Senzurasız GLM API: token başına ən sərfəli seçim
Z.ai-nin agent yönümlü GLM təməli öz GPU klasterimizdə imtina qatı olmadan verilir — 262K kontekst, alət çağırışı və eyni nəslin birinci tərəf qiymətinin yarısından da az qarışıq qiymət.
Qısaca
GLM-5.2-3BIT-REAP Shannon AI Gateway-də standart olaraq tövsiyə etdiyimiz modeldir. O, GLM nəslindən gələn 744 milyard parametrli seyrək Mixture-of-Experts təməlini — GLM-4.5-dən bəri açıq şəkildə agent alət istifadəsi üçün öyrədilib — 3-bitlik çəkilər və REAP ekspert budaması ilə sıxılmış halda işlədir ki, sığsın və sürətli qalsın. Siz 262,144 tokenlik kontekst, 16,384 tokenlik çıxış, alət çağırışı, tənzimlənə bilən reasoning_effort ilə düşünmə və JSON Schema strukturlaşdırılmış çıxışı alırsınız; milyon token üçün $0.73 / $2.34. İmtina qatı və çıxış filtri yoxdur. Yalnız mətn — görmə yoxdur.
"Ən ucuz model" müqayisələrinin çoxu qeyri-dürüstdür, çünki ucuz variant adətən böyük modelin marketinqini geyinmiş kiçik modeldir. Burada baş verən bu deyil. GLM-5.2 kiminsə buraxdığı ən böyük açıq çəkili təməllərdən biridir və $0.73 giriş / $2.34 çıxış qiyməti ilə kataloqumuzun döşəməsindən bir pillə yuxarıda dayanır, üstəlik həmin döşəmənin adətən aldığı təməldən bir neçə dəfə böyük təməl daşıyır. Böyük model, döşəməyə yaxın qiymət — bu səhifənin mövcud olma səbəbi məhz həmin fərqdir.
01GLM haradan gəlir: Tsinghua, boşluq doldurma və agentlərə kəskin dönüş
GLM yenidən brendlənmiş Llama törəməsi deyil. O, öz ilkin təlim məqsədi olan və eyni tədqiqat qrupu tərəfindən beş il boyu təkmilləşdirilən nadir model ailələrindən biridir. Ad General Language Model deməkdir və təməl məqalə — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — BERT-in maskalanmış dil modelləşdirməsi ilə GPT-nin ciddi soldan-sağa avtoreqressiyasının yanında üçüncü variant təklif etdi. GLM bitişik parçaları boş qoyur və onları qarışdırılmış ardıcıllıqla avtoreqressiv şəkildə yenidən yaradır; ikiölçülü mövqe kodlaşdırmaları həm tokenin korlanmış sənəddəki mövqeyini, həm də doldurulan parçanın içindəki mövqeyini izləyir: bir arxitektura həm anlamanı, həm generasiyanı eyni dərəcədə yaxşı idarə edir.
Arxasındakı qrup Tsinghua Universitetinin Knowledge Engineering Group qrupu idi; həmin qrupdan indi Z.ai (əvvəllər Zhipu AI) adlanan şirkət ayrıldı. Onun ilk baş xəbər artefaktı 2022-ci ilin oktyabrında GLM-130B oldu — 130 milyard parametrli ikidilli ingilis/çin sıx modeli; çəkilər və kod dərc zamanı ictimai olaraq buraxıldı. Açıq buraxılış o vaxtdan bəri evin üslubudur.
MoE dövrü və agentlərə dönüş
Əsas xətt hər hansı tək buraxılışdan vacibdir. GLM-4.5-dən bəri hər versiya eyni şey üçün optimallaşdırılıb: onlarla alət çağırışı boyu tutarlı qalmaq. Bu, təknövbəli benchmark ballarını maksimuma çatdırmaqdan fərqli məqsəddir və özünü daha az pozulmuş alət arqumenti, uzun planda daha az sapma və agent çərçivələrini bahalaşdıran "14-cü növbədə tapşırığı özünəinamla yenidən başladır" davranışının daha azı kimi göstərir.
