Ongesensureerde GLM API: die beste waarde per teken
Z.ai se agentiese GLM-grondslag, bedien met geen weieringslaag op ons eie GPU-tros — 262K konteks, gereedskaproeping, en 'n gemengde prys onder die helfte van wat dieselfde afstamming eersteparty kos.
Kortliks
GLM-5.2-3BIT-REAP is die model op die Shannon AI-poort wat ons by verstek aanbeveel. Dit bedryf 'n yl Mixture-of-Experts-grondslag met 744 miljard parameters uit die GLM-afstamming — sedert GLM-4.5 uitdruklik vir agentiese gereedskapgebruik afgerig — gekomprimeer met 3-bis-gewigte en REAP-ekspertsnoei sodat dit pas en vinnig bly. Jy kry 'n konteks van 262,144 tekens, 16,384 tekens uitvoer, gereedskaproeping, redenering met verstelbare reasoning_effort, en JSON-skema-gestruktureerde uitvoer, vir $0.73 / $2.34 per miljoen tekens. Daar is geen weieringslaag en geen uitvoerfilter nie. Slegs teks — geen visie nie.
Die meeste "goedkoopste model"-vergelykings is oneerlik, want die goedkoop opsie is gewoonlik 'n klein model in 'n groot model se bemarkingsklere. Dit is nie wat hier gebeur nie. GLM-5.2 is een van die grootste grondslae met oop gewigte wat enigiemand vrygestel het, en teen $0.73 in / $2.34 uit sit dit een sport bo ons katalogus se vloer terwyl dit 'n grondslag dra wat verskeie kere groter is as wat daardie vloer gewoonlik koop. Daardie gaping — groot model, naby-vloer-prys — is die rede waarom hierdie bladsy bestaan.
01Waar GLM vandaan kom: Tsinghua, leemte-invulling, en 'n skerp draai na agente
GLM is nie 'n hermerkte Llama-afgeleide nie. Dit is een van die min modelfamilies met sy eie voorafleerdoelwit, vyf jaar lank deur dieselfde navorsingsgroep herhaal. Die naam staan vir General Language Model, en die stigtingsartikel — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — het 'n derde opsie voorgestel naas BERT se gemaskerde taalmodellering en GPT se streng links-na-regs outoregressie. GLM maak aaneenlopende spanne leeg en genereer hulle outoregressief in 'n geskommelde volgorde weer, met tweedimensionele posisionele enkoderings wat sowel 'n teken se posisie in die beskadigde dokument as sy posisie binne die span wat gevul word, dophou: een argitektuur wat begrip en generering ewe goed hanteer.
Die groep daaragter was Tsinghua Universiteit se Knowledge Engineering Group, wat die maatskappy afgesplits het wat nou as Z.ai (voorheen Zhipu AI) bekend staan. Sy eerste opskrifartefak was GLM-130B in Oktober 2022 — 'n tweetalige Engels/Chinese digte model met 130 miljard parameters, met gewigte en kode wat publiek by publikasie vrygestel is. Oop vrystelling is sedertdien die huisstyl.
Die MoE-era, en die draai na agente
Die deurlopende lyn maak meer saak as enige enkele vrystelling. Sedert GLM-4.5 is elke weergawe vir dieselfde ding geoptimeer: om samehangend te bly oor dosyne gereedskaproepe heen. Dit is 'n ander doelwit as om enkelbeurt-maatstafpunte te maksimeer, en dit wys as minder wanvormige gereedskapargumente, minder dryf in 'n lang plan, en minder van die "herbegin die taak met selfvertroue op beurt 14"-gedrag wat agentraamwerke duur maak.
02Wat GLM-5.2 is, en waarop dit gemeet is
Z.ai publiseer maatstafsyfers vir GLM-5.2 in die GLM-5-bewaarplek. Twee daarvan karteer op werklike agentiese werk eerder as feiteherroeping:
Terminal-Bench 2.1 — langhorison-opdraglyn-agenttake. Deur Z.ai berig.
SWE-bench Pro — die oplossing van kwessies in werklike bewaarplekke. Deur Z.ai berig; GLM-5.1 het 58.4 op dieselfde toets behaal.
