Necenzurirani GLM API: najbolja vrijednost po tokenu

Većina poređenja tipa „najjeftiniji model” nije poštena, jer je jeftina opcija obično mali model u marketinškom ruhu velikog. Ovdje se ne dešava to. GLM-5.2 je jedan od najvećih temelja otvorenih težina koje je iko objavio, a po $0.73 ulaz / $2.34 izlaz stoji jednu stepenicu iznad poda našeg kataloga, noseći temelj nekoliko puta veći od onoga što se za taj pod obično dobije. Taj raskorak — velik model, cijena blizu poda — razlog je zbog kojeg ova stranica postoji.

01Odakle GLM dolazi: Tsinghua, popunjavanje praznina i oštar zaokret prema agentima

GLM nije prebrendirana izvedenica Llame. To je jedna od rijetkih porodica modela sa vlastitim ciljem prethodnog treniranja, koju ista istraživačka grupa razvija pet godina. Ime znači General Language Model, a osnivački rad — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — predložio je treću opciju uz BERT-ovo maskirano jezičko modeliranje i GPT-ovu strogu autoregresiju slijeva nadesno. GLM zacrni susjedne raspone i regeneriše ih autoregresivno u izmiješanom redoslijedu, uz dvodimenzionalna pozicijska kodiranja koja prate i položaj tokena u iskvarenom dokumentu i njegov položaj unutar raspona koji se popunjava: jedna arhitektura koja podjednako dobro obavlja razumijevanje i generisanje.

Iza toga je stajala Knowledge Engineering Group Univerziteta Tsinghua, iz koje je izdvojena kompanija danas poznata kao Z.ai (ranije Zhipu AI). Njen prvi glavni proizvod bio je GLM-130B u oktobru 2022. — dvojezični englesko-kineski gust model sa 130 milijardi parametara, čije su težine i kod javno objavljeni u trenutku objave rada. Otvoreno objavljivanje od tada je kućni stil.

Era MoE modela i zaokret prema agentima

Crvena nit je važnija od bilo kojeg pojedinačnog izdanja. Od GLM-4.5 svaka je verzija optimizovana za istu stvar: da ostane koherentna kroz desetine poziva alata. To je drugačiji cilj od maksimiziranja rezultata na benchmarku u jednom potezu, a vidi se kao manje loše formiranih argumenata alata, manje odlutavanja u dugom planu i manje onog ponašanja tipa „samouvjereno ponovo počinje zadatak u 14. potezu” koje agentske okvire čini skupim.

02Šta je GLM-5.2 i šta je izmjereno na njemu

Z.ai objavljuje brojke sa benchmarkova za GLM-5.2 u GLM-5 repozitoriju. Dvije se preslikavaju na stvaran agentski rad, a ne na prisjećanje trivijalnosti:

Terminal-Bench 2.1 — dugoročni agentski zadaci u komandnoj liniji. Prijavio Z.ai.

SWE-bench Pro — rješavanje problema u stvarnim repozitorijima. Prijavio Z.ai; GLM-5.1 je na istom testu postigao 58,4.

To su brojke laboratorije, a ne naše, i opisuju nekomprimovani temelj. One utvrđuju klasu modela s kojom imate posla, a ne garanciju.

Jedan podatak vrijedi više od benchmarka, jer dolazi od ocjenjivača koji nema nikakav interes da modelu laska. U julu 2026. Center for AI Standards and Innovation američkog Nacionalnog instituta za standarde i tehnologiju ocijenio je GLM-5.2 i zaključio da je to vjerovatno najsposobniji AI model otvorenih težina dostupan u trenutku objave, sa ukupnim sposobnostima uporedivim sa GPT-5.2 i sajber sposobnostima uporedivim sa Claudeom Opus 4.6. Ista je ocjena zapazila da GLM-5.2 blokira manje osjetljivih zahtjeva od američkih referentnih modela, i da se zaštite upečene u otvorene težine mogu zaobići kada se te težine samostalno hostuju. Odjeljak 05 se na to vraća.