02GLM-5.2 nədir və nə ilə ölçülüb
Z.ai GLM-5.2 üçün benchmark rəqəmlərini GLM-5 repozitoriyasında dərc edir. İkisi xırda faktları xatırlamaqdan çox real agent işinə uyğun gəlir:
Terminal-Bench 2.1 — uzun üfüqlü komanda sətri agent tapşırıqları. Z.ai tərəfindən bildirilib.
SWE-bench Pro — real repozitoriyada məsələ həlli. Z.ai tərəfindən bildirilib; GLM-5.1 eyni testdə 58.4 topladı.
Bunlar laboratoriyanın rəqəmləridir, bizim deyil, və onlar sıxılmamış təməli təsvir edir. Onlar zəmanət yox, işiniz olan model sinfini müəyyən edir.
Bir məlumat nöqtəsi benchmarkdan dəyərlidir, çünki modeli tərifləməkdə maraqlı olmayan qiymətləndiricidən gəlir. 2026-cı ilin iyulunda ABŞ Milli Standartlar və Texnologiya İnstitutunun AI Standartları və İnnovasiya Mərkəzi GLM-5.2-ni qiymətləndirdi və onun buraxıldığı zaman ehtimal ki, mövcud ən qabiliyyətli açıq çəkili AI modeli olduğu qənaətinə gəldi; ümumi qabiliyyətləri GPT-5.2 ilə, kiber qabiliyyətləri isə Claude Opus 4.6 ilə müqayisə olunandır. Həmin qiymətləndirmə GLM-5.2-nin ABŞ istinad modellərindən daha az həssas sorğunu bloklandığını və açıq çəkilərin içinə bişirilmiş qoruyucuların həmin çəkilər öz-hostinq edildikdən sonra dolanıla biləcəyini də müşahidə etdi. 05-ci bölmə buna qayıdır.
03"3BIT-REAP" nə deməkdir və sizə nəyə başa gəlir
REAP: ekspertləri birləşdirmək əvəzinə budamaq
744B parametrli MoE modelinin hər qatında 256 ekspert var və hər verilmiş tokendə onlardan 8-i işə düşür. Marşrutlayıcı işi bərabər paylamır — bəzi ekspertlər davamlı işə düşür, uzun quyruq isə nadir hallarda işə düşür və düşəndə də az töhfə verir. Cerebras Research-dən gələn və ICLR 2026-ya qəbul edilən REAP (Router-weighted Expert Activation Pruning) bundan istifadə edir: hər eksperti marşrutlayıcının onu nə qədər güclü və tez-tez seçdiyini çıxış töhfəsinin böyüklüyü ilə birləşdirən əhəmiyyət meyarı ilə qiymətləndirir, sonra aşağı bal toplayanları həmişəlik atır.
Maraqlı hissə REAP-in qazandığı müqayisədir. Eksperti atmağın açıq alternativi onu sağ qalanın içinə birləşdirməkdir və bu daha təhlükəsiz səslənir. Məqalənin 20B-dən 1T parametrə qədər MoE modelləri üzrə tapıntısı odur ki, birləşdirmə generativ iş üçün əslində daha pisdir, budama isə heyrətamiz dərəcədə yaxşı dayanır: ekspertlərin yarısı silindikdən sonra belə Qwen3-Coder-480B və Kimi-K2 kimi təməllərdə kod generasiyası və alət çağırışı benchmarklarında demək olar ki, itkisiz. Kodun və alət çağırışının toxunulmaz qalması mövcudluq səbəbi agent mühəndisliyi olan modeldə qorunmasını istədiyiniz şeyin məhz özüdür.
