GLM API bez cenzury: nejlepší hodnota za token

Většina srovnání „nejlevnějšího modelu“ je nepoctivá, protože tou levnou volbou bývá malý model v marketingovém kabátě velkého. Tady se to neděje. GLM-5.2 je jeden z největších základů s otevřenými váhami, jaké kdo vydal, a za $0.73 vstup / $2.34 výstup sedí o příčku nad dnem našeho katalogu, přičemž nese základ několikanásobně větší, než co za to dno obvykle koupíte. Právě ta mezera — velký model, cena skoro na dně — je důvod, proč tahle stránka existuje.

01Odkud GLM pochází: Tsinghua, doplňování mezer a ostrá zatáčka k agentům

GLM není přeznačkovaný derivát Llamy. Je to jedna z mála rodin modelů s vlastním předtrénovacím cílem, kterou pět let iteruje stejná výzkumná skupina. Zkratka znamená General Language Model a zakládající práce — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — navrhla třetí možnost vedle maskovaného jazykového modelování z BERTu a striktně zleva doprava autoregresivního GPT. GLM vymaže souvislé úseky a autoregresivně je regeneruje v zamíchaném pořadí, s dvourozměrným pozičním kódováním, které sleduje jak pozici tokenu v poškozeném dokumentu, tak jeho pozici uvnitř doplňovaného úseku: jedna architektura zvládající stejně dobře porozumění i generování.

Skupinou za tím byla Knowledge Engineering Group na Tsinghua University, ze které vznikla firma dnes známá jako Z.ai (dříve Zhipu AI). Jejím prvním výkladním artefaktem byl GLM-130B v říjnu 2022 — dvojjazyčný anglicko-čínský hustý model se 130 miliardami parametrů, jehož váhy i kód byly zveřejněny v době publikace. Otevřené vydávání je od té doby domácím zvykem.

Éra MoE a obrat k agentům

Ta průběžná linka je důležitější než kterékoli jednotlivé vydání. Od GLM-4.5 byla každá verze optimalizovaná na totéž: udržet soudržnost napříč desítkami volání nástrojů. To je jiný cíl než maximalizovat skóre benchmarků na jedno kolo a projevuje se jako méně zdeformovaných argumentů nástrojů, menší odchylování v dlouhém plánu a méně toho chování typu „ve čtrnáctém kole sebevědomě začne úkol znovu“, kvůli kterému jsou agentní frameworky drahé.

02Co GLM-5.2 je a jak byl změřen

Z.ai zveřejňuje benchmarková čísla pro GLM-5.2 v repozitáři GLM-5. Dvě z nich odpovídají skutečné agentní práci, a ne vybavování si zajímavostí:

Terminal-Bench 2.1 — dlouhodobé agentní úlohy na příkazové řádce. Uvádí Z.ai.

SWE-bench Pro — řešení issues ve skutečných repozitářích. Uvádí Z.ai; GLM-5.1 měl na stejném testu 58,4.

Tohle jsou čísla laboratoře, ne naše, a popisují nekomprimovaný základ. Určují třídu modelu, se kterou máte co do činění, ne záruku.

Jeden údaj má větší cenu než benchmark, protože pochází od hodnotitele, který nemá důvod modelu lichotit. V červenci 2026 posoudilo Center for AI Standards and Innovation při americkém National Institute of Standards and Technology model GLM-5.2 a dospělo k závěru, že šlo pravděpodobně o nejschopnější dostupný model s otevřenými váhami v době jeho vydání, s celkovými schopnostmi srovnatelnými s GPT-5.2 a kybernetickými schopnostmi srovnatelnými s Claude Opus 4.6. Totéž posouzení uvedlo, že GLM-5.2 blokuje méně citlivých požadavků než americké referenční modely a že pojistky zapečené do otevřených vah lze po jejich vlastním hostování obejít. Oddíl 05 se k tomu vrací.

03Co znamená „3BIT-REAP“ a co vás to stojí

REAP: experti se prořezávají, místo aby se slučovali

Model MoE se 744 miliardami parametrů má 256 expertů na vrstvu, z nichž na kterémkoli tokenu vystřelí 8. Router práci nerozděluje rovnoměrně — do některých expertů se trefuje neustále a do dlouhého chvostu zřídka, a když už, přispívají málo. REAP (Router-weighted Expert Activation Pruning) od Cerebras Research, přijatý na ICLR 2026, toho využívá: každého experta oboduje kritériem významnosti, které kombinuje, jak silně a často ho router propouští, s velikostí příspěvku jeho výstupu, a pak ty s nízkým skóre trvale zahodí.

Zajímavá je ta část srovnání, ve které REAP vítězí. Zjevnou alternativou k zahození experta je jeho sloučení s přeživším, což zní bezpečněji. Zjištění té práce napříč modely MoE od 20 miliard do 1 bilionu parametrů je, že slučování je pro generativní práci ve skutečnosti horší a prořezávání drží pozoruhodně dobře: téměř bezztrátově na benchmarcích generování kódu a volání nástrojů i po odstranění poloviny expertů, na základech včetně Qwen3-Coder-480B a Kimi-K2. To, že kód a volání nástrojů přežijí nedotčené, je přesně to, co chcete zachovat u modelu, jehož důvodem existence je agentní inženýrství.