Dit is die laboratorium se syfers, nie ons s'n nie, en hulle beskryf die ongekomprimeerde grondslag. Hulle vestig die klas model waarmee jy te doen het, nie 'n waarborg nie.
Een datapunt is meer werd as 'n maatstaf, want dit kom van 'n beoordelaar sonder aansporing om die model te vlei. In Julie 2026 het die Amerikaanse National Institute of Standards and Technology se Center for AI Standards and Innovation GLM-5.2 beoordeel en tot die gevolgtrekking gekom dat dit waarskynlik die vaardigste AI-model met oop gewigte was wat beskikbaar was toe dit vrygestel is, met algemene vermoëns vergelykbaar met GPT-5.2 en kubervermoëns vergelykbaar met Claude Opus 4.6. Dieselfde beoordeling het opgemerk dat GLM-5.2 minder sensitiewe versoeke blokkeer as Amerikaanse verwysingsmodelle, en dat beskermings wat in oop gewigte ingebak is, omseil kan word sodra daardie gewigte self gehuisves word. Afdeling 05 kom daarop terug.
03Wat "3BIT-REAP" beteken, en wat dit jou kos
REAP: eksperts snoei in plaas van saamsmelt
'n MoE-model met 744B parameters het 256 eksperts per laag, waarvan 8 op enige gegewe teken vuur. Die router versprei werk nie eweredig nie — sommige eksperts word aanhoudend getref, en 'n lang stert word selde getref en dra min by wanneer dit wel gebeur. REAP (Router-weighted Expert Activation Pruning), van Cerebras Research en aanvaar vir ICLR 2026, buit dit uit: dit punt elke ekspert volgens 'n opvallendheidsmaatstaf wat hoe sterk en hoe dikwels die router dit deurlaat met die grootte van sy uitvoerbydrae kombineer, en laat val dan die lae punte permanent.
Die interessante deel is die vergelyking wat REAP wen. Die voor die hand liggende alternatief vir die skrap van 'n ekspert is om dit in 'n oorlewende saam te smelt, wat veiliger klink. Die artikel se bevinding oor MoE-modelle van 20B tot 1T parameters is dat saamsmelting inderdaad slegter is vir generatiewe werk, en dat snoei merkwaardig goed standhou: byna verlieslose resultate op kodegenerering- en gereedskaproepmaatstawwe selfs nadat die helfte van die eksperts verwyder is, op grondslae insluitend Qwen3-Coder-480B en Kimi-K2. Dat kode en gereedskaproeping ongeskonde oorleef, is presies wat jy behou wil hê op 'n model wie se bestaansrede agentiese ingenieurswese is.
3-bis-gewigte, en die eerlike afruiling
Bo-op die snoei word die oorlewende gewigte teen 3 bisse gestoor — aggressiewer as die W4A16-AUTOROUND-REAP- en W8A16-vlakke elders in ons katalogus, en gereserveer vir die grootste grondslae, waar daar geen ander manier is om 'n model van driekwart-biljoen parameters op 'n bedieningsnodus te kry en tekens teen 'n bruikbare tempo te laat vloei nie.
Kompressie is nie gratis nie. Die regte geestesmodel: snoei en kwantisering degradeer die lang stert eerste. Digte, dikwels geoefende gedrag — instruksievolging, kodestruktuur, gereedskaproepformatering, meerstapbeplanning — oorleef goed, wat presies is wat die REAP-resultate wys. Obskure feiteherroeping, seldsame tale en nis-domeinfeite is waar jy 'n verskil teenoor 'n ongekomprimeerde GLM-5.2 moet verwag. As jou werklading "ken 'n ongewone feit uit die vuis" is, betaal vir 'n vlak met hoër getrouheid. As dit "loop 'n plan oor veertig gereedskaproepe sonder om van die spoor af te gaan" is, is dit die vlak waarvoor die metode ontwerp is.
04Die waardesaak: wat 'n goedkoop ongesensureerde LLM API werklik kos om te bedryf
Z.ai se eie gepubliseerde API-lysprys vir GLM-5.2 is $1.40 per miljoen insettekens en $4.40 per miljoen uitvoer. Ons prys op dieselfde grondslag is $0.73 / $2.34 — ongeveer 48% minder op inset en 47% minder op uitvoer. Daardie afslag is wat die kompressie koop, en dit kom met 'n tweede ding wat jy eersteparty teen geen prys kan koop nie: geen weieringslaag.