3-bitlik çəkilər və dürüst güzəşt
Budamanın üstünə, sağ qalan çəkilər 3 bitdə saxlanılır — kataloqumuzun digər yerlərindəki W4A16-AUTOROUND-REAP və W8A16 pillələrindən daha aqressiv və yalnız ən böyük təməllər üçün ayrılıb; orada dörddə üç trilyon parametrli modeli xidmət qovşağına yerləşdirib tokenləri işlək sürətdə axıtmağın başqa yolu yoxdur.
Sıxılma pulsuz deyil. Düzgün zehni model belədir: budama və kvantlama ilk olaraq uzun quyruğu zəiflədir. Sıx, tez-tez məşq etdirilən davranışlar — təlimata riayət, kod strukturu, alət çağırışının formatlanması, çoxaddımlı planlaşdırma — yaxşı sağ qalır və REAP nəticələrinin göstərdiyi də elə budur. Sıxılmamış GLM-5.2 ilə müqayisədə fərq gözləməli olduğunuz yer qeyri-adi faktları xatırlama, nadir dillər və dar sahə xırdalıqlarıdır. İş yükünüz "qeyri-adi faktı əzbər bilmək"dirsə, daha yüksək sədaqətli pilləyə pul ödəyin. "Qırx alət çağırışı boyu planı relsdən çıxmadan icra etmək"dirsə, metod məhz bu pillə üçün hazırlanıb.
04Sərfəlilik məsələsi: ucuz senzurasız LLM API əslində nəyə başa gəlir
Z.ai-nin GLM-5.2 üçün dərc etdiyi öz API siyahı qiyməti milyon giriş tokeni üçün $1.40 və milyon çıxış üçün $4.40-dır. Eyni təməldə bizim qiymətimiz $0.73 / $2.34-dür — girişdə təxminən 48%, çıxışda isə 47% az. Bu endirimi sıxılma qazandırır və onunla birlikdə birinci tərəfdən heç bir qiymətə ala bilməyəcəyiniz ikinci bir şey gəlir: imtina qatının olmaması.
Öz kataloqumuzun içində əhəmiyyət kəsb edən rəqəm qarışıq xərcdir. Budur, 3:1 giriş-çıxış nisbətində — praktikada alət çağıran agentin təxminən belə göründüyü nisbət: içəri çoxlu kontekst və alət nəticələri gedir, çölə isə nisbətən az token çıxır.
| Model | Giriş / 1M | Çıxış / 1M | Qarışıq 3:1 | Görmə |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | Xeyr |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | Xeyr |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | Bəli |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | Xeyr |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | Bəli |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | Bəli |
Altı model $0.50 / $2.00 döşəməsində dayanır — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro və Hy3 — yəni $0.875 qarışıq dərəcə. GLM-5.2 həmin döşəmədən 29% yuxarıdadır və sizə arxasında agent davranışına davamlı investisiya duran 744B sinifli təməl alır. Ondan yuxarı qiymətlənən hər şey qarışıq hesabla ən azı 23% baha, Kimi-K3 isə 6.8 dəfə bahadır. Bir sətirdə sərfəlilik arqumenti budur: kataloqda yüksək səviyyəli agent təməli almağın ən ucuz yeri.
İşə çevrilmiş halda
- Bir tam kontekst doldurma — 262,144 giriş tokeni: $0.19. Bütöv böyük repozitoriya iyirmi sentdən aza pəncərəyə oxunur.
- Bir maksimum uzunluqlu tamamlama — 16,384 çıxış tokeni: $0.038.
- Bir agent növbəsi — 20K giriş, 2K çıxış: $0.019. Eyni növbə Kimi-K3-də $0.115, DeepSeek-V4-Pro-da $0.047 tutur.
- Yüz agent növbəsi: $1.93, kataloqdakı ən bahalı modeldə isə $11.48.
Agent iş yükləri giriş ağırlıdır və GLM-in üstünlüyü ən çox məhz orada olur: onun giriş qiyməti Kimi-K3-ünkindən 5.2 dəfə, DeepSeek-V4-Pro-nunkundan 2.7 dəfə aşağıdır. Agentiniz hər növbədə böyüyən söhbəti yenidən göndərirsə — demək olar ki, hər agent bunu edir — hesabınıza düşən elə həmin əmsaldır.
