API של GLM ללא צנזורה: התמורה הטובה ביותר לכל טוקן
מודל היסוד הסוכני GLM של Z.ai, מוגש בלי שכבת סירוב על אשכול ה-GPU שלנו — הקשר 262K, קריאת כלים, ומחיר משוקלל שהוא פחות ממחצית ממה שאותה שושלת עולה אצל היצרן.
בקצרה
GLM-5.2-3BIT-REAP הוא המודל בשער של Shannon AI שאנחנו ממליצים עליו כברירת מחדל. הוא מריץ מודל יסוד Mixture-of-Experts דליל עם 744 מיליארד פרמטרים משושלת GLM — שאומן במפורש לשימוש סוכני בכלים מאז GLM-4.5 — דחוס במשקלים של 3 סיביות ובגיזום מומחים REAP כך שייכנס ויישאר מהיר. אתה מקבל הקשר של 262,144 טוקנים, 16,384 טוקני פלט, קריאת כלים, חשיבה עם reasoning_effort מתכוונן, ופלט מובנה לפי JSON Schema, במחיר $0.73 / $2.34 למיליון טוקנים. אין שכבת סירוב ואין מסנן פלט. טקסט בלבד — בלי ראייה.
רוב ההשוואות של "המודל הזול ביותר" אינן כנות, כי האפשרות הזולה היא בדרך כלל מודל קטן שלובש את השיווק של מודל גדול. זה לא מה שקורה כאן. GLM-5.2 הוא אחד ממודלי היסוד הגדולים ביותר במשקלים פתוחים שמישהו שחרר, ובמחיר $0.73 קלט / $2.34 פלט הוא יושב שלב אחד מעל רצפת הקטלוג שלנו בעודו נושא מודל יסוד גדול פי כמה ממה שהרצפה הזו קונה בדרך כלל. הפער הזה — מודל גדול, מחיר קרוב לרצפה — הוא הסיבה שהדף הזה קיים.
01מאיפה GLM הגיע: צינגחואה, מילוי חללים, ופנייה חדה לעבר סוכנים
GLM אינו נגזרת ממותגת מחדש של Llama. זו אחת ממשפחות המודלים המעטות עם מטרת אימון מקדים משלה, שעברה איטרציות במשך חמש שנים על ידי אותה קבוצת מחקר. השם מייצג General Language Model, והמאמר המייסד — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — הציע אפשרות שלישית לצד מידול השפה הממוסך של BERT והאוטו-רגרסיה הקפדנית משמאל לימין של GPT. GLM מעלים מקטעים רציפים ומייצר אותם מחדש אוטו-רגרסיבית בסדר מעורבב, עם קידודי מיקום דו-ממדיים שעוקבים גם אחר מיקום הטוקן במסמך המושחת וגם אחר מיקומו בתוך המקטע שממולא: ארכיטקטורה אחת שמטפלת בהבנה ובייצור באותה מידה של הצלחה.
הקבוצה שמאחוריו הייתה Knowledge Engineering Group באוניברסיטת צינגחואה, שממנה יצאה החברה הידועה כיום בשם Z.ai (בעבר Zhipu AI). המוצר הראשון שכבש כותרות היה GLM-130B באוקטובר 2022 — מודל צפוף דו-לשוני באנגלית ובסינית עם 130 מיליארד פרמטרים, שמשקליו וקודו שוחררו לציבור כבר במועד הפרסום. שחרור פתוח הוא סגנון הבית מאז ומתמיד.
עידן ה-MoE, והפנייה לעבר סוכנים
הקו המנחה חשוב יותר מכל מהדורה בודדת. מאז GLM-4.5, כל גרסה מיטבה את אותו הדבר: לשמור על קוהרנטיות לאורך עשרות קריאות כלים. זו מטרה שונה ממקסום ציוני בנצ'מרק בסבב יחיד, והיא מתבטאת בפחות ארגומנטים שגויים בקריאות כלים, בפחות סחיפה בתוכנית ארוכה, ובפחות מהתנהגות "מתחיל את המשימה מחדש בביטחון בסבב 14" שהופכת מסגרות סוכנים ליקרות.
02מהו GLM-5.2, ובמה הוא נמדד
Z.ai מפרסמת מספרי בנצ'מרק ל-GLM-5.2 במאגר GLM-5. שניים מהם ממופים לעבודה סוכנית אמיתית ולא לשליפת טריוויה:
Terminal-Bench 2.1 — משימות סוכן בשורת הפקודה לטווח ארוך. מדווח על ידי Z.ai.