Binne ons eie katalogus is gemengde koste die syfer wat saak maak. Hier is dit teen 'n inset-tot-uitvoer-verhouding van 3:1, ongeveer hoe 'n gereedskaproepende agent in die praktyk lyk — baie konteks en gereedskapsresultate in, en betreklik min tekens uit.
| Model | In / 1M | Uit / 1M | Gemeng 3:1 | Visie |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | Nee |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | Nee |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | Ja |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | Nee |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | Ja |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | Ja |
Ses modelle sit op die vloer van $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro en Hy3 — 'n gemengde koers van $0.875. GLM-5.2 is 29% bo daardie vloer en koop vir jou 'n grondslag van die 744B-klas met 'n volgehoue belegging in agentiese gedrag daaragter. Alles wat bo dit geprys is, kos ten minste 23% meer gemeng, en Kimi-K3 kos 6.8× meer. Dit is die waarde-argument in een ry: die goedkoopste plek in die katalogus om 'n topvlak agentiese grondslag te koop.
Omgeskakel in werk
- Een volle konteksvulling — 262,144 insettekens: $0.19. 'n Hele groot bewaarplek in die venster ingelees vir onder twintig sent.
- Een voltooiing van maksimum lengte — 16,384 uitvoertekens: $0.038.
- Een agentbeurt — 20K in, 2K uit: $0.019. Dieselfde beurt kos $0.115 op Kimi-K3 en $0.047 op DeepSeek-V4-Pro.
- Honderd agentbeurte: $1.93, teenoor $11.48 op die duurste model in die katalogus.
Agentiese werkladings is insetswaar, en GLM se voordeel is presies daar die grootste: sy insetprys is 5.2× onder Kimi-K3 s'n en 2.7× onder DeepSeek-V4-Pro s'n. As jou agent 'n groeiende gesprek elke beurt weer stuur — en byna elke agent doen dit — is daardie vermenigvuldiger wat op jou faktuur beland.
05Wat "ongesensureerd" op hierdie eindpunt beteken
Twee dinge, presies: geen weieringslaag — geen klassifiseerder wat besluit watter versoeke die model mag sien nie, en geen beleidsmodel wat jou opdrag herskryf voordat dit aankom nie — en geen uitvoerfiltrering, wat beteken die tekens wat die model produseer, is die tekens wat jy ontvang, ongeredigeer en onverruil.
Dit is 'n ander voorstel as 'n kommersiële API wat 'n "ontspanne" of "ontwikkelaar"-modus adverteer. Daardie stelsels stuur verkeer steeds deur 'n verskaffer se beleidsstapel; wat verander, is die drempel, nie die bestaan van die hek nie. Hier is daar geen hek om te verstel nie — die model loop op ons eie GPU-tros, en sy gedrag is die grondslag se gedrag. Lees die NIST CAISI-bevinding uit afdeling 02 as 'n tegniese stelling eerder as 'n waarskuwing en dit verduidelik die produk: 'n model wie se belyning in sy gewigte leef, bedien sonder 'n eksterne beleidslaag, gedra hom volgens sy gewigte.
Waarom dit spesifiek vir agente saak maak
Weierings word gewoonlik as 'n inhoudsvraag bespreek. In agentiese werk is hulle meestal 'n betroubaarheidsvraag. 'n Weiering op beurt 31 van 'n 40-beurt-lopie is nie 'n hoflike afwysing wat jy lees en verbygaan nie — dit is 'n wanvormige stap, 'n orkestreerder wat nie weet hoe om voort te gaan nie, 'n gebroke plan, en 30 beurte se verbrande tekens met niks om te wys nie. Sekuriteitsnavorsing, wanware-ontleding, penetrasietoetsing, rooispanwerk, volwasse fiksie, mediese en regsopstelling, en datastelgenerering vir veiligheidsafrigting tref dit voortdurend, en die mislukking is duur juis omdat dit laat land.
Die keersy is dat die beleidslaag nou joune is. Gebruik van die Shannon AI-poort word gereël deur ons Beleid vir Verantwoordelike Gebruik; om 'n verskaffer se oordeel uit die lus te haal, beteken om jou eie te verskaf.