05Bu uc nöqtədə "senzurasız" nə deməkdir
Dəqiq iki şey: imtina qatı yoxdur — modelin hansı sorğuları görməyə icazəsi olduğuna qərar verən təsnifatçı və promptunuzu çatmazdan əvvəl yenidən yazan siyasət modeli yoxdur — və çıxış filtri yoxdur, yəni modelin istehsal etdiyi tokenlər sizin aldığınız tokenlərdir, redaktə olunmadan və dəyişdirilmədən.
Bu, "yumşaldılmış" və ya "developer" rejimi reklam edən kommersiya API-sından fərqli təklifdir. Onlar hələ də trafiki təchizatçının siyasət yığınından keçirir; dəyişən qapının varlığı yox, həddidir. Burada tənzimləyəcək qapı yoxdur — model öz GPU klasterimizdə işləyir və davranışı təməlin davranışıdır. 02-ci bölmədəki NIST CAISI tapıntısını xəbərdarlıq deyil, texniki ifadə kimi oxuyun, o zaman məhsulu izah edir: uyğunlaşdırması çəkilərində yaşayan və xarici siyasət qatı olmadan verilən model çəkilərinə uyğun davranır.
Bunun konkret olaraq agentlər üçün niyə əhəmiyyəti var
İmtinalar adətən məzmun sualı kimi müzakirə olunur. Agent işində isə onlar əsasən etibarlılıq sualıdır. 40 növbəlik icranın 31-ci növbəsindəki imtina oxuyub keçdiyiniz nəzakətli rədd cavabı deyil — o, pozulmuş addım, necə davam edəcəyini bilməyən orkestrator, dağılmış plan və nəticəsi görünməyən 30 növbəlik sərf edilmiş tokendir. Təhlükəsizlik tədqiqatı, zərərli proqram təhlili, penetrasiya testi, red-teaming, yetkinlər üçün bədii ədəbiyyat, tibbi və hüquqi mətn hazırlığı, təhlükəsizlik təlimi üçün datasetlərin yaradılması — hamısı bununla davamlı qarşılaşır və uğursuzluq məhz gec baş verdiyi üçün bahalıdır.
Bunun o biri üzü odur ki, siyasət qatı artıq sizindir. Shannon AI Gateway-in istifadəsi bizim Məsuliyyətli İstifadə Siyasətimizlə tənzimlənir; təchizatçının mühakiməsini dövrədən çıxarmaq öz mühakimənizi qoymaq deməkdir.
06Uc nöqtə əslində sizə nə verir
| Qabiliyyət | GLM-5.2 · 3BIT-REAP |
|---|---|
| Model identifikatoru | GLM-5.2-3BIT-REAP |
| Kontekst pəncərəsi | 262,144 token |
| Sorğu başına maks. çıxış | 16,384 token |
| Axın | Bəli |
| Alət çağırışı | Bəli |
Düşünmə / reasoning_effort | Bəli |
JSON Schema (json_schema) | Bəli |
response_format | Bəli |
| Görmə / şəkil girişi | Xeyr — yalnız mətn |
| İmtina qatı / çıxış filtri | Yoxdur |
Qurmağa başlamazdan əvvəl görmə sətrini diqqətlə oxuyun. GLM-5.2 bizim gateway-də yalnız mətn üçündür. Şəkil girişi lazımdırsa, kataloqda görmə qabiliyyətli beş variant var — $0.50 / $2.00 döşəməsində MiniMax-M3 və MiMo-V2.5, $0.78 / $3.67 qiymətinə Kimi-K2.6, $1.42 / $6.07 qiymətinə inkling və $3.83 / $19.12 qiymətinə Kimi-K3. Ağıllı naxış şəkil anlamanı MiniMax-M3-ə, qalan hər şeyi isə GLM-5.2-yə yönləndirməkdir; bu, bir model sətrindən başqa heç nəyə başa gəlmir.