SWE-bench Pro — פתרון תקלות במאגרי קוד אמיתיים. מדווח על ידי Z.ai; GLM-5.1 קיבל 58.4 באותו מבחן.
אלה המספרים של המעבדה, לא שלנו, והם מתארים את מודל היסוד הלא דחוס. הם קובעים באיזו מחלקת מודלים אתה עוסק, לא מהווים אחריות.
נקודת נתונים אחת שווה יותר מבנצ'מרק, כי היא מגיעה ממעריך שאין לו תמריץ להחמיא למודל. ביולי 2026 המרכז לתקני AI ולחדשנות של המכון הלאומי לתקנים וטכנולוגיה של ארה"ב (NIST) העריך את GLM-5.2 והסיק שהוא ככל הנראה מודל ה-AI במשקלים פתוחים החזק ביותר שהיה זמין בעת שחרורו, עם יכולות כלליות דומות ל-GPT-5.2 ויכולות סייבר דומות ל-Claude Opus 4.6. אותה הערכה ציינה ש-GLM-5.2 חוסם פחות בקשות רגישות ממודלי הייחוס האמריקאיים, ושאפשר לעקוף אמצעי הגנה שאפויים לתוך משקלים פתוחים ברגע שהמשקלים האלה מתארחים עצמאית. סעיף 05 חוזר לזה.
03מה אומר "3BIT-REAP", ומה זה עולה לך
REAP: גיזום מומחים במקום מיזוגם
למודל MoE עם 744 מיליארד פרמטרים יש 256 מומחים בכל שכבה, ומתוכם 8 נדלקים על כל טוקן נתון. הנתב אינו מפזר את העבודה באופן אחיד — כמה מומחים נבחרים ללא הרף, וזנב ארוך נבחר לעיתים רחוקות ותורם מעט כשכן. REAP (Router-weighted Expert Activation Pruning), מבית Cerebras Research ושהתקבל ל-ICLR 2026, מנצל זאת: הוא מדרג כל מומחה לפי קריטריון בולטות שמשלב באיזו עוצמה ובאיזו תדירות הנתב פותח לו שער עם עוצמת התרומה של הפלט שלו, ואז מסיר לצמיתות את בעלי הציון הנמוך.
החלק המעניין הוא ההשוואה ש-REAP מנצח בה. החלופה המתבקשת להסרת מומחה היא מיזוגו לתוך מומחה ששרד, וזה נשמע בטוח יותר. הממצא של המאמר על פני מודלי MoE מ-20B ועד טריליון פרמטרים הוא שמיזוג הוא למעשה גרוע יותר לעבודה יוצרת, וגיזום מחזיק מעמד היטב באופן יוצא דופן: כמעט ללא אובדן בבנצ'מרקים של יצירת קוד ושל קריאת כלים גם אחרי הסרת מחצית מהמומחים, במודלי יסוד הכוללים את Qwen3-Coder-480B ואת Kimi-K2. שרידותם השלמה של הקוד ושל קריאת הכלים היא בדיוק מה שאתה רוצה לשמר במודל שסיבת קיומו היא הנדסה סוכנית.
משקלים של 3 סיביות, והפשרה הכנה
מעל הגיזום, המשקלים ששרדו נשמרים ב-3 סיביות — אגרסיבי יותר מדרגי ה-W4A16-AUTOROUND-REAP וה-W8A16 במקומות אחרים בקטלוג שלנו, ושמור למודלי היסוד הגדולים ביותר, שם אין דרך אחרת להכניס מודל של שלושת רבעי טריליון פרמטרים לצומת הגשה ולשמור על זרימת טוקנים בקצב שמיש.
הדחיסה אינה חינם. המודל המנטלי הנכון: גיזום וקוונטיזציה פוגעים קודם בזנב הארוך. התנהגויות צפופות שמופעלות תדיר — ציות להוראות, מבנה קוד, פורמט קריאות כלים, תכנון רב-שלבי — שורדות היטב, וזה בדיוק מה שתוצאות REAP מראות. שליפת עובדות אזוטריות, שפות נדירות וטריוויה בתחומי נישה הם המקומות שבהם כדאי לצפות להבדל מול GLM-5.2 לא דחוס. אם עומס העבודה שלך הוא "לדעת עובדה נדירה על בוריה", שלם על דרג בנאמנות גבוהה יותר. אם הוא "להריץ תוכנית על פני ארבעים קריאות כלים בלי לצאת מהפסים", זה הדרג שהשיטה תוכננה עבורו.