03Šta znači „3BIT-REAP” i šta vas to košta

REAP: obrezivanje eksperata umjesto njihovog stapanja

MoE model sa 744 milijarde parametara ima 256 eksperata po sloju, od kojih na bilo kojem tokenu okida 8. Usmjerivač posao ne raspoređuje ravnomjerno — neke eksperte pogađa stalno, a dugi rep rijetko i uz mali doprinos kada ih pogodi. REAP (Router-weighted Expert Activation Pruning), iz Cerebras Researcha i prihvaćen na ICLR 2026, to iskorištava: ocjenjuje svakog eksperta kriterijem istaknutosti koji spaja koliko snažno i često ga usmjerivač propušta kroz kapiju sa veličinom doprinosa njegovog izlaza, pa one sa niskim ocjenama trajno izbacuje.

Zanimljiv dio je poređenje koje REAP dobija. Očigledna alternativa izbacivanju eksperta jeste njegovo stapanje sa preživjelim, što zvuči sigurnije. Nalaz rada na MoE modelima od 20 milijardi do bilion parametara jeste da je stapanje zapravo gore za generativni rad, dok se obrezivanje drži izuzetno dobro: gotovo bez gubitaka na benchmarkovima za generisanje koda i pozivanje alata čak i nakon uklanjanja polovine eksperata, na temeljima uključujući Qwen3-Coder-480B i Kimi-K2. Kod i pozivanje alata koji ostaju netaknuti upravo su ono što želite sačuvati na modelu čiji je razlog postojanja agentski inženjering.

3-bitne težine i pošten kompromis

Povrh obrezivanja, preživjele težine čuvaju se na 3 bita — agresivnije od nivoa W4A16-AUTOROUND-REAP i W8A16 drugdje u našem katalogu, i rezervisano za najveće temelje, gdje ne postoji drugi način da se model od tri četvrtine biliona parametara smjesti na poslužni čvor i da tokeni i dalje teku upotrebljivom brzinom.

Kompresija nije besplatna. Ispravan mentalni model: obrezivanje i kvantizacija prvo degradiraju dugi rep. Gusta, često vježbana ponašanja — praćenje uputstava, struktura koda, formatiranje poziva alata, višekoračno planiranje — dobro preživljavaju, a upravo to REAP rezultati i pokazuju. Prisjećanje nejasnih činjenica, rijetki jezici i uskostručne trivijalnosti mjesta su na kojima biste trebali očekivati razliku u odnosu na nekomprimovani GLM-5.2. Ako je vaše opterećenje „znati napamet neobičnu činjenicu”, platite nivo veće vjernosti. Ako je „izvesti plan kroz četrdeset poziva alata bez skretanja sa puta”, ovo je nivo za koji je metoda i osmišljena.

04Argument vrijednosti: koliko zaista košta jeftin necenzurirani LLM API

Z.ai-jeva vlastita objavljena cjenovna lista za GLM-5.2 API iznosi $1.40 po milionu ulaznih i $4.40 po milionu izlaznih tokena. Naša cijena na istom temelju je $0.73 / $2.34 — otprilike 48% manje na ulazu i 47% manje na izlazu. Taj popust kupuje kompresija, a uz njega ide i druga stvar koju iz prve ruke ne možete kupiti ni po kojoj cijeni: nepostojanje sloja odbijanja.

Unutar našeg vlastitog kataloga, miješana cijena je brojka koja je bitna. Evo je pri omjeru ulaz-izlaz 3:1, otprilike onako kako agent sa pozivanjem alata izgleda u praksi — mnogo konteksta i rezultata alata ulazi, a razmjerno malo tokena izlazi.

Model	Ulaz / 1M	Izlaz / 1M	Miješano 3:1	Vid
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	Ne
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	Ne
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	Da
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Ne
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Da
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Da

Šest modela stoji na podu od $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro i Hy3 — što je miješana stopa od $0.875. GLM-5.2 je 29% iznad tog poda i za to dobijate temelj klase od 744 milijarde parametara iza kojeg stoji trajno ulaganje u agentsko ponašanje. Sve što je cjenovno iznad njega košta najmanje 23% više miješano, a Kimi-K3 košta 6,8× više. To je argument vrijednosti u jednom redu: najjeftinije mjesto u katalogu na kojem se kupuje vrhunski agentski temelj.