Üç dialekt, bir model
Eyni model üç sorğu formatı vasitəsilə əlçatandır, hamısı axınla: /v1/chat/completions (OpenAI dialekti), /v1/messages (Anthropic dialekti) və /v1/responses. Onların arasında modellə bağlı heç nə dəyişmir — SDK-nızın artıq danışdığını seçin və adətən işə düşməkdən bir baza URL dəyişikliyi uzaqdasınız.
# 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, )
Hər üç dialekt üçün tam sorğu və cavab sxemləri, alət çağırışı formatı, axın hadisələrinin formaları və interaktiv playground Shannon AI API sənədlərindədir.
07GLM-5.2-ni nə vaxt seçməli — və nə vaxt seçməməli
Bunlarda ona müraciət edin
- Agentlər işlədirsiniz. Uzun alət çağırışı dövrələri bu nəslin qurulduğu və dəfələrlə post-təlim edildiyi işdir və giriş qiyməti böyüyən söhbəti hər növbədə yenidən göndərməyi əlverişli edir.
- Böyük kod bazası üzərində işləyirsiniz. 262K kontekst, etibarlı alət çağırışı formatlanması və bütöv pəncərəni oxumaq üçün $0.19.
- Məhdudiyyətiniz həcmdir. Təsnifat, çıxarma, sintetik data generasiyası, kütləvi yenidənyazma — çağırış başına xərcin böyük ədədə vurulmasının layihənin həyat qabiliyyətini həll etdiyi hər şey.
- İmtinalar boru xəttinizi pozur. Təhlükəsizlik tədqiqatı, rəqib testləri, senzurasız bədii ədəbiyyat, həssas mətn hazırlığı — burada bu uğursuzluq rejimi yoxdur.
Bunlarda başqasına müraciət edin
- Görmə lazımdır. Yalnız mətn. Yuxarıdakı görmə qabiliyyətli variantlara baxın.
- Ən dərin təknövbəli düşünmə lazımdır. Ən çətin təkatımlı analitik problemlər üçün DeepSeek-V4-Pro-0813 · 3BIT-REAP qarışıq xərcin 2.2 dəfəsinə daha ağır alətdir — məhdudiyyətin tavan olduğu çağırışlarda güzəşt düzgündür.
- Qeyri-adi biliklərdə maksimum sədaqət lazımdır.
W8A16pilləsi — MiMo-V2.5-Pro və Hy3 — daha az aqressiv sıxılıb və daha kiçik təməllər üzərində $0.50 / $2.00 döşəməsində dayanır.
Bu səhifədəki hər təməl rəqəmi bizdən başqası tərəfindən dərc olunub. Qiymət və qabiliyyət rəqəmləri bizim canlı kataloq dəyərlərimizdir və öz açarınızla /v1/models üzərində yoxlana bilər. İlkin mənbələri özünüz yoxlayın.
GLM-5.2 benchmark rəqəmləri (Terminal-Bench 2.1, SWE-bench Pro) sıxılmamış təməl üçün Z.ai tərəfindən bildirilib; müstəqil təkrarlanma gözlənilir. Claude Opus 4.8 və GPT-5.5 rəqəmləri yalnız istinad üçün göstərilib. Birinci tərəf GLM-5.2 API siyahı qiyməti Z.ai tərəfindən 2026-cı ilin sentyabrında dərc olunduğu kimidir.
08Tez-tez verilən suallar
Shannon AI-dakı senzurasız GLM API nədir?
Bu, Shannon AI Gateway-dəki GLM-5.2-3BIT-REAP model identifikatorudur: Z.ai-nin GLM-5.2 agent təməlinin sıxılmış quruluşu, öz GPU klasterimizdə imtina qatı və çıxış filtri olmadan verilir. Milyon giriş tokeni üçün $0.73, milyon çıxış tokeni üçün $2.34 qiymətindədir, 262,144 tokenlik kontekst pəncərəsi daşıyır və /v1/chat/completions, /v1/messages və /v1/responses ünvanlarında əlçatandır.