04שאלת התמורה: כמה באמת עולה להריץ API זול של LLM ללא צנזורה
מחירון ה-API הרשמי שפרסמה Z.ai עצמה ל-GLM-5.2 הוא $1.40 למיליון טוקני קלט ו-$4.40 למיליון פלט. המחיר שלנו על אותו מודל יסוד הוא $0.73 / $2.34 — בערך 48% פחות על הקלט ו-47% פחות על הפלט. ההנחה הזו היא מה שהדחיסה קונה, והיא מגיעה עם דבר שני שאי אפשר לקנות מהיצרן בשום מחיר: בלי שכבת סירוב.
בתוך הקטלוג שלנו, העלות המשוקללת היא המספר שחשוב. הנה הוא ביחס קלט-לפלט של 3:1, בערך כפי שסוכן שקורא לכלים נראה בפועל — הרבה הקשר ותוצאות כלים נכנסים, ויחסית מעט טוקנים יוצאים.
| מודל | קלט / 1M | פלט / 1M | משוקלל 3:1 | ראייה |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | לא |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | לא |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | כן |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | לא |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | כן |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | כן |
שישה מודלים יושבים על רצפת $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro ו-Hy3 — תעריף משוקלל של $0.875. GLM-5.2 נמצא 29% מעל הרצפה הזו וקונה לך מודל יסוד ממחלקת 744B עם השקעה מתמשכת בהתנהגות סוכנית מאחוריו. כל מה שמתומחר מעליו עולה לפחות 23% יותר במשוקלל, ו-Kimi-K3 עולה פי 6.8. זו טענת התמורה בשורה אחת: המקום הזול ביותר בקטלוג לקנות מודל יסוד סוכני מהשורה הראשונה.
מתורגם לעבודה
- מילוי הקשר מלא אחד — 262,144 טוקני קלט: $0.19. מאגר קוד גדול שלם נקרא לתוך החלון בפחות מעשרים סנט.
- השלמה אחת באורך מרבי — 16,384 טוקני פלט: $0.038.
- סבב סוכן אחד — 20K קלט, 2K פלט: $0.019. אותו סבב עולה $0.115 ב-Kimi-K3 ו-$0.047 ב-DeepSeek-V4-Pro.
- מאה סבבי סוכן: $1.93, מול $11.48 במודל היקר ביותר בקטלוג.
עומסי עבודה סוכניים כבדים בקלט, והיתרון של GLM גדול בדיוק שם: מחיר הקלט שלו נמוך פי 5.2 מזה של Kimi-K3 ופי 2.7 מזה של DeepSeek-V4-Pro. אם הסוכן שלך שולח מחדש שיחה הולכת וגדלה בכל סבב — וכמעט כל סוכן עושה זאת — המכפיל הזה הוא מה שנוחת בחשבונית שלך.
05מה אומר "ללא צנזורה" בנקודת הקצה הזו
שני דברים, במדויק: בלי שכבת סירוב — אין מסווג שמחליט אילו בקשות המודל רשאי לראות, ואין מודל מדיניות שמשכתב את ההנחיה שלך לפני שהיא מגיעה — וכן בלי סינון פלט, כלומר הטוקנים שהמודל מייצר הם הטוקנים שאתה מקבל, בלי צנזור ובלי החלפה.
זו הצעה שונה מ-API מסחרי שמפרסם מצב "מרוכך" או "למפתחים". אלה עדיין מנתבים תעבורה דרך ערימת המדיניות של הספק; מה שמשתנה הוא הסף, לא עצם קיומו של השער. כאן אין שער לכוונן — המודל רץ על אשכול ה-GPU שלנו, וההתנהגות שלו היא ההתנהגות של מודל היסוד. קרא את ממצא NIST CAISI מסעיף 02 כאמירה טכנית ולא כאזהרה והוא מסביר את המוצר: מודל שהיישור שלו חי במשקליו, שמוגש בלי שכבת מדיניות חיצונית, מתנהג לפי משקליו.
למה זה חשוב במיוחד לסוכנים
סירובים נדונים בדרך כלל כשאלת תוכן. בעבודה סוכנית הם בעיקר שאלת אמינות. סירוב בסבב 31 מתוך ריצה של 40 סבבים אינו דחייה מנומסת שקוראים וממשיכים הלאה — הוא צעד פגום, מתזמר שאינו יודע איך להמשיך, תוכנית שבורה, ו-30 סבבים של טוקנים שהוצאו בלי שום דבר להראות. מחקר אבטחה, ניתוח נוזקות, בדיקות חדירה, red team, בדיון למבוגרים, ניסוח רפואי ומשפטי, ויצירת מערכי נתונים לאימון בטיחות — כולם נתקלים בזה כל הזמן, והכשל יקר בדיוק מפני שהוא נוחת מאוחר.
