Нецензуриран GLM API: най-добрата стойност за токен
Агентната GLM основа на Z.ai, обслужвана без слой за откази върху собствен GPU клъстер — 262K контекст, извикване на инструменти и смесена цена под половината от това, което същата линия струва при първоизточника.
Накратко
GLM-5.2-3BIT-REAP е моделът в шлюза на Shannon AI, който препоръчваме по подразбиране. Той пуска разредена основа тип Mixture-of-Experts с 744 милиарда параметъра от линията GLM — обучавана изрично за агентна работа с инструменти още от GLM-4.5 — компресирана с 3-битови тегла и REAP отрязване на експерти, за да се побере и да остане бърза. Получавате контекст от 262 144 токена, 16 384 токена изход, извикване на инструменти, разсъждение с регулируем reasoning_effort и структуриран изход по JSON Schema, за $0.73 / $2.34 на милион токена. Няма слой за откази и няма филтър на изхода. Само текст — без зрение.
Повечето сравнения за „най-евтин модел“ са нечестни, защото евтиният вариант обикновено е малък модел, облечен в маркетинга на голям. Тук не се случва това. GLM-5.2 е една от най-големите основи с отворени тегла, които някой е издавал, а на $0.73 вход / $2.34 изход тя стои едно стъпало над дъното на нашия каталог, носейки основа няколко пъти по-голяма от това, което обикновено се купува на това дъно. Точно тази разлика — голям модел, цена близо до дъното — е причината тази страница да съществува.
01Откъде идва GLM: Цинхуа, запълване на празнини и рязък завой към агентите
GLM не е преетикетирано производно на Llama. Това е едно от малкото семейства модели със собствена цел за предварително обучение, развивана пет години от една и съща изследователска група. Името означава General Language Model, а основополагащата статия — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — предложи трети вариант редом до маскираното езиково моделиране на BERT и стриктната авторегресия отляво надясно на GPT. GLM заличава непрекъснати участъци и ги регенерира авторегресивно в разбъркан ред, с двумерни позиционни кодирания, които следят както позицията на токена в повредения документ, така и позицията му вътре в запълвания участък: една архитектура, която се справя еднакво добре с разбирането и с генерирането.
Групата зад него е Knowledge Engineering Group на Университета Цинхуа, от която се отдели компанията, известна днес като Z.ai (по-рано Zhipu AI). Първият ѝ забележителен продукт беше GLM-130B през октомври 2022 г. — двуезичен англо-китайски плътен модел със 130 милиарда параметъра, чиито тегла и код бяха публикувани публично още при публикацията. Отвореното издаване е стилът на къщата оттогава.
Ерата на MoE и завоят към агентите
Червената нишка има по-голямо значение от което и да е отделно издание. От GLM-4.5 насам всяка версия е оптимизирана за едно и също: да остане свързана през десетки извиквания на инструменти. Това е различна цел от максимизирането на резултати от бенчмаркове в един ход и се проявява като по-малко деформирани аргументи при извикване на инструменти, по-малко отклонение в дълъг план и по-малко от онова поведение „уверено рестартира задачата на 14-ия ход“, което прави агентните рамки скъпи.
02Какво е GLM-5.2 и какво е измерено при него
Z.ai публикува числа от бенчмаркове за GLM-5.2 в хранилището на GLM-5. Две от тях отговарят на реална агентна работа, а не на припомняне на дреболии:
Terminal-Bench 2.1 — агентни задачи в командния ред с дълъг хоризонт. Съобщено от Z.ai.
SWE-bench Pro — решаване на проблеми в реални хранилища. Съобщено от Z.ai; GLM-5.1 постига 58.4 на същия тест.
Това са числата на лабораторията, не нашите, и те описват некомпресираната основа. Те определят класа модел, с който си имате работа, а не гаранция.
Една точка от данни струва повече от бенчмарк, защото идва от оценител без стимул да ласкае модела. През юли 2026 г. Центърът за стандарти и иновации в областта на ИИ към Националния институт по стандарти и технологии на САЩ оцени GLM-5.2 и заключи, че той е вероятно най-способният модел с отворени тегла, наличен към момента на издаването си, с общи способности, сравними с GPT-5.2, и киберспособности, сравними с Claude Opus 4.6. Същата оценка отбелязва, че GLM-5.2 блокира по-малко чувствителни заявки от американските референтни модели и че предпазните механизми, вградени в отворени тегла, могат да бъдат заобиколени, щом тези тегла бъдат самостоятелно хоствани. Раздел 05 се връща на това.
