GLM-5.2, Sakana Fugu, Claude Fable 5: trzy modele frontier, trzy odpowiedzi na kontrolę

Każdy z nich pojawił się w czerwcu 2026 roku w odstępie dwóch tygodni od pozostałych, i każdy jest zupełnie inną rzeczą. Warto o precyzję, bo dwa z nich są powszechnie opisywane błędnie.

GLM-5.2, od Z.ai z Pekinu, pojawił się 17 czerwca. To model Mixture-of-Experts z otwartymi wagami, około 750 miliardów parametrów z około 40 miliardami aktywnych, kontekst jednego miliona tokenów oraz, co kluczowe, licencja MIT z wagami opublikowanymi na HuggingFace.

Sakana Fugu, od Sakana AI z Tokio, pojawiła się 22 czerwca. To nie jest konwencjonalny model, a zwyczajowa klasyfikacja jest chybiona: Fugu to wytrenowany orkiestrator, który wywołuje pulę innych modeli i syntetyzuje ich pracę. Jest dostępny wyłącznie przez API, oferowany jako endpoint kompatybilny z OpenAI.

Claude Fable 5, od Anthropic ze Stanów Zjednoczonych, pojawił się 9 czerwca. Drugi częsty błąd to klasyfikowanie Fable jako szybkiego lub kreatywnego stopnia. To flagowy model, najbardziej zdolny szeroko wydany model Anthropic, sterowany bezpieczeństwem, dostępny wyłącznie w chmurze, w cenie 10 i 50 dolarów za milion tokenów. Jego wyniki benchmarków są mocne; dla tego artykułu są one jednocześnie drugorzędne.

Pomińmy ranking i ułóżmy go według wymiarów, za które niemiecki nabywca B2B faktycznie odpowiada. Obraz jest jasny, i nie chodzi o to, który model jest najsprytniejszy.

Do tej tabeli należą dwa uczciwe zastrzeżenia. Domyślna ścieżka GLM-5.2, API Z.ai, podlega chińskim przepisom o danych z ich obowiązkowymi klauzulami dostępu, co jest właśnie powodem, dla którego liczą się otwarte wagi: self-hosting w UE neutralizuje to ryzyko. A twierdzenie Fugu o dorównaniu poziomowi frontier jest w całości deklaracją własną, osłabioną tym, że Fable i ograniczony model Mythos nie znajdują się nawet w jej puli. Nie oparłbym decyzji na żadnym z tych dwóch benchmarków dostawców.

Nie polecam żadnego z nich w oderwaniu od kontekstu. Dopasowuję podejście do tego, co klient może sfinansować i za co odpowiada.

🔸 GLM-5.2 to pociąg on-premise. Otwarte wagi MIT to cała istota sprawy: mogą Państwo uruchomić go we własnym centrum danych, a prompty nigdy nie opuszczają Państwa sieci. Haczyk to zapotrzebowanie na GPU, około 744 gigabajtów w FP8, pasuje więc do klienta, który może sfinansować sprzęt i musi trzymać dane we własnej infrastrukturze. To najczystsza historia suwerenności z całej trójki.

🔸 Claude Fable 5 to pociąg zarządzanej pewności. Wynajmują Państwo zdolności od amerykańskiego dostawcy, w najwyższej cenie spośród trójki, z prawdziwą kontrolą bezpieczeństwa i regionalnym routingiem danych w dużych chmurach. Dla zespołu, który chce modelu klasy szczytowej bez posiadania stosu i może żyć z zależnością od chmury, to najsilniejsza zarządzana opcja.

🔸 Sakana Fugu to pociąg wygody, z najsłabszą historią kontroli. API, które kieruje zapytania przez pulę modeli, jest sprytne, a Japonia jest geopolitycznie łagodniejsza niż Chiny. Ale nie mogą Państwo uruchomić go on-premise, nie wybierają Państwo, który model widzi dane, a dowody są skąpe. Traktowałbym to jako coś interesującego, nie jako standard dla pracy regulowanej.

To ta sama lekcja, której Claude Fable 5 nauczył się na trudny sposób, gdy wcześniejszy model wyłączono w 72 godziny: wynajęta zdolność jest odwoływalna, a kontrola jest cechą stosu, nie wyniku. Dlatego stale wskazuję klientom na modele open-weight, które mogą faktycznie posiadać.

Jeśli mają Państwo zapamiętać z tego jedno, niech to będzie pytanie, nie ranking. Modele w ciągu kwartału ponownie zamienią się miejscami w rankingu; to szum. Trwałe pytanie to takie, które osoba odpowiedzialna za zakupy powinna zadać pierwszego dnia: który z nich mogą Państwo nadal uruchamiać, kontrolować i opłacać, gdy dostawca zmieni warunki? Dla większości regulowanych klientów, z którymi pracuję, to pytanie odpowiada się samo, i nie wskazuje na najwyższy benchmark. Zanim więc wybiorą Państwo najsprytniejszy model: ile kosztowałaby Państwa jego utrata?