Pretvoreno u posao

• Jedno potpuno punjenje konteksta — 262.144 ulazna tokena: $0.19. Cijeli veliki repozitorij učitan u prozor za manje od dvadeset centi.
• Jedna dovršenica maksimalne dužine — 16.384 izlazna tokena: $0.038.
• Jedan agentski potez — 20K ulaza, 2K izlaza: $0.019. Isti potez košta $0.115 na Kimi-K3 i $0.047 na DeepSeek-V4-Pro.
• Stotinu agentskih poteza: $1.93, naspram $11.48 na najskupljem modelu u katalogu.

Agentska opterećenja teška su na ulazu, a GLM-ova je prednost najveća upravo tamo: njegova ulazna cijena je 5,2× niža od Kimi-K3 i 2,7× niža od DeepSeek-V4-Pro. Ako vaš agent u svakom potezu ponovo šalje razgovor koji raste — a gotovo svaki agent to radi — taj množitelj je ono što završi na vašem računu.

05Šta „necenzurirano” znači na ovoj krajnjoj tački

Tačno dvije stvari: nema sloja odbijanja — nema klasifikatora koji odlučuje koje zahtjeve model smije vidjeti, niti modela politike koji prepisuje vaš prompt prije nego što stigne — i nema filtriranja izlaza, što znači da su tokeni koje model proizvede tokeni koje primate, neredigovani i nezamijenjeni.

To je drugačija ponuda od komercijalnog API-ja koji reklamira „opušteni” ili „razvojni” način rada. Oni i dalje usmjeravaju saobraćaj kroz proizvođačev sloj politike; mijenja se prag, a ne postojanje kapije. Ovdje nema kapije koju treba štimati — model radi na našem vlastitom GPU klasteru i njegovo ponašanje je ponašanje temelja. Pročitajte nalaz NIST CAISI-ja iz odjeljka 02 kao tehničku izjavu, a ne kao upozorenje, i on objašnjava proizvod: model čije usklađivanje živi u njegovim težinama, poslužen bez vanjskog sloja politike, ponaša se u skladu sa svojim težinama.

Zašto je ovo posebno važno za agente

O odbijanjima se obično raspravlja kao o pitanju sadržaja. U agentskom radu ona su uglavnom pitanje pouzdanosti. Odbijanje u 31. potezu rada od 40 poteza nije uljudno odbijanje koje pročitate i krenete dalje — to je loše formiran korak, orkestrator koji ne zna kako dalje, pokvaren plan i 30 poteza potrošenih tokena bez ičega za pokazati. Sigurnosna istraživanja, analiza zlonamjernog koda, testiranje probojem, rad crvenih timova, fikcija za odrasle, medicinsko i pravno sastavljanje dokumenata te generisanje skupova podataka za sigurnosni trening — svi na to stalno nalijeću, a kvar je skup upravo zato što stiže kasno.

Naličje je da je sloj politike sada vaš. Upotreba Shannon AI Gatewaya uređena je našom Politikom odgovornog korištenja; uklanjanje proizvođačeve prosudbe iz petlje znači da svoju morate donijeti sami.