Senzurasız GLM 5.2 kataloqdakı digər böyük modellərdən niyə ucuzdur?
Necə sıxıldığına görə. 3BIT-REAP 3-bitlik çəkiləri REAP ilə birləşdirir; REAP kvantlamadan əvvəl nadir marşrutlanan ekspertləri atan, Mixture-of-Experts modelləri üçün ekspert budama metodudur. Token başına təxminən 40B aktiv parametri olan seyrək MoE təməli bu yolla budanıb kvantlananda ekvivalent keyfiyyətli sıx modeldən qat-qat az yaddaş və token başına qat-qat az GPU-saniyə tutur, qiymət də bunu əks etdirir.
İmtinasız GLM modelin heç bir qoruyucusu olmadığı deməkdirmi?
Bu, Shannon-un heç nə əlavə etmədiyi deməkdir. Modelin qarşısında imtina təsnifatçısı və ondan çıxan tokenlərdə filtr yoxdur. Təməl öz təliminin ona verdiyi meylləri saxlayır, amma xaricdən heç nə onları ləğv etmir. Siyasət qatı sizindir və istifadə Shannon AI Məsuliyyətli İstifadə Siyasətinə tabedir.
GLM-5.2 3BIT-REAP görməni və ya şəkil girişini dəstəkləyirmi?
Xeyr. Bu model yalnız mətn üçündür. Senzurasız uc nöqtədə şəkil girişi lazımdırsa, kataloqdakı görmə qabiliyyətli modellərdən birini — MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 və ya inkling — işlədin. GLM-5.2 strukturlaşdırılmış çıxışı — həm json_schema, həm response_format — və alət çağırışını dəstəkləyir.
Kontekst pəncərəsi və maksimum çıxış uzunluğu nə qədərdir?
262,144 token kontekst və sorğu başına 16,384 token çıxış. Bütöv kontekst pəncərəsini bir dəfə doldurmaq milyon giriş tokeni üçün $0.73 qiymətində təxminən 19 sentə başa gəlir, maksimum uzunluqlu tamamlama isə 4 sentdən azdır.
Bu, uzun alət çağırışı dövrələri üçün yaxşı senzurasız agent modelidirmi?
İlk müraciət etdiyimiz modeldir. GLM nəsli GLM-4.5-dən bəri açıq şəkildə agent işi üçün öyrədilir, alət çağırışı və reasoning_effort dəstəklənir və qiymət o deməkdir ki, yüz ədəd iyirmi min tokenlik agent növbəsi on bir dollar əvəzinə təxminən iki dollara başa gəlir. İmtinalar həm də agent dövrələrində real uğursuzluq rejimidir və burada onu işə salacaq imtina qatı yoxdur.
Senzurasız GLM API-nı sınayın
$0.73 giriş · $2.34 çıxış · 262K kontekst · imtina qatı yoxdur.
API Sənədlərini Oxu Bütün Modellərə BaxShannon Lab LLC, Nyu-Meksiko, ABŞ · istifadə Məsuliyyətli İstifadə Siyasəti ilə tənzimlənir
Mənbələr: Z.ai GLM-5 repozitoriyası · Du və b., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng və b., GLM-130B: An Open Bilingual Pre-trained Model · Lasby və b., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI Z.ai-nin GLM-5.2 qiymətləndirməsi, iyul 2026. Təməl benchmark balları laboratoriya tərəfindən bildirilib və müvəqqətidir; onlar bu sıxılmış quruluşu deyil, sıxılmamış GLM-5.2-ni təsvir edir. Qiymət, kontekst və qabiliyyət rəqəmləri 5 sentyabr 2026-cı il tarixinə Shannon AI kataloq dəyərləridir.