GLM API bez cenzure: najbolja vrijednost po tokenu

Većina usporedbi „najjeftinijeg modela” nepoštena je, jer je jeftina opcija obično malen model u marketinškom ruhu velikoga. Ovdje se ne događa to. GLM-5.2 jedan je od najvećih temelja otvorenih težina koje je itko objavio, a uz 0,73 $ ulaz / 2,34 $ izlaz sjedi jednu stepenicu iznad dna našeg kataloga, noseći temelj nekoliko puta veći od onoga što se za to dno obično dobiva. Taj razmak — velik model, cijena blizu dna — razlog je postojanja ove stranice.

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

GLM nije prebrendirana izvedenica Llame. To je jedna od rijetkih obitelji modela s vlastitim ciljem predtreniranja, koju ista istraživačka skupina razvija pet godina. Naziv označava 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 jezično modeliranje i GPT-ovu strogu autoregresiju slijeva nadesno. GLM prazni suvisle raspone i regenerira ih autoregresivno u izmiješanom redoslijedu, uz dvodimenzionalna pozicijska kodiranja koja prate i položaj tokena u pokvarenom dokumentu i njegov položaj unutar raspona koji se popunjava: jedna arhitektura koja jednako dobro obavlja razumijevanje i generiranje.

Iza toga je stajala Knowledge Engineering Group sa Sveučilišta Tsinghua, iz koje je izdvojena tvrtka danas poznata kao Z.ai (ranije Zhipu AI). Njezin prvi udarni proizvod bio je GLM-130B u listopadu 2022. — dvojezični engleski/kineski gusti model sa 130 milijardi parametara, čije su težine i kod javno objavljeni istodobno s radom. Otvoreno objavljivanje otad je kućni stil.

MoE era i zaokret prema agentima

Zajednička nit važnija je od bilo kojeg pojedinačnog izdanja. Od GLM-4.5 svaka je verzija optimizirana za istu stvar: ostati suvisao kroz desetke poziva alata. To je drukčiji cilj od maksimiziranja rezultata na mjerilima s jednim potezom, a očituje se kao manje neispravnih argumenata alata, manje odlutavanja u dugom planu i manje onog ponašanja tipa „samouvjereno kreće ispočetka u 14. potezu” koje agentske okvire čini skupima.

02Što je GLM-5.2 i na čemu je izmjeren

Z.ai objavljuje brojke s mjerila za GLM-5.2 u repozitoriju GLM-5. Dvije se preslikavaju na stvaran agentski rad, a ne na dosjećanje sitnica:

Terminal-Bench 2.1 — dugoročni agentski zadaci u naredbenom retku. 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 laboratorijske brojke, a ne naše, i opisuju nekomprimirani temelj. One utvrđuju s kojom klasom modela imate posla, a ne jamstvo.

Jedan podatak vrijedi više od mjerila, jer dolazi od ocjenjivača koji nema poticaja laskati modelu. U srpnju 2026. Center for AI Standards and Innovation američkog Nacionalnog instituta za standarde i tehnologiju procijenio je GLM-5.2 i zaključio da je to vjerojatno bio najsposobniji dostupni AI model otvorenih težina u trenutku objave, s ukupnim sposobnostima usporedivima s GPT-5.2 i kibernetičkim sposobnostima usporedivima s Claude Opusom 4.6. Ista je procjena zamijetila da GLM-5.2 blokira manje osjetljivih zahtjeva od američkih referentnih modela te da se zaštitni mehanizmi ugrađeni u otvorene težine mogu zaobići kad se te težine samostalno poslužuju. Odjeljak 05 vraća se na to.

03Što znači „3BIT-REAP” i koliko vas to stoji

REAP: obrezivanje stručnjaka umjesto njihova spajanja

MoE model sa 744 milijarde parametara ima 256 stručnjaka po sloju, od kojih na bilo kojem tokenu okida njih 8. Usmjerivač ne raspoređuje posao ravnomjerno — u neke se stručnjake udara neprestano, a dugačak rep bira se rijetko i tada malo doprinosi. REAP (Router-weighted Expert Activation Pruning), iz Cerebras Researcha i prihvaćen na ICLR 2026, to iskorištava: ocjenjuje svakog stručnjaka kriterijem istaknutosti koji kombinira koliko ga snažno i često usmjerivač propušta s veličinom doprinosa njegova izlaza, a zatim trajno izbacuje one s niskim rezultatom.

Zanimljiv je dio usporedba u kojoj REAP pobjeđuje. Očita je alternativa izbacivanju stručnjaka njegovo stapanje s preživjelim, što zvuči sigurnije. Nalaz rada na MoE modelima od 20 milijardi do bilijun parametara jest da je stapanje zapravo gore za generativni rad, a obrezivanje se drži izvanredno dobro: gotovo bez gubitaka na mjerilima za generiranje koda i pozivanje alata čak i nakon uklanjanja polovice stručnjaka, na temeljima uključujući Qwen3-Coder-480B i Kimi-K2. To da kod i pozivanje alata prežive netaknuti upravo je ono što želite sačuvati na modelu čiji je razlog postojanja agentski inženjering.