3bitové váhy a poctivý kompromis

Nad rámec prořezávání se přeživší váhy ukládají ve 3 bitech — agresivněji než tiery W4A16-AUTOROUND-REAP a W8A16 jinde v našem katalogu, a vyhrazeně pro největší základy, kde neexistuje jiný způsob, jak dostat model se třemi čtvrtinami bilionu parametrů na servírovací uzel a udržet tokeny v použitelném tempu.

Komprese není zadarmo. Správný mentální model: prořezávání a kvantizace degradují nejdřív dlouhý chvost. Husté, často procvičované chování — dodržování instrukcí, struktura kódu, formátování volání nástrojů, vícekrokové plánování — přežívá dobře, což je přesně to, co výsledky REAP ukazují. Rozdíl oproti nekomprimovanému GLM-5.2 čekejte u vybavování si nejasných faktů, vzácných jazyků a okrajových oborových zajímavostí. Pokud je vaše zátěž „znát nezvyklý fakt nazpaměť“, zaplaťte za věrnější tier. Pokud je to „projet plán napříč čtyřiceti voláními nástrojů, aniž by to vykolejilo“, tohle je tier, pro který byla metoda navržena.

04Argument hodnoty: kolik levné LLM API bez cenzury skutečně stojí provozovat

Vlastní zveřejněná ceníková cena API od Z.ai za GLM-5.2 je $1.40 za milion vstupních tokenů a $4.40 za milion výstupních. Naše cena za stejný základ je $0.73 / $2.34 — zhruba o 48 % méně na vstupu a 47 % méně na výstupu. Tuhle slevu kupuje komprese a přichází s druhou věcí, kterou u výrobce nekoupíte za žádnou cenu: bez vrstvy odmítání.

V rámci našeho katalogu je číslem, na kterém záleží, smíšená cena. Tady je při poměru vstupu k výstupu 3:1, což zhruba odpovídá tomu, jak v praxi vypadá agent volající nástroje — dovnitř spousta kontextu a výsledků nástrojů, ven poměrně málo tokenů.

Model	Vstup / 1M	Výstup / 1M	Smíšeně 3:1	Vidění
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	Ano
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Ne
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Ano
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Ano

Šest modelů sedí na dně $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro a Hy3 — což je smíšená sazba $0.875. GLM-5.2 je 29 % nad tímto dnem a koupí vám základ třídy 744 miliard parametrů s dlouhodobou investicí do agentního chování za zády. Všechno, co je cenově nad ním, stojí smíšeně nejméně o 23 % víc a Kimi-K3 stojí 6,8× tolik. To je argument hodnoty v jednom řádku: nejlevnější místo v katalogu, kde se dá koupit špičkový agentní základ.

Převedeno na práci

• Jedno plné zaplnění kontextu — 262 144 vstupních tokenů: $0.19. Celý velký repozitář načtený do okna za necelých dvacet centů.
• Jedno dokončení maximální délky — 16 384 výstupních tokenů: $0.038.
• Jedno kolo agenta — 20K dovnitř, 2K ven: $0.019. Totéž kolo stojí na Kimi-K3 $0.115 a na DeepSeek-V4-Pro $0.047.
• Sto kol agenta: $1.93, oproti $11.48 na nejdražším modelu v katalogu.

Agentní zátěže jsou náročné na vstup a výhoda GLM je největší přesně tam: jeho cena vstupu je 5,2× nižší než u Kimi-K3 a 2,7× nižší než u DeepSeek-V4-Pro. Pokud váš agent posílá rostoucí konverzaci znovu každé kolo — a téměř každý agent to dělá — je právě ten násobek tím, co skončí na vaší faktuře.

05Co na tomhle endpointu znamená „bez cenzury“

Přesně dvě věci: žádnou vrstvu odmítání — žádný klasifikátor rozhodující, které požadavky model smí vidět, a žádný policy model přepisující váš prompt, než dorazí — a žádné filtrování výstupu, což znamená, že tokeny, které model vytvoří, jsou tokeny, které dostanete, bez začernění a bez záměn.

To je jiná nabídka než komerční API inzerující „uvolněný“ nebo „vývojářský“ režim. Ty pořád vedou provoz přes zásadový stack dodavatele; co se mění, je práh, ne existence brány. Tady není brána, kterou by šlo ladit — model běží na našem vlastním GPU clusteru a jeho chování je chováním základu. Přečtěte si zjištění NIST CAISI z oddílu 02 jako technické konstatování, ne jako varování, a vysvětluje to produkt: model, jehož alignment žije v jeho vahách, servírovaný bez vnější zásadové vrstvy, se chová podle svých vah.