03Какво означава „3BIT-REAP“ и какво ви струва
REAP: отрязване на експерти вместо сливането им
MoE модел с 744B параметъра има 256 експерта на слой, от които 8 се задействат при даден токен. Маршрутизаторът не разпределя работата равномерно — някои експерти се използват постоянно, а дълга опашка от тях се използват рядко и допринасят малко, когато го правят. REAP (Router-weighted Expert Activation Pruning), от Cerebras Research и приета на ICLR 2026, се възползва от това: оценява всеки експерт по критерий за значимост, който съчетава колко силно и колко често маршрутизаторът го пропуска с големината на приноса на изхода му, а после трайно премахва тези с ниски резултати.
Интересното е сравнението, което REAP печели. Очевидната алтернатива на премахването на експерт е сливането му с оцелял, което звучи по-безопасно. Изводът на статията при MoE модели от 20B до 1T параметъра е, че сливането всъщност е по-лошо за генеративна работа, а отрязването се държи забележително добре: практически без загуби на бенчмаркове за генериране на код и извикване на инструменти дори след премахване на половината експерти, при основи, включващи Qwen3-Coder-480B и Kimi-K2. Кодът и извикването на инструменти да оцелеят непокътнати е точно това, което искате да се запази при модел, чиято причина да съществува е агентното инженерство.
3-битови тегла и честният компромис
Върху отрязването оцелелите тегла се съхраняват на 3 бита — по-агресивно от нивата W4A16-AUTOROUND-REAP и W8A16 другаде в нашия каталог, и запазено за най-големите основи, където няма друг начин модел с три четвърти трилион параметъра да се качи на обслужващ възел и токените да продължат да текат с използваема скорост.
Компресията не е безплатна. Правилният мисловен модел е: отрязването и квантуването влошават първо дългата опашка. Плътните, често упражнявани поведения — следване на инструкции, структура на кода, форматиране на извиквания на инструменти, многостъпково планиране — оцеляват добре, което е точно това, което показват резултатите на REAP. Неясни фактологични подробности, редки езици и специализирани дреболии от тесни области са там, където трябва да очаквате разлика спрямо некомпресиран GLM-5.2. Ако вашето натоварване е „да знае необичаен факт наизуст“, платете за ниво с по-висока вярност. Ако е „да изпълни план през четиридесет извиквания на инструменти, без да излезе от релсите“, това е нивото, за което методът е проектиран.
04Аргументът за стойността: колко всъщност струва да се пусне евтин нецензуриран LLM API
Публикуваната каталожна цена на самата Z.ai за API на GLM-5.2 е $1.40 на милион входни токена и $4.40 на милион изходни. Нашата цена върху същата основа е $0.73 / $2.34 — приблизително 48% по-малко на входа и 47% по-малко на изхода. Тази отстъпка е това, което купува компресията, и идва с второ нещо, което не можете да купите от първоизточника на никаква цена: без слой за откази.
В рамките на нашия каталог смесената цена е числото, което има значение. Ето я при съотношение вход към изход 3:1, приблизително това, което представлява един агент с извикване на инструменти на практика — много контекст и резултати от инструменти на входа, сравнително малко токени на изхода.
| Модел | Вход / 1M | Изход / 1M | Смесено 3:1 | Зрение |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | Не |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | Не |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | Да |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | Не |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | Да |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | Да |
Шест модела стоят на дъното от $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro и Hy3 — при смесена ставка от $0.875. GLM-5.2 е 29% над това дъно и ви купува основа от класа 744B с устойчива инвестиция в агентно поведение зад нея. Всичко с цена над него струва поне 23% повече смесено, а Kimi-K3 струва 6.8× повече. Това е аргументът за стойността в един ред: най-евтиното място в каталога, откъдето да купите агентна основа от най-висок клас.
Преведено в работа
- Едно пълно запълване на контекста — 262 144 входни токена: $0.19. Цяло голямо хранилище, прочетено в прозореца, за под двадесет цента.
- Едно допълване с максимална дължина — 16 384 изходни токена: $0.038.
- Един агентен ход — 20K вход, 2K изход: $0.019. Същият ход струва $0.115 при Kimi-K3 и $0.047 при DeepSeek-V4-Pro.
- Сто агентни хода: $1.93, срещу $11.48 при най-скъпия модел в каталога.
Агентните натоварвания са тежки откъм вход и предимството на GLM е най-голямо точно там: входната му цена е 5.2× под тази на Kimi-K3 и 2.7× под тази на DeepSeek-V4-Pro. Ако вашият агент изпраща наново растящ разговор при всеки ход — а почти всеки агент го прави — точно този множител се озовава във фактурата ви.