הצד השני הוא ששכבת המדיניות היא עכשיו שלך. השימוש בשער של Shannon AI כפוף למדיניות השימוש האחראי שלנו; הסרת שיקול הדעת של הספק מהלולאה פירושה לספק שיקול דעת משלך.
06מה נקודת הקצה באמת נותנת לך
| יכולת | GLM-5.2 · 3BIT-REAP |
|---|---|
| מזהה המודל | GLM-5.2-3BIT-REAP |
| חלון הקשר | 262,144 טוקנים |
| פלט מרבי לבקשה | 16,384 טוקנים |
| הזרמה | כן |
| קריאת כלים | כן |
חשיבה / reasoning_effort | כן |
JSON Schema (json_schema) | כן |
response_format | כן |
| ראייה / קלט תמונה | לא — טקסט בלבד |
| שכבת סירוב / סינון פלט | אין |
קרא את שורת הראייה בעיון לפני שאתה בונה. GLM-5.2 הוא טקסט בלבד בשער שלנו. אם אתה זקוק לקלט תמונה, בקטלוג יש חמש אפשרויות עם ראייה — MiniMax-M3 ו-MiMo-V2.5 על רצפת $0.50 / $2.00, Kimi-K2.6 ב-$0.78 / $3.67, inkling ב-$1.42 / $6.07, ו-Kimi-K3 ב-$3.83 / $19.12. דפוס הגיוני הוא לנתב הבנת תמונות ל-MiniMax-M3 ואת כל השאר ל-GLM-5.2, וזה אינו עולה יותר ממחרוזת מודל.
שלושה דיאלקטים, מודל אחד
אותו מודל זמין דרך שלושה פורמטים של בקשה, כולם בהזרמה: /v1/chat/completions (דיאלקט OpenAI), /v1/messages (דיאלקט Anthropic), ו-/v1/responses. שום דבר במודל אינו משתנה ביניהם — בחר את זה שה-SDK שלך כבר מדבר, ובדרך כלל אתה במרחק שינוי אחד של כתובת בסיס מלרוץ.
# 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, )
סכמות הבקשה והתשובה המלאות לשלושת הדיאלקטים, פורמט קריאת הכלים, צורות אירועי ההזרמה ומגרש משחקים אינטראקטיבי נמצאים בתיעוד ה-API של Shannon AI.
07מתי לבחור ב-GLM-5.2 — ומתי לא
פנה אליו כאשר
- אתה מריץ סוכנים. לולאות ארוכות של קריאת כלים הן מה שהשושלת הזו נבנתה ועברה עבורו אימון מאוחר שוב ושוב, ומחיר הקלט הופך שיחה הולכת וגדלה למשתלמת לשליחה מחדש בכל סבב.
- אתה עובד על בסיס קוד גדול. 262K של הקשר, פורמט קריאות כלים אמין, ו-$0.19 כדי לקרוא את החלון כולו.
- הנפח הוא האילוץ שלך. סיווג, חילוץ, יצירת נתונים סינתטיים, שכתוב המוני — כל דבר שבו עלות לקריאה כפול מספר גדול מכריעה אם הפרויקט בר-קיימא.
- סירובים שוברים לך את הצינור. מחקר אבטחה, בדיקות יריביות, בדיון ללא צנזורה, ניסוח רגיש — מצב הכשל הזה אינו קיים כאן.
פנה למשהו אחר כאשר
- אתה זקוק לראייה. טקסט בלבד. ראה את האפשרויות עם ראייה למעלה.
- אתה זקוק לחשיבה העמוקה ביותר בסבב יחיד. לבעיות האנליטיות הקשות ביותר בזריקה אחת, DeepSeek-V4-Pro-0813 · 3BIT-REAP הוא הכלי הכבד יותר בעלות משוקללת גבוהה פי 2.2 — בקריאות שבהן התקרה היא האילוץ, זו הפשרה הנכונה.
- אתה זקוק לנאמנות מרבית בידע אזוטרי. דרג ה-
W8A16— MiMo-V2.5-Pro ו-Hy3 — דחוס בהרבה פחות אגרסיביות ויושב על רצפת $0.50 / $2.00, על מודלי יסוד קטנים יותר.
כל מספר על מודל היסוד בדף הזה פורסם על ידי מישהו אחר מאיתנו. מספרי התמחור והיכולות הם ערכי הקטלוג החיים שלנו, שניתן לאמת מול /v1/models עם המפתח שלך. בדוק את המקורות הראשוניים בעצמך.