Proč na tom u agentů záleží obzvlášť

O odmítnutích se obvykle mluví jako o otázce obsahu. V agentní práci je to hlavně otázka spolehlivosti. Odmítnutí ve 31. kole čtyřicetikolového běhu není zdvořilé odřeknutí, které si přečtete a jdete dál — je to zdeformovaný krok, orchestrátor, který neví, jak pokračovat, rozbitý plán a 30 kol utracených tokenů bez výsledku. Bezpečnostní výzkum, analýza malwaru, penetrační testování, red-teaming, beletrie pro dospělé, lékařské a právní koncepty i generování datových sad pro bezpečnostní trénink na tohle narážejí neustále a selhání je drahé právě proto, že přijde pozdě.

Rub mince je, že zásadová vrstva je teď vaše. Používání brány Shannon AI se řídí našimi Zásadami odpovědného užívání; odstranit ze smyčky úsudek dodavatele znamená dodat vlastní.

06Co vám endpoint skutečně dává

Schopnost	GLM-5.2 · 3BIT-REAP
Id modelu	GLM-5.2-3BIT-REAP
Kontextové okno	262 144 tokenů
Max. výstup na požadavek	16 384 tokenů
Streamování	Ano
Volání nástrojů	Ano
Uvažování / reasoning_effort	Ano
JSON Schema (json_schema)	Ano
response_format	Ano
Vidění / obrazový vstup	Ne — pouze text
Vrstva odmítání / filtrování výstupu	Žádné

Než začnete stavět, přečtěte si pozorně řádek o vidění. GLM-5.2 je na naší bráně pouze textový. Pokud potřebujete obrazový vstup, katalog má pět možností, které vidí — MiniMax-M3 a MiMo-V2.5 na dně $0.50 / $2.00, Kimi-K2.6 za $0.78 / $3.67, inkling za $1.42 / $6.07 a Kimi-K3 za $3.83 / $19.12. Rozumným vzorcem je směrovat porozumění obrázkům na MiniMax-M3 a všechno ostatní na GLM-5.2, což nestojí nic nad rámec jednoho řetězce s názvem modelu.

Tři dialekty, jeden model

Stejný model je dostupný přes tři formáty požadavku, všechny se streamováním: /v1/chat/completions (dialekt OpenAI), /v1/messages (dialekt Anthropic) a /v1/responses. Na modelu se mezi nimi nemění nic — vyberte ten, kterým už vaše SDK mluví, a obvykle vás od běhu dělí jedna změna základní URL.

# Dialekt OpenAI — namiřte svého stávajícího klienta na bránu
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,                 # volání nástrojů podporováno
    reasoning_effort="medium", # low | medium | high
    stream=True,
)

Úplná schémata požadavků a odpovědí pro všechny tři dialekty, formát volání nástrojů, tvary streamovacích událostí a interaktivní hřiště najdete v dokumentaci API Shannon AI.

07Kdy zvolit GLM-5.2 — a kdy ne

Sáhněte po něm, když

• Provozujete agenty. Dlouhé smyčky s voláním nástrojů jsou to, na co byla tahle linie postavena a opakovaně dotrénovávána, a cena vstupu dělá rostoucí konverzaci znovu poslatelnou každé kolo.
• Pracujete napříč velkou kódovou základnou. Kontext 262K, spolehlivé formátování volání nástrojů a $0.19 za přečtení celého okna.
• Vaším omezením je objem. Klasifikace, extrakce, generování syntetických dat, hromadné přepisování — cokoli, kde o životaschopnosti projektu rozhoduje cena za volání krát velké číslo.
• Odmítnutí vám lámou pipeline. Bezpečnostní výzkum, adversariální testování, beletrie bez cenzury, citlivé koncepty — tenhle způsob selhání tu není přítomen.

Sáhněte po něčem jiném, když

• Potřebujete vidění. Pouze text. Viz možnosti s viděním výše.
• Potřebujete nejhlubší uvažování na jedno kolo. Na nejtěžší jednorázové analytické problémy je DeepSeek-V4-Pro-0813 · 3BIT-REAP těžším nástrojem za 2,2násobek smíšené ceny — u volání, kde je omezením strop, je to správná výměna.
• Potřebujete maximální věrnost u okrajových znalostí. Tier W8A16 — MiMo-V2.5-Pro a Hy3 — je komprimovaný mnohem méně agresivně a sedí na dně $0.50 / $2.00, na menších základech.

Benchmarková čísla GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) uvádí Z.ai pro nekomprimovaný základ; nezávislá replikace se teprve chystá. Čísla pro Claude Opus 4.8 a GPT-5.5 jsou uvedena jen pro srovnání. Ceníkové ceny API GLM-5.2 od výrobce podle Z.ai, září 2026.

08Často kladené otázky

---

Zdroje: repozitář Z.ai GLM-5 · Du a kol., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng a kol., GLM-130B: An Open Bilingual Pre-trained Model · Lasby a kol., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI, posouzení GLM-5.2 od Z.ai, červenec 2026. Benchmarková skóre základu uvádí laboratoř a jsou předběžná; popisují nekomprimovaný GLM-5.2, ne tenhle komprimovaný build. Údaje o cenách, kontextu a schopnostech jsou katalogové hodnoty Shannon AI k 5. září 2026.