06Wat die eindpunt jou werklik gee
| Vermoë | GLM-5.2 · 3BIT-REAP |
|---|---|
| Model-ID | GLM-5.2-3BIT-REAP |
| Konteksvenster | 262,144 tekens |
| Maks. uitvoer per versoek | 16,384 tekens |
| Stroming | Ja |
| Gereedskaproeping | Ja |
Redenering / reasoning_effort | Ja |
JSON-skema (json_schema) | Ja |
response_format | Ja |
| Visie / beeldinset | Nee — slegs teks |
| Weieringslaag / uitvoerfiltrering | Geen |
Lees die visiery mooi voordat jy bou. GLM-5.2 is slegs teks op ons poort. As jy beeldinset nodig het, het die katalogus vyf visievaardige opsies — MiniMax-M3 en MiMo-V2.5 op die vloer van $0.50 / $2.00, Kimi-K2.6 teen $0.78 / $3.67, inkling teen $1.42 / $6.07, en Kimi-K3 teen $3.83 / $19.12. 'n Sinvolle patroon is om beeldbegrip na MiniMax-M3 te stuur en alles anders na GLM-5.2, wat niks meer as 'n modelstring kos nie.
Drie dialekte, een model
Dieselfde model is deur drie versoekformate bereikbaar, almal stromend: /v1/chat/completions (OpenAI-dialek), /v1/messages (Anthropic-dialek), en /v1/responses. Niks aan die model verander tussen hulle nie — kies watter een jou SDK reeds praat, en jy is gewoonlik een basis-URL-verandering van 'n werkende opstelling af.
# OpenAI dialect — point your existing client at the gateway from openai import OpenAI client = OpenAI( base_url="https://api.shannon-ai.com/v1", api_key="sk-...", ) resp = client.chat.completions.create( model="GLM-5.2-3BIT-REAP", messages=[{"role": "user", "content": "..."}], tools=tools, # tool calling supported reasoning_effort="medium", # low | medium | high stream=True, )
Volledige versoek- en antwoordskemas vir al drie dialekte, die gereedskaproepformaat, stroomgebeurtenisvorms, en 'n interaktiewe speelplek is in die Shannon AI API-dokumentasie.
07Wanneer om GLM-5.2 te kies — en wanneer nie
Gryp daarna wanneer
- Jy agente bedryf. Lang gereedskaproep-lusse is waarvoor hierdie afstamming gebou en herhaaldelik na-afgerig is, en die insetprys maak dit bekostigbaar om 'n groeiende gesprek elke beurt weer te stuur.
- Jy oor 'n groot kodebasis werk. 262K konteks, betroubare gereedskaproepformatering, en $0.19 om die hele venster te lees.
- Volume jou beperking is. Klassifikasie, onttrekking, sintetiese datagenerering, grootmaat-herskrywing — enigiets waar koste per oproep maal 'n groot getal besluit of die projek lewensvatbaar is.
- Weierings jou pyplyn breek. Sekuriteitsnavorsing, teenstandertoetsing, ongesensureerde fiksie, sensitiewe opstelwerk — die mislukkingswyse is hier nie teenwoordig nie.
Gryp na iets anders wanneer
- Jy visie nodig het. Slegs teks. Sien die visievaardige opsies hierbo.
- Jy die diepste enkelbeurt-redenering nodig het. Vir die moeilikste eenskoot-analitiese probleme is DeepSeek-V4-Pro-0813 · 3BIT-REAP die swaarder instrument teen 2.2× die gemengde koste — op oproepe waar die plafon die beperking is, is dit die regte ruil.
- Jy maksimum getrouheid op obskure kennis nodig het. Die
W8A16-vlak — MiMo-V2.5-Pro en Hy3 — is ver minder aggressief gekomprimeer en sit op die vloer van $0.50 / $2.00, op kleiner grondslae.
Elke grondslagsyfer op hierdie bladsy word deur iemand anders as ons gepubliseer. Prys- en vermoënsyfers is ons eie lewendige kataloguswaardes, verifieerbaar teen /v1/models op jou eie sleutel. Gaan die primêre bronne self na.