3-bitne težine i pošten kompromis

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

Kompresija nije besplatna. Ispravan misaoni model: obrezivanje i kvantizacija prvo degradiraju dugi rep. Gusta, često vježbana ponašanja — praćenje uputa, struktura koda, oblikovanje poziva alata, višekoračno planiranje — dobro preživljavaju, a upravo to i pokazuju REAP rezultati. Nejasno činjenično dosjećanje, rijetki jezici i uskostručne sitnice mjesta su gdje treba očekivati razliku u odnosu na nekomprimirani GLM-5.2. Ako je vaše opterećenje „znaj neobičnu činjenicu napamet”, platite razinu veće vjernosti. Ako je „provedi plan kroz četrdeset poziva alata bez ispadanja iz kolosijeka”, ovo je razina za koju je metoda i osmišljena.

04Argument vrijednosti: koliko doista stoji pokretanje jeftinog LLM API-ja bez cenzure

Z.aijeva vlastita objavljena cjenovna stavka za GLM-5.2 API iznosi 1,40 $ po milijunu ulaznih tokena i 4,40 $ po milijunu izlaznih. Naša cijena na istom temelju je 0,73 $ / 2,34 $ — otprilike 48 % niže na ulazu i 47 % niže na izlazu. Taj popust kupuje kompresija, a uz njega dolazi i druga stvar koju kod proizvođača ne možete kupiti ni po kojoj cijeni: nepostojanje sloja odbijanja.

Unutar našeg kataloga važna je brojka mješoviti trošak. Evo ga uz omjer ulaza i izlaza 3:1, otprilike onako kako u praksi izgleda agent koji poziva alate — puno konteksta i rezultata alata ulazi, razmjerno malo tokena izlazi.

Model	Ulaz / 1M	Izlaz / 1M	Mješovito 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 sjedi na dnu od 0,50 $ / 2,00 $ — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro i Hy3 — što daje mješovitu stopu od 0,875 $. GLM-5.2 je 29 % iznad tog dna i kupuje vam temelj klase 744 milijarde parametara iza kojeg stoji trajno ulaganje u agentsko ponašanje. Sve što je cijenom iznad njega stoji barem 23 % više mješovito, a Kimi-K3 stoji 6,8× više. To je argument vrijednosti u jednom retku: 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 velik repozitorij učitan u prozor za manje od dvadeset centi.
• Jedan dovršetak najveće duljine — 16.384 izlazna tokena: 0,038 $.
• Jedan potez agenta — 20 tis. ulaz, 2 tis. izlaz: 0,019 $. Isti potez stoji 0,115 $ na Kimi-K3 i 0,047 $ na DeepSeek-V4-Pro.
• Sto poteza agenta: 1,93 $, naspram 11,48 $ na najskupljem modelu u katalogu.

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

05Što „bez cenzure” znači na ovoj krajnjoj točki

Dvije stvari, precizno: nema sloja odbijanja — nema klasifikatora koji odlučuje koje zahtjeve model smije vidjeti ni modela politike koji prepisuje vaš prompt prije nego što stigne — i nema filtriranja izlaza, što znači da su tokeni koje model proizvede tokeni koje primite, neredigirani i nezamijenjeni.

To je drukčija ponuda od komercijalnog API-ja koji reklamira „opušteni” ili „razvojni” način rada. Oni i dalje promet vode kroz proizvođačev sklop politika; mijenja se prag, a ne postojanje vrata. Ovdje nema vrata za ugađanje — model radi na našem vlastitom GPU klasteru i njegovo je ponašanje ponašanje temelja. Pročitajte nalaz NIST CAISI-ja iz odjeljka 02 kao tehničku izjavu, a ne upozorenje, i on objašnjava proizvod: model čije usklađivanje živi u njegovim težinama, poslužen bez vanjskog sloja politike, ponaša se prema svojim težinama.

Zašto je to posebno važno za agente

O odbijanjima se obično raspravlja kao o pitanju sadržaja. U agentskom su radu ona uglavnom pitanje pouzdanosti. Odbijanje u 31. potezu izvođenja od 40 poteza nije pristojno odbijanje koje pročitate i krenete dalje — to je neispravan korak, orkestrator koji ne zna kako nastaviti, razbijen plan i 30 poteza potrošenih tokena bez ičega za pokazati. Sigurnosna istraživanja, analiza zlonamjernog softvera, penetracijsko testiranje, red teaming, fikcija za odrasle, medicinsko i pravno sastavljanje dokumenata te generiranje skupova podataka za sigurnosno treniranje na to neprestano nailaze, a propust je skup upravo zato što stiže kasno.

