Tsenseerimata GLM API: parim hind ühe tokeni eest

Enamik „odavaima mudeli” võrdlusi on ebaausad, sest odav valik on tavaliselt väike mudel, kellel on suure mudeli turundus seljas. Siin ei ole asi selles. GLM-5.2 on üks suurimaid avatud kaaludega vundamente, mida keegi on välja andnud, ja hinnaga $0.73 sisse / $2.34 välja seisab see meie kataloogi põrandast ühe pulga võrra kõrgemal, kandes seejuures vundamenti, mis on mitu korda suurem sellest, mida selle põranda eest tavaliselt saab. Just see vahe — suur mudel, peaaegu põrandahind — on põhjus, miks see lehekülg olemas on.

01Kust GLM tuleb: Tsinghua, lünkade täitmine ja järsk pööre agentide poole

GLM ei ole ümbersildistatud Llama tuletis. See on üks väheseid mudeliperekondi, millel on oma eeltreeningu siht, mida sama uurimisrühm on viis aastat itereerinud. Nimi tähendab General Language Model ja asutav artikkel — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — pakkus kolmandat võimalust BERT-i maskeeritud keelemodelleerimise ja GPT range vasakult paremale autoregressiooni kõrvale. GLM tühjendab pidevaid lõike ja genereerib need segatud järjekorras autoregressiivselt uuesti, kusjuures kahemõõtmelised positsioonikodeeringud jälgivad korraga nii tokeni asukohta rikutud dokumendis kui ka tema asukohta täidetavas lõigus: üks arhitektuur, mis tuleb mõistmise ja genereerimisega ühtviisi hästi toime.

Selle taga oli Tsinghua ülikooli Knowledge Engineering Group, kellest kasvas välja ettevõte, mida praegu tuntakse nimega Z.ai (varem Zhipu AI). Selle esimene tähelepanuväärne artefakt oli GLM-130B 2022. aasta oktoobris — 130 miljardi parameetriga kakskeelne inglise-hiina tihe mudel, mille kaalud ja kood avaldati avalikult juba publitseerimise ajal. Avatud väljalase on sellest ajast peale majastiil olnud.

MoE ajastu ja pööre agentide poole

Läbiv joon loeb rohkem kui ükski üksik väljalase. Alates GLM-4.5-st on iga versioon optimeeritud sama asja jaoks: sidususe hoidmine kümnete tööriistakutsete vältel. See on teine siht kui ühevoorulise võrdlustesti skoori maksimeerimine ja see väljendub väiksemas hulgas vigaselt vormistatud tööriistaargumentides, väiksemas triivis pikas plaanis ja väiksemas hulgas seda „alustab 14. voorul ülesannet enesekindlalt otsast peale” käitumist, mis teeb agendiraamistikud kalliks.

02Mis GLM-5.2 on ja mida temaga mõõdeti

Z.ai avaldab GLM-5.2 võrdlusarvud GLM-5 hoidlas. Kaks neist vastavad päris agentsele tööle, mitte mälumänguküsimustele:

Terminal-Bench 2.1 — pika horisondiga käsurea agendiülesanded. Z.ai teatatud.

SWE-bench Pro — päris hoidlate probleemide lahendamine. Z.ai teatatud; GLM-5.1 sai samal testil 58.4.

Need on labori numbrid, mitte meie omad, ja need kirjeldavad kokkusurumata vundamenti. Nad määravad mudeliklassi, millega sul tegemist on, mitte garantii.

Üks andmepunkt kaalub rohkem kui võrdlustest, sest see tuleb hindajalt, kellel ei ole mingit ajendit mudelit meelitada. 2026. aasta juulis hindas USA riikliku standardi- ja tehnoloogiainstituudi AI standardite ja innovatsiooni keskus GLM-5.2-t ja järeldas, et see oli ilmselt kõige võimekam avatud kaaludega AI-mudel, mis väljalaske hetkel saadaval oli, üldvõimekusega, mis on võrreldav GPT-5.2-ga, ja küberoskustega, mis on võrreldavad Claude Opus 4.6-ga. Sama hinnang täheldas, et GLM-5.2 blokeerib vähem tundlikke päringuid kui USA referentsmudelid ja et avatud kaaludesse sisse küpsetatud kaitsemeetmetest saab mööda minna, kui neid kaale ise majutada. Jaotis 05 tuleb selle juurde tagasi.