05Какво означава „нецензуриран“ при тази крайна точка
Точно две неща: без слой за откази — няма класификатор, който решава кои заявки моделът има право да види, и няма модел на политиката, който пренаписва вашия промпт, преди той да пристигне — и без филтриране на изхода, което означава, че токените, които моделът произвежда, са токените, които получавате, без заличавания и без подмени.
Това е различно предложение от търговски API, който рекламира „облекчен“ или „разработчески“ режим. Те все пак прекарват трафика през стека с политиката на доставчика; това, което се променя, е прагът, а не съществуването на портата. Тук няма порта за настройване — моделът работи върху собствен GPU клъстер и неговото поведение е поведението на основата. Прочетете констатацията на NIST CAISI от раздел 02 като техническо твърдение, а не като предупреждение, и тя обяснява продукта: модел, чието подравняване живее в теглата му, обслужван без външен слой с политика, се държи според теглата си.
Защо това има значение конкретно за агентите
Отказите обикновено се обсъждат като въпрос за съдържанието. В агентната работа те са предимно въпрос за надеждност. Отказ на ход 31 от изпълнение с 40 хода не е учтив отказ, който прочитате и подминавате — това е деформирана стъпка, оркестратор, който не знае как да продължи, счупен план и 30 хода изразходвани токени без никакъв резултат. Изследването на сигурността, анализът на зловреден софтуер, тестовете за проникване, работата на червени екипи, художествената литература за възрастни, медицинското и юридическото писане и генерирането на набори от данни за обучение по безопасност се сблъскват с това постоянно, а провалът е скъп именно защото идва късно.
Обратната страна е, че слоят с политиката сега е ваш. Използването на шлюза на Shannon AI се урежда от нашата Политика за отговорно използване; премахването на преценката на доставчика от веригата означава да предоставите своя собствена.
06Какво всъщност ви дава крайната точка
| Възможност | GLM-5.2 · 3BIT-REAP |
|---|---|
| Идентификатор на модела | GLM-5.2-3BIT-REAP |
| Контекстен прозорец | 262 144 токена |
| Максимален изход на заявка | 16 384 токена |
| Поточно предаване | Да |
| Извикване на инструменти | Да |
Разсъждение / reasoning_effort | Да |
JSON Schema (json_schema) | Да |
response_format | Да |
| Зрение / вход с изображения | Не — само текст |
| Слой за откази / филтриране на изхода | Няма |
Прочетете внимателно реда за зрението, преди да строите. GLM-5.2 е само текстов в нашия шлюз. Ако ви трябва вход с изображения, каталогът има пет варианта със зрение — MiniMax-M3 и MiMo-V2.5 на дъното от $0.50 / $2.00, Kimi-K2.6 на $0.78 / $3.67, inkling на $1.42 / $6.07 и Kimi-K3 на $3.83 / $19.12. Разумен подход е да насочите разбирането на изображения към MiniMax-M3, а всичко останало към GLM-5.2, което не струва нищо повече от един низ с име на модел.
Три диалекта, един модел
Същият модел е достъпен през три формата на заявката, всички с поточно предаване: /v1/chat/completions (диалект на OpenAI), /v1/messages (диалект на Anthropic) и /v1/responses. Нищо в модела не се променя между тях — изберете който вашият SDK вече говори, и обикновено сте на една промяна на базов URL от това да заработите.
# 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, )
Пълните схеми на заявките и отговорите за трите диалекта, форматът за извикване на инструменти, формите на събитията при поточно предаване и интерактивна площадка за изпробване има в API документацията на Shannon AI.
07Кога да изберете GLM-5.2 — и кога не
Посегнете към него, когато
- Пускате агенти. Дългите цикли с извикване на инструменти са това, за което тази линия е построена и многократно дообучавана, а цената на входа прави растящия разговор достъпен за повторно изпращане при всеки ход.
- Работите върху голяма кодова база. 262K контекст, надеждно форматиране на извиквания на инструменти и $0.19 за прочитане на целия прозорец.
- Обемът е вашето ограничение. Класификация, извличане, генериране на синтетични данни, масово пренаписване — всичко, при което цената на извикване, умножена по голямо число, решава дали проектът е жизнеспособен.
- Откази чупят вашия конвейер. Изследване на сигурността, състезателно тестване, нецензурирана художествена литература, чувствително писане — този режим на провал тук отсъства.
