuk model open-weights, ini sangat luar biasa.

Preferensi Manusia (Chatbot Arena)

Model	Arena ELO	Peringkat
Claude Opus 4.6	~1503	#1
GLM-5	1451	Tingkat teratas

GLM-5 menempati peringkat #1 di antara model open-weights dalam Text Arena maupun Code Arena di LMArena — hasil yang kuat untuk preferensi manusia, meskipun tertinggal dari Opus 4.6 secara keseluruhan.

Perbandingan Harga

Salah satu keunggulan terkuat GLM-5.1 adalah biayanya.

Model	Input (per 1 juta token)	Output (per 1 juta token)
GLM-5.1	$1,00	$3,20
DeepSeek V3.2	$0,27	$1,10
Claude Sonnet 4.6	$3,00	$15,00
GPT-5.2	$3,00	$12,00
Claude Opus 4.6	$15,00	$75,00
Gemini 2.5 Pro	$1,25	$10,00

GLM-5.1 menawarkan performa yang mendekati frontier dengan biaya sebagian kecil dari Claude Opus 4.6 atau GPT-5.2. Hanya DeepSeek yang lebih murah dalam hal harga murni.

Zhipu AI juga menawarkan langganan GLM Coding Plan:

• Lite: $3/bulan untuk 120 prompt
• Pro: $15/bulan untuk 600 prompt

Bandingkan dengan Claude Max seharga $100-200/bulan.

Yang Membuat GLM-5.1 Menonjol

1. Open-Weights pada Skala Frontier

GLM-5 adalah model open-weights pertama yang mencapai skor 50 pada Artificial Analysis Intelligence Index. Bobotnya tersedia di HuggingFace di bawah lisensi MIT (zai-org/GLM-5), dapat di-deploy melalui vLLM, SGLang, dan KTransformers. Bobot GLM-5.1 dijanjikan tetapi belum dirilis.

2. Tidak Membutuhkan Nvidia

Dilatih pada 100.000 chip Huawei Ascend 910B, GLM-5/5.1 membuktikan bahwa pelatihan AI frontier memungkinkan tanpa perangkat keras Nvidia. Ini memiliki implikasi geopolitik di luar pencapaian teknisnya.

3. Post-Training yang Agresif

Peningkatan coding sebesar 28% dari GLM-5 ke 5.1 seluruhnya berasal dari optimasi post-training — model dasar yang sama, alignment yang lebih baik. Pipeline “progressive alignment” Zhipu (multi-task SFT → multi-stage RL → cross-stage distillation) menghasilkan peningkatan nyata.

4. Halusinasi yang Berkurang

GLM-5 menunjukkan peningkatan 35 poin pada AA-Omniscience Index dibanding GLM-4.7, dengan efisiensi token yang lebih baik (~110 juta token output vs ~170 juta untuk tugas serupa). Model ini berbicara lebih sedikit dan lebih banyak yang benar.

Keterbatasan

• Hanya teks. Tidak ada input gambar, audio, atau video. Untuk tugas multimodal, Anda memerlukan Claude, GPT, atau Gemini.
• Skor coding berdasarkan laporan sendiri. Klaim 94,6%-dari-Opus menggunakan Claude Code sebagai kerangka evaluasi. Verifikasi independen masih tertunda.
• Persyaratan penyimpanan. Model BF16 penuh membutuhkan ~1,49TB — self-hosting tidaklah mudah.
• Bobot GLM-5.1 belum dirilis. Hanya GLM-5 yang saat ini bersifat open-weights.

Kapan Menggunakan Model Mana

Pilih GLM-5.1 ketika:

• Anda membutuhkan performa coding setara frontier dengan biaya rendah
• Open-weights / self-hosting penting untuk deployment Anda
• Anda membangun di atas infrastruktur cloud China (Huawei Ascend)
• Anggaran adalah kendala utama dan DeepSeek tidak memenuhi kebutuhan Anda

Pilih Claude Opus 4.6 ketika:

• Kemampuan maksimal di semua tugas adalah prioritas
• Anda membutuhkan penalaran terbaik (GPQA 91,3%, HLE 53,1%, AIME 99,8%)
• Alur kerja agentik dan tugas multi-langkah yang kompleks adalah kasus penggunaan Anda
• Anda membutuhkan kemampuan multimodal

Pilih GPT-5.2 ketika:

• Skor matematika sempurna penting (AIME 100%)
• Anda berada dalam ekosistem OpenAI
• Anda membutuhkan kemampuan multimodal dan penggunaan alat yang kuat

Pilih DeepSeek V3.2 ketika:

• Efisiensi biaya adalah prioritas utama ($0,27/$1,10 per juta token)
• Open-source dengan coding yang kuat (SWE-bench 73,1%)
• Anda menginginkan opsi termurah yang mendekati frontier

Pilih Qwen 3.5 ketika:

• Anda membutuhkan performa LiveCodeBench open-source terbaik (83,6%)
• SWE-bench 76,4% dengan open-weights sudah cukup
• GPQA Diamond yang kuat (88,4%) di antara model terbuka

Kesimpulan

GLM-5.1 adalah model yang benar-benar mendekati frontier. Dengan 94,6% dari performa coding Claude Opus 4.6, 77,8% SWE-bench Verified, dan $1,00/$3,20 per juta token, ia menawarkan proposisi nilai yang menarik — terutama sebagai model open-weights.

Kisah yang lebih besar adalah apa yang diwakili GLM-5.1: sebuah lab China yang menghasilkan AI kompetitif setara frontier di atas perangkat keras domestik, merilisnya sebagai open-weights, dan menetapkan harga secara agresif. Kesenjangan antara model closed-source terbaik (Claude Opus 4.6, GPT-5.2) dan model terbuka terbaik (GLM-5.1, Qwen 3.5, DeepSeek) terus menyempit.

Bagi para pengembang, ini berarti lebih banyak pilihan dengan biaya lebih rendah. Bagi industri, ini berarti frontier semakin ramai — dan itu baik untuk semua orang.