GLM-5.2 se maatstafsyfers (Terminal-Bench 2.1, SWE-bench Pro) word deur Z.ai vir die ongekomprimeerde grondslag berig; onafhanklike herhaling is hangende. Claude Opus 4.8- en GPT-5.5-syfers word slegs ter verwysing gewys. Eersteparty-GLM-5.2 API-lyspryse soos deur Z.ai gepubliseer, September 2026.
08Gereelde vrae
Wat is die ongesensureerde GLM API op Shannon AI?
Dit is die model-ID GLM-5.2-3BIT-REAP op die Shannon AI-poort: 'n gekomprimeerde bou van Z.ai se GLM-5.2 agentiese grondslag, bedien op ons eie GPU-tros sonder weieringslaag en sonder uitvoerfiltrering. Dit kos $0.73 per miljoen insettekens en $2.34 per miljoen uitvoertekens, dra 'n konteksvenster van 262,144 tekens, en is bereikbaar op /v1/chat/completions, /v1/messages en /v1/responses.
Waarom is GLM 5.2 ongesensureerd goedkoper as die ander groot modelle in die katalogus?
Weens hoe dit gekomprimeer is. 3BIT-REAP kombineer 3-bis-gewigte met REAP, 'n ekspertsnoeimetode vir Mixture-of-Experts-modelle wat selde gerouteerde eksperts laat val voordat daar gekwantiseer word. 'n Yl MoE-grondslag met ongeveer 40B aktiewe parameters per teken, so gesnoei en gekwantiseer, beslaan ver minder geheue en ver minder GPU-sekondes per teken as 'n digte model van gelykwaardige kwaliteit, en die prys weerspieël dit.
Beteken GLM sonder weiering dat die model glad geen grensrelings het nie?
Dit beteken Shannon voeg niks by nie. Daar is geen weieringsklassifiseerder voor die model nie en geen filter op die tekens wat daaruit kom nie. Die grondslag behou watter geneigdhede sy eie afrigting hom gegee het, maar niks van buite oorheers hulle nie. Jy besit die beleidslaag, en gebruik is onderworpe aan die Shannon AI Beleid vir Verantwoordelike Gebruik.
Ondersteun GLM-5.2 3BIT-REAP visie of beeldinset?
Nee. Hierdie model is slegs teks. As jy beeldinset op 'n ongesensureerde eindpunt nodig het, gebruik een van die visievaardige modelle in die katalogus soos MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 of inkling. GLM-5.2 ondersteun wel gestruktureerde uitvoer — sowel json_schema as response_format — en gereedskaproeping.
Wat is die konteksvenster en die maksimum uitvoerlengte?
262,144 tekens konteks en 16,384 tekens uitvoer per versoek. Om die hele konteksvenster een keer te vul, kos ongeveer 19 sent teen $0.73 per miljoen insettekens, en 'n voltooiing van maksimum lengte kos minder as 4 sent.
Is dit 'n goeie agentiese ongesensureerde model vir lang gereedskaproep-lusse?
Dit is die een waarna ons eerste gryp. Die GLM-afstamming word sedert GLM-4.5 uitdruklik vir agentiese werk afgerig, gereedskaproeping en reasoning_effort word albei ondersteun, en die prys beteken honderd agentbeurte van twintigduisend tekens kos ongeveer twee dollar in plaas van elf. Weierings is ook 'n werklike mislukkingswyse in agentluste, en daar is hier geen weieringslaag om een te sneller nie.
Probeer die ongesensureerde GLM API
$0.73 in · $2.34 uit · 262K konteks · geen weieringslaag.
Lees die API-dokumente Blaai deur Alle ModelleShannon Lab LLC, New Mexico, VSA · gebruik word gereël deur die Beleid vir Verantwoordelike Gebruik
Bronne: Z.ai GLM-5-bewaarplek · Du et al., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng et al., GLM-130B: An Open Bilingual Pre-trained Model · Lasby et al., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI-beoordeling van Z.ai se GLM-5.2, Julie 2026. Grondslag-maatstafpunte is deur die laboratorium berig en voorlopig; hulle beskryf die ongekomprimeerde GLM-5.2, nie hierdie gekomprimeerde bou nie. Prys-, konteks- en vermoënsyfers is Shannon AI-kataloguswaardes soos op 5 September 2026.