Посегнете към нещо друго, когато
- Имате нужда от зрение. Само текст. Вижте вариантите със зрение по-горе.
- Имате нужда от най-дълбоко разсъждение в един ход. За най-трудните аналитични задачи с един изстрел DeepSeek-V4-Pro-0813 · 3BIT-REAP е по-тежкият инструмент на 2.2× смесената цена — при извиквания, където таванът е ограничението, това е правилният компромис.
- Имате нужда от максимална вярност при неясни знания. Нивото
W8A16— MiMo-V2.5-Pro и Hy3 — е компресирано далеч по-малко агресивно и стои на дъното от $0.50 / $2.00, но върху по-малки основи.
Всяко число за основата на тази страница е публикувано от някой друг, а не от нас. Числата за цените и възможностите са наши собствени живи каталожни стойности, проверими срещу /v1/models с вашия собствен ключ. Проверете първоизточниците сами.
Числата от бенчмаркове за GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) са съобщени от Z.ai за некомпресираната основа; независимо възпроизвеждане предстои. Числата за Claude Opus 4.8 и GPT-5.5 са показани само за справка. Каталожните цени на API за GLM-5.2 от първоизточника са според публикуваното от Z.ai, септември 2026 г.
08Често задавани въпроси
Какво представлява нецензурираният GLM API в Shannon AI?
Това е моделът с идентификатор GLM-5.2-3BIT-REAP в шлюза на Shannon AI: компресиран билд на агентната основа GLM-5.2 на Z.ai, обслужван върху собствен GPU клъстер без слой за откази и без филтриране на изхода. Струва $0.73 на милион входни токена и $2.34 на милион изходни токена, носи контекстен прозорец от 262 144 токена и е достъпен на /v1/chat/completions, /v1/messages и /v1/responses.
Защо нецензурираният GLM 5.2 е по-евтин от другите големи модели в каталога?
Заради начина, по който е компресиран. 3BIT-REAP съчетава 3-битови тегла с REAP — метод за отрязване на експерти при модели тип Mixture-of-Experts, който премахва рядко маршрутизираните експерти преди квантуването. Разредена MoE основа с приблизително 40B активни параметъра на токен, отрязана и квантувана по този начин, заема далеч по-малко памет и далеч по-малко GPU-секунди на токен от плътен модел с еквивалентно качество, и цената отразява това.
Означава ли GLM без откази, че моделът изобщо няма предпазни механизми?
Означава, че Shannon не добавя такива. Няма класификатор за откази пред модела и няма филтър върху токените, които излизат от него. Основата запазва каквито предразположения ѝ е дало собственото ѝ обучение, но нищо външно не ги отменя. Слоят с политиката е ваш, а използването е предмет на Политиката за отговорно използване на Shannon AI.
Поддържа ли GLM-5.2 3BIT-REAP зрение или вход с изображения?
Не. Този модел е само текстов. Ако ви трябва вход с изображения на нецензурирана крайна точка, използвайте някой от моделите със зрение в каталога, например MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 или inkling. GLM-5.2 поддържа структуриран изход — както json_schema, така и response_format — и извикване на инструменти.
Какъв е контекстният прозорец и максималната дължина на изхода?
262 144 токена контекст и 16 384 токена изход на заявка. Еднократното запълване на целия контекстен прозорец струва около 19 цента при $0.73 на милион входни токена, а допълване с максимална дължина струва под 4 цента.
Добър агентен нецензуриран модел ли е този за дълги цикли с извикване на инструменти?
Той е първият, към който посягаме. Линията GLM се обучава изрично за агентна работа още от GLM-4.5, извикването на инструменти и reasoning_effort се поддържат, а цената означава, че сто агентни хода по двадесет хиляди токена струват около два долара вместо единадесет. Отказите също са реален режим на провал в агентните цикли, а тук няма слой за откази, който да задейства такъв.
Опитайте нецензурирания GLM API
$0.73 вход · $2.34 изход · 262K контекст · без слой за откази.
Прочетете API документацията Разгледайте всички моделиShannon Lab LLC, Ню Мексико, САЩ · използването се урежда от Политиката за отговорно използване
Източници: Хранилище GLM-5 на Z.ai · 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 · Оценка на NIST CAISI за GLM-5.2 на Z.ai, юли 2026 г.. Резултатите от бенчмаркове за основата са съобщени от лабораторията и са предварителни; те описват некомпресирания GLM-5.2, а не този компресиран билд. Числата за цени, контекст и възможности са каталожни стойности на Shannon AI към 5 септември 2026 г.