03Mida tähendab „3BIT-REAP” ja mis see sulle maksma läheb

REAP: ekspertide kärpimine liitmise asemel

744 miljardi parameetriga MoE-mudelil on kihi kohta 256 eksperti, kellest mis tahes üksiku tokeni peale läheb tööle 8. Ruuter ei jaota tööd ühtlaselt — mõnda eksperti tabatakse lakkamatult ja pikka saba tabatakse harva ning nad panustavad ka siis vähe. REAP (Router-weighted Expert Activation Pruning) Cerebras Researchilt, vastu võetud ICLR 2026-le, kasutab seda ära: see hindab iga eksperti olulisuskriteeriumiga, mis ühendab selle, kui tugevalt ja sageli ruuter teda väravab, tema väljundipanuse suurusega, ja eemaldab siis madala skooriga eksperdid jäädavalt.

Huvitav osa on võrdlus, mille REAP võidab. Ilmne alternatiiv eksperdi eemaldamisele on tema liitmine ellujääjaga, mis kõlab turvalisemalt. Artikli leid MoE-mudelite peal 20B-st 1T parameetrini on see, et liitmine on generatiivse töö jaoks tegelikult halvem ja kärpimine peab tähelepanuväärselt hästi vastu: koodigenereerimise ja tööriistakutsete võrdlustestidel peaaegu kadudeta isegi pärast poolte ekspertide eemaldamist, vundamentidel, mille hulka kuuluvad Qwen3-Coder-480B ja Kimi-K2. Koodi ja tööriistakutsete puutumatuna säilimine on täpselt see, mida sa tahad alles hoida mudelil, mille olemasolu põhjus on agentne inseneritöö.

3-bitised kaalud ja aus kompromiss

Kärpimise peale salvestatakse ellujäänud kaalud 3 bitiga — agressiivsemalt kui W4A16-AUTOROUND-REAP ja W8A16 tasemetel mujal meie kataloogis, ja see on jäetud kõige suurematele vundamentidele, kus ei olegi muud viisi, kuidas saada kolmveerand triljoni parameetriga mudel serveerimissõlmele ja hoida tokeneid kasutataval kiirusel voolamas.

Kompressioon ei ole tasuta. Õige mõttemudel: kärpimine ja kvantiseerimine lagundavad kõigepealt pika saba. Tihedad, sageli kasutatavad käitumised — juhiste järgimine, koodi struktuur, tööriistakutsete vormistus, mitmesammuline planeerimine — jäävad hästi alles, ja just seda REAP-i tulemused näitavadki. Hämar faktimälu, haruldased keeled ja kitsa valdkonna pisiteadmised on need kohad, kus tasub oodata erinevust kokkusurumata GLM-5.2 vastu. Kui sinu koormus on „tea üht ebatavalist fakti peast”, maksa suurema täpsusastme eest. Kui see on „vii plaan neljakümne tööriistakutse vältel läbi, rööbastelt maha minemata”, siis on see tase, mille jaoks meetod loodi.

04Väärtuse argument: mida odav tsenseerimata LLM API tegelikult maksma läheb

Z.ai enda avaldatud API hinnakirjahind GLM-5.2-le on $1.40 miljoni sisendtokeni ja $4.40 miljoni väljundtokeni kohta. Meie hind samal vundamendil on $0.73 / $2.34 — umbes 48% vähem sisendil ja 47% vähem väljundil. Selle allahindluse ostab kompressioon ja sellega tuleb kaasa teine asi, mida esimesest käest ei saa mitte mingi hinna eest: keeldumiskihi puudumine.

Meie enda kataloogis on segakulu see number, mis loeb. Siin on see 3:1 sisendi-väljundi suhte juures, mis on umbes see, mismoodi tööriistu kutsuv agent praktikas välja näeb — palju konteksti ja tööriistatulemusi sisse, võrdlemisi vähe tokeneid välja.