Naličje je da je sloj politike sada vaš. Uporaba Shannon AI pristupnika uređena je našim Pravilima odgovorne uporabe; uklanjanje proizvođačeve prosudbe iz petlje znači da morate priložiti vlastitu.

06Što vam krajnja točka doista daje

Mogućnost	GLM-5.2 · 3BIT-REAP
Id modela	GLM-5.2-3BIT-REAP
Kontekstni prozor	262.144 tokena
Najveći izlaz po zahtjevu	16.384 tokena
Streaming	Da
Pozivanje alata	Da
Promišljanje / reasoning_effort	Da
JSON shema (json_schema)	Da
response_format	Da
Vid / slikovni ulaz	Ne — samo tekst
Sloj odbijanja / filtriranje izlaza	Nema

Pažljivo pročitajte redak o vidu prije nego što počnete graditi. GLM-5.2 na našem je pristupniku samo tekstualni. Ako vam treba slikovni ulaz, katalog nudi pet opcija s vidom — MiniMax-M3 i MiMo-V2.5 na dnu od 0,50 $ / 2,00 $, Kimi-K2.6 uz 0,78 $ / 3,67 $, inkling uz 1,42 $ / 6,07 $ i Kimi-K3 uz 3,83 $ / 19,12 $. Razuman je obrazac razumijevanje slika usmjeriti na MiniMax-M3, a sve ostalo na GLM-5.2, što ne stoji ništa osim promjene niza s nazivom modela.

Tri dijalekta, jedan model

Isti je model dostupan kroz tri formata zahtjeva, svi sa streamingom: /v1/chat/completions (OpenAI dijalekt), /v1/messages (Anthropicov dijalekt) i /v1/responses. Ništa se na modelu među njima ne mijenja — odaberite onaj koji vaš SDK već govori i obično ste jednu promjenu osnovnog URL-a udaljeni od rada.

# 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,
)

Potpune sheme zahtjeva i odgovora za sva tri dijalekta, format pozivanja alata, oblici streaming događaja i interaktivni playground nalaze se u dokumentaciji Shannon AI API-ja.

07Kada odabrati GLM-5.2 — a kada ne

Posegnite za njim kada

• Pokrećete agente. Duge petlje s pozivanjem alata ono su za što je ovo podrijetlo izgrađeno i opetovano naknadno trenirano, a ulazna cijena čini priuštivim ponovno slanje razgovora koji raste u svakom potezu.
• Radite preko velike baze koda. 262K konteksta, pouzdano oblikovanje poziva alata i 0,19 $ za čitanje cijelog prozora.
• Obujam vam je ograničenje. Klasifikacija, izlučivanje, generiranje sintetičkih podataka, masovno prepisivanje — sve gdje trošak po pozivu pomnožen velikim brojem odlučuje je li projekt izvediv.
• Odbijanja vam lome cjevovod. Sigurnosna istraživanja, protivničko testiranje, fikcija bez cenzure, osjetljivo sastavljanje dokumenata — taj način zakazivanja ovdje ne postoji.

Posegnite za nečim drugim kada

• Treba vam vid. Samo tekst. Pogledajte gore navedene opcije s vidom.
• Treba vam najdublje promišljanje u jednom potezu. Za najteže analitičke probleme iz jednog pokušaja, DeepSeek-V4-Pro-0813 · 3BIT-REAP teži je instrument uz 2,2× veći mješoviti trošak — na pozivima gdje je ograničenje strop, to je ispravna razmjena.
• Treba vam najveća vjernost na nejasnom znanju. Razina W8A16 — MiMo-V2.5-Pro i Hy3 — komprimirana je znatno manje agresivno i sjedi na dnu od 0,50 $ / 2,00 $, na manjim temeljima.

Brojke s mjerila za GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) prijavio je Z.ai za nekomprimirani temelj; neovisna replikacija još je u tijeku. Brojke za Claude Opus 4.8 i GPT-5.5 prikazane su samo radi usporedbe. Cjenovne stavke proizvođačevog GLM-5.2 API-ja kako ih je objavio Z.ai, rujan 2026.

08Često postavljana pitanja

---

Izvori: Z.ai repozitorij GLM-5 · Du i sur., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng i sur., GLM-130B: An Open Bilingual Pre-trained Model · Lasby i sur., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI procjena GLM-5.2 tvrtke Z.ai, srpanj 2026.. Rezultati temelja s mjerila laboratorijski su prijavljeni i privremeni; opisuju nekomprimirani GLM-5.2, a ne ovu komprimiranu izvedbu. Brojke o cijenama, kontekstu i mogućnostima vrijednosti su iz Shannon AI kataloga na dan 5. rujna 2026.