06Šta vam krajnja tačka zaista daje

Mogućnost	GLM-5.2 · 3BIT-REAP
Id modela	GLM-5.2-3BIT-REAP
Kontekstni prozor	262.144 tokena
Maks. izlaz po zahtjevu	16.384 tokena
Striming	Da
Pozivanje alata	Da
Rezonovanje / reasoning_effort	Da
JSON shema (json_schema)	Da
response_format	Da
Vid / slika na ulazu	Ne — samo tekst
Sloj odbijanja / filtriranje izlaza	Nema

Pažljivo pročitajte red o vidu prije nego što počnete graditi. GLM-5.2 na našem gatewayu radi samo sa tekstom. Ako vam treba slika na ulazu, katalog ima pet opcija sa vidom — MiniMax-M3 i MiMo-V2.5 na podu od $0.50 / $2.00, Kimi-K2.6 po $0.78 / $3.67, inkling po $1.42 / $6.07 i Kimi-K3 po $3.83 / $19.12. Razuman obrazac jeste usmjeriti razumijevanje slika na MiniMax-M3, a sve ostalo na GLM-5.2, što ne košta ništa osim promjene niske sa imenom modela.

Tri dijalekta, jedan model

Isti model dostupan je kroz tri formata zahtjeva, sve sa strimingom: /v1/chat/completions (OpenAI dijalekt), /v1/messages (Anthropicov dijalekt) i /v1/responses. Ništa se u vezi sa modelom između njih ne mijenja — odaberite onaj koji vaš SDK već govori i obično ste jednu izmjenu osnovnog URL-a udaljeni od rada.

# OpenAI dijalekt — usmjerite postojećeg klijenta na 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,                 # pozivanje alata je podržano
    reasoning_effort="medium", # low | medium | high
    stream=True,
)

Potpune sheme zahtjeva i odgovora za sva tri dijalekta, format pozivanja alata, oblike strimovanih događaja i interaktivni playground naći ćete u Shannon AI API dokumentaciji.

07Kada odabrati GLM-5.2 — a kada ne

Posegnite za njim kada

• Pokrećete agente. Duge petlje sa pozivanjem alata ono su za šta je ova loza građena i više puta post-trenirana, a ulazna cijena čini priuštivim ponovno slanje razgovora koji raste u svakom potezu.
• Radite nad velikom bazom koda. 262K konteksta, pouzdano formatiranje poziva alata i $0.19 da se pročita cijeli prozor.
• Obim je vaše ograničenje. Klasifikacija, izvlačenje podataka, generisanje sintetičkih podataka, masovno prepisivanje — sve gdje cijena po pozivu puta veliki broj odlučuje je li projekat održiv.
• Odbijanja vam lome cjevovod. Sigurnosna istraživanja, protivničko testiranje, necenzurirana fikcija, sastavljanje osjetljivih dokumenata — taj način kvara ovdje nije prisutan.

Posegnite za nečim drugim kada

• Treba vam vid. Samo tekst. Pogledajte gore navedene opcije sa vidom.
• Treba vam najdublje rezonovanje u jednom potezu. Za najteže analitičke probleme iz jednog poteza, DeepSeek-V4-Pro-0813 · 3BIT-REAP je teži instrument po 2,2× većoj miješanoj cijeni — na pozivima gdje je plafon ograničenje, to je ispravna razmjena.
• Treba vam maksimalna vjernost na nejasnom znanju. Nivo W8A16 — MiMo-V2.5-Pro i Hy3 — komprimovan je daleko manje agresivno i stoji na podu od $0.50 / $2.00, ali na manjim temeljima.

Brojke sa benchmarkova za GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) prijavio je Z.ai za nekomprimovani temelj; nezavisna replikacija je u toku. Brojke za Claude Opus 4.8 i GPT-5.5 prikazane su samo radi poređenja. Cjenovnik GLM-5.2 API-ja iz prve ruke onako kako ga je objavio Z.ai, septembar 2026.

08Često postavljana pitanja

---

Izvori: Z.ai GLM-5 repozitorij · Du i saradnici, GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng i saradnici, GLM-130B: An Open Bilingual Pre-trained Model · Lasby i saradnici, REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI ocjena Z.ai-jevog GLM-5.2, jul 2026. Rezultati temelja sa benchmarkova prijavljeni su od strane laboratorije i privremeni su; oni opisuju nekomprimovani GLM-5.2, a ne ovo komprimovano izdanje. Brojke o cijenama, kontekstu i mogućnostima kataloške su vrijednosti Shannon AI-ja na dan 5. septembra 2026.