Mudel	Sisse / 1M	Välja / 1M	Segu 3:1	Nägemine
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	Ei
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	Ei
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	Jah
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Ei
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Jah
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Jah

Kuus mudelit istuvad $0.50 / $2.00 põrandal — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro ja Hy3 — mis teeb $0.875 segamäära. GLM-5.2 on 29% sellest põrandast kõrgemal ja ostab sulle 744B-klassi vundamendi, mille taga on püsiv investeering agentsesse käitumisse. Kõik, mille hind on sellest kõrgem, maksab segamäärana vähemalt 23% rohkem, ja Kimi-K3 maksab 6.8× rohkem. See ongi väärtuse argument ühes reas: kataloogi odavaim koht, kust osta tipptasemel agentne vundament.

Tööks ümber arvutatuna

• Üks täielik konteksti täitmine — 262,144 sisendtokenit: $0.19. Terve suur hoidla aknasse loetud alla kahekümne sendi eest.
• Üks maksimaalse pikkusega lõpetus — 16,384 väljundtokenit: $0.038.
• Üks agendivoor — 20K sisse, 2K välja: $0.019. Sama voor maksab Kimi-K3-l $0.115 ja DeepSeek-V4-Prol $0.047.
• Sada agendivooru: $1.93, võrrelduna $11.48-ga kataloogi kõige kallimal mudelil.

Agentsed koormused on sisendiraskusega ja GLM-i eelis on kõige suurem just seal: tema sisendihind on 5.2× madalam kui Kimi-K3-l ja 2.7× madalam kui DeepSeek-V4-Prol. Kui sinu agent saadab kasvava vestluse igal vooril uuesti — ja peaaegu iga agent seda teebki — siis just see kordaja jõuab sinu arvele.

05Mida „tsenseerimata” sellel otspunktil tähendab

Täpselt kaht asja: keeldumiskihti ei ole — ei ole klassifikaatorit, mis otsustaks, milliseid päringuid mudel näha tohib, ega poliitikamudelit, mis kirjutaks sinu päringu enne kohalejõudmist ümber — ja väljundit ei filtreerita, mis tähendab, et tokenid, mille mudel toodab, on need tokenid, mille sina saad, redigeerimata ja asendamata.

See on teistsugune pakkumine kui kommertsliku API „lõdvestatud” või „arendaja” režiim. Need juhivad liikluse ikkagi läbi tarnija poliitikapinu; muutub lävi, mitte värava olemasolu. Siin ei ole väravat, mida häälestada — mudel töötab meie enda GPU-klastris ja tema käitumine ongi vundamendi käitumine. Loe jaotise 02 NIST CAISI leidu tehnilise väitena, mitte hoiatusena, ja see seletab toote ära: mudel, mille joondus elab tema kaaludes, käitub ilma välise poliitikakihita serveerituna oma kaalude järgi.

Miks see just agentide puhul loeb

Keeldumistest räägitakse tavaliselt kui sisuküsimusest. Agentses töös on need enamasti usaldusväärsuse küsimus. Keeldumine 40-voorulise jooksu 31. vooril ei ole viisakas äraütlemine, mille sa läbi loed ja edasi lähed — see on vigane samm, orkestraator, kes ei tea, kuidas jätkata, katkine plaan ja 30 vooru kulutatud tokeneid, millest ei ole midagi näidata. Turvauuringud, pahavaraanalüüs, läbistustestimine, punase meeskonna töö, täiskasvanute ilukirjandus, meditsiiniline ja juriidiline mustandamine ning andmestike genereerimine ohutustreeninguks põrkuvad sellega pidevalt, ja tõrge on kallis just seepärast, et see saabub hilja.

Teine pool on see, et poliitikakiht on nüüd sinu oma. Shannon AI lüüsi kasutamist reguleerib meie vastutustundliku kasutamise poliitika; tarnija hinnangu ahelast eemaldamine tähendab omaenda hinnangu kohaletoomist.