מספרי הבנצ'מרק של GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) מדווחים על ידי Z.ai עבור מודל היסוד הלא דחוס; שחזור עצמאי טרם נעשה. המספרים של Claude Opus 4.8 ושל GPT-5.5 מוצגים לצורך התייחסות בלבד. מחירון ה-API הרשמי של GLM-5.2 כפי שפורסם על ידי Z.ai, ספטמבר 2026.
08שאלות נפוצות
מהו ה-API של GLM ללא צנזורה ב-Shannon AI?
זהו מזהה המודל GLM-5.2-3BIT-REAP בשער של Shannon AI: בנייה דחוסה של מודל היסוד הסוכני GLM-5.2 של Z.ai, שמוגש על אשכול ה-GPU שלנו בלי שכבת סירוב ובלי סינון פלט. הוא עולה $0.73 למיליון טוקני קלט ו-$2.34 למיליון טוקני פלט, נושא חלון הקשר של 262,144 טוקנים, וזמין ב-/v1/chat/completions, ב-/v1/messages וב-/v1/responses.
למה GLM 5.2 ללא צנזורה זול יותר משאר המודלים הגדולים בקטלוג?
בגלל אופן הדחיסה שלו. 3BIT-REAP משלב משקלים של 3 סיביות עם REAP, שיטת גיזום מומחים למודלי Mixture-of-Experts שמסירה מומחים שמנותבים אליהם לעיתים רחוקות לפני הקוונטיזציה. מודל יסוד MoE דליל עם כ-40B פרמטרים פעילים לכל טוקן, שנגזם וקוונטז כך, תופס הרבה פחות זיכרון והרבה פחות שניות GPU לכל טוקן ממודל צפוף באיכות שוות ערך, והמחיר משקף זאת.
האם GLM בלי סירוב פירושו שלמודל אין מעקות בטיחות כלל?
פירושו ש-Shannon אינה מוסיפה כאלה. אין מסווג סירוב לפני המודל ואין מסנן על הטוקנים שיוצאים ממנו. מודל היסוד שומר על כל נטייה שהאימון שלו העניק לו, אבל שום דבר חיצוני אינו גובר עליה. שכבת המדיניות היא באחריותך, והשימוש כפוף למדיניות השימוש האחראי של Shannon AI.
האם GLM-5.2 3BIT-REAP תומך בראייה או בקלט תמונה?
לא. המודל הזה הוא טקסט בלבד. אם אתה זקוק לקלט תמונה בנקודת קצה ללא צנזורה, השתמש באחד מהמודלים בעלי הראייה בקטלוג, כגון MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 או inkling. GLM-5.2 כן תומך בפלט מובנה — גם json_schema וגם response_format — ובקריאת כלים.
מהו חלון ההקשר ומהו אורך הפלט המרבי?
262,144 טוקנים של הקשר ו-16,384 טוקנים של פלט לכל בקשה. מילוי חלון ההקשר כולו פעם אחת עולה בערך 19 סנט לפי $0.73 למיליון טוקני קלט, והשלמה באורך מרבי עולה פחות מ-4 סנט.
האם זה מודל סוכני טוב ללא צנזורה ללולאות ארוכות של קריאת כלים?
זה המודל שאליו אנחנו פונים ראשון. שושלת GLM אומנה במפורש לעבודה סוכנית מאז GLM-4.5, קריאת כלים ו-reasoning_effort נתמכים שניהם, והמחיר אומר שמאה סבבי סוכן של עשרים אלף טוקנים עולים בערך שני דולרים במקום אחד עשר. סירובים הם גם מצב כשל אמיתי בלולאות סוכן, וכאן אין שכבת סירוב שתפעיל אחד כזה.
נסה את ה-API של GLM ללא צנזורה
$0.73 קלט · $2.34 פלט · הקשר 262K · בלי שכבת סירוב.
קרא את תיעוד ה-API עיין בכל המודליםShannon Lab LLC, ניו מקסיקו, ארה"ב · השימוש כפוף למדיניות השימוש האחראי
מקורות: מאגר GLM-5 של 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 · הערכת NIST CAISI ל-GLM-5.2 של Z.ai, יולי 2026. ציוני הבנצ'מרק של מודל היסוד מדווחים על ידי המעבדה והם זמניים; הם מתארים את GLM-5.2 הלא דחוס, לא את הבנייה הדחוסה הזו. מספרי התמחור, ההקשר והיכולות הם ערכי הקטלוג של Shannon AI נכון ל-5 בספטמבר 2026.