06Mida otspunkt sulle tegelikult annab

Võimekus	GLM-5.2 · 3BIT-REAP
Mudeli id	GLM-5.2-3BIT-REAP
Kontekstiaken	262,144 tokenit
Maks. väljund päringu kohta	16,384 tokenit
Voogedastus	Jah
Tööriistakutsed	Jah
Arutlus / reasoning_effort	Jah
JSON Schema (json_schema)	Jah
response_format	Jah
Nägemine / pildisisend	Ei — ainult tekst
Keeldumiskiht / väljundi filtreerimine	Puudub

Loe nägemise rida enne ehitama asumist hoolikalt. GLM-5.2 on meie lüüsis ainult tekstile. Kui vajad pildisisendit, on kataloogis viis nägemisvõimelist valikut — MiniMax-M3 ja MiMo-V2.5 $0.50 / $2.00 põrandal, Kimi-K2.6 hinnaga $0.78 / $3.67, inkling hinnaga $1.42 / $6.07 ja Kimi-K3 hinnaga $3.83 / $19.12. Mõistlik muster on suunata pildi mõistmine MiniMax-M3-le ja kõik ülejäänu GLM-5.2-le, mis ei maksa rohkem kui ühe mudelistringi.

Kolm dialekti, üks mudel

Sama mudel on kättesaadav kolme päringuvormingu kaudu, kõik voogedastusega: /v1/chat/completions (OpenAI dialekt), /v1/messages (Anthropicu dialekt) ja /v1/responses. Mudeli juures ei muutu nende vahel midagi — vali see, mida sinu SDK juba räägib, ja tavaliselt oled ühe baas-URL-i muudatuse kaugusel tööle hakkamisest.

# 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,
)

Kõigi kolme dialekti täielikud päringu- ja vastuseskeemid, tööriistakutsete vorming, voogedastuse sündmusekujud ja interaktiivne mänguväljak on Shannon AI API dokumentatsioonis.

07Millal valida GLM-5.2 — ja millal mitte

Haara selle järele, kui

• Sa käitad agente. Pikad tööriistakutsete tsüklid on see, milleks see liin ehitati ja korduvalt järeltreeniti, ja sisendihind teeb kasvava vestluse igal vooril uuesti saatmise taskukohaseks.
• Sa töötad suure koodibaasi peal. 262K konteksti, usaldusväärne tööriistakutsete vormistus ja $0.19 kogu akna lugemiseks.
• Sinu piiraja on maht. Klassifitseerimine, ekstraktimine, sünteetiliste andmete genereerimine, hulgi ümberkirjutamine — kõik, kus kutsekohane hind korda suur arv otsustab, kas projekt on üldse elujõuline.
• Keeldumised lõhuvad su torustikku. Turvauuringud, vaenulik testimine, tsenseerimata ilukirjandus, tundlik mustandamine — seda tõrkeviisi siin ei ole.

Haara millegi muu järele, kui

• Sa vajad nägemist. Ainult tekst. Vaata ülalpool nägemisvõimelisi valikuid.
• Sa vajad sügavaimat ühevoorulist arutlust. Kõige raskemate ühe hoobiga analüütiliste ülesannete jaoks on DeepSeek-V4-Pro-0813 · 3BIT-REAP raskem tööriist 2.2× segakulu eest — kutsetel, kus piirajaks on lagi, on see õige vahetus.
• Sa vajad maksimaalset täpsust hämarate teadmiste peal. W8A16 tase — MiMo-V2.5-Pro ja Hy3 — on palju vähem agressiivselt kokku surutud ja istub $0.50 / $2.00 põrandal, väiksematel vundamentidel.

GLM-5.2 võrdlusarvud (Terminal-Bench 2.1, SWE-bench Pro) on Z.ai teatatud kokkusurumata vundamendi kohta; sõltumatu kordamine on tulemas. Claude Opus 4.8 ja GPT-5.5 arvud on näidatud ainult võrdluseks. Esimese poole GLM-5.2 API hinnakirjahind nii, nagu Z.ai selle avaldas, september 2026.

08Korduma kippuvad küsimused

---

Allikad: Z.ai GLM-5 hoidla · Du jt, GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng jt, GLM-130B: An Open Bilingual Pre-trained Model · Lasby jt, REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI hinnang Z.ai GLM-5.2 kohta, juuli 2026. Vundamendi võrdlusskoorid on labori teatatud ja esialgsed; need kirjeldavad kokkusurumata GLM-5.2-t, mitte seda kokkusurutud ehitust. Hinna-, konteksti- ja võimekusarvud on Shannon AI kataloogi väärtused 5. septembri 2026 seisuga.