API GLM tanpa sensor: nilai terbaik per token

Sebagian besar perbandingan "model termurah" itu tidak jujur, karena opsi murahnya biasanya model kecil yang mengenakan pemasaran model besar. Bukan itu yang terjadi di sini. GLM-5.2 adalah salah satu fondasi bobot terbuka terbesar yang pernah dirilis siapa pun, dan pada $0.73 masuk / $2.34 keluar ia duduk satu anak tangga di atas lantai katalog kami sambil membawa fondasi beberapa kali lebih besar dari yang biasanya bisa dibeli di lantai itu. Selisih itu — model besar, harga nyaris lantai — adalah alasan halaman ini ada.

01Dari mana GLM berasal: Tsinghua, blank infilling, dan belokan tajam ke arah agen

GLM bukan turunan Llama yang diberi label baru. Ia salah satu dari sedikit keluarga model yang punya tujuan pra-pelatihannya sendiri, yang diiterasi selama lima tahun oleh kelompok riset yang sama. Namanya adalah singkatan dari General Language Model, dan makalah pendirinya — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — mengusulkan opsi ketiga di samping masked language modeling milik BERT dan autoregresi kiri-ke-kanan yang ketat milik GPT. GLM mengosongkan rentang teks yang berdampingan lalu membangkitkannya kembali secara autoregresif dalam urutan yang diacak, dengan pengodean posisi dua dimensi yang melacak baik posisi sebuah token dalam dokumen yang dirusak maupun posisinya di dalam rentang yang sedang diisi: satu arsitektur yang menangani pemahaman dan pembangkitan sama baiknya.

Kelompok di baliknya adalah Knowledge Engineering Group Universitas Tsinghua, yang melahirkan perusahaan yang kini dikenal sebagai Z.ai (sebelumnya Zhipu AI). Artefak utamanya yang pertama adalah GLM-130B pada Oktober 2022 — model dense dwibahasa Inggris/Mandarin berukuran 130 miliar parameter, dengan bobot dan kode dirilis publik pada saat publikasi. Rilis terbuka telah menjadi gaya rumah mereka sejak saat itu.

Era MoE, dan poros ke agen

Benang merahnya lebih penting daripada rilis mana pun secara terpisah. Sejak GLM-4.5, setiap versi dioptimalkan untuk hal yang sama: tetap koheren melintasi puluhan tool call. Itu tujuan yang berbeda dari memaksimalkan skor benchmark satu giliran, dan wujudnya adalah lebih sedikit argumen tool yang cacat bentuk, lebih sedikit penyimpangan dalam rencana panjang, dan lebih jarang perilaku "dengan percaya diri memulai ulang tugasnya di giliran ke-14" yang membuat kerangka kerja agen jadi mahal.

02Apa itu GLM-5.2, dan berapa hasil pengukurannya

Z.ai mempublikasikan angka benchmark untuk GLM-5.2 di repositori GLM-5. Dua di antaranya memetakan kerja agentik nyata, bukan sekadar mengingat trivia:

Terminal-Bench 2.1 — tugas agen baris perintah berhorizon panjang. Dilaporkan Z.ai.

SWE-bench Pro — penyelesaian isu di repositori nyata. Dilaporkan Z.ai; GLM-5.1 meraih 58,4 pada uji yang sama.

Itu angka labnya, bukan angka kami, dan angka itu menggambarkan fondasi yang tidak terkompresi. Angka-angka itu menetapkan kelas model yang sedang Anda hadapi, bukan sebuah jaminan.

Satu titik data lebih berharga daripada sebuah benchmark, karena datang dari pengevaluasi yang tidak punya insentif untuk menyanjung modelnya. Pada Juli 2026 Center for AI Standards and Innovation milik National Institute of Standards and Technology Amerika Serikat menilai GLM-5.2 dan menyimpulkan bahwa ia kemungkinan besar merupakan model AI bobot terbuka paling mampu yang tersedia saat dirilis, dengan kemampuan keseluruhan setara GPT-5.2 dan kemampuan siber setara Claude Opus 4.6. Penilaian yang sama mengamati bahwa GLM-5.2 memblokir lebih sedikit permintaan sensitif dibanding model rujukan Amerika Serikat, dan bahwa pengaman yang dipanggang ke dalam bobot terbuka bisa disiasati begitu bobot itu di-hosting sendiri. Bagian 05 kembali membahas hal itu.

03Apa arti "3BIT-REAP", dan apa harganya bagi Anda

REAP: memangkas expert alih-alih menggabungkannya

Model MoE 744B parameter punya 256 expert per lapisan, dan 8 di antaranya menyala pada token mana pun. Router tidak menyebar beban secara merata — sebagian expert dipanggil terus-menerus, sementara ekor panjangnya jarang dipanggil dan menyumbang sedikit saat dipanggil. REAP (Router-weighted Expert Activation Pruning), dari Cerebras Research dan diterima di ICLR 2026, memanfaatkan hal itu: ia menilai tiap expert lewat kriteria saliensi yang memadukan seberapa kuat dan sering router menggerbangnya dengan besarnya sumbangan keluarannya, lalu membuang permanen yang skornya rendah.

Bagian menariknya adalah perbandingan yang dimenangkan REAP. Alternatif yang jelas dari membuang sebuah expert adalah menggabungkannya ke expert yang bertahan, dan itu terdengar lebih aman. Temuan makalahnya pada model MoE dari 20B sampai 1T parameter adalah bahwa penggabungan sebenarnya lebih buruk untuk kerja generatif, dan pemangkasan bertahan sangat baik: nyaris tanpa kehilangan pada benchmark pembuatan kode dan tool calling bahkan setelah separuh expert dibuang, pada fondasi termasuk Qwen3-Coder-480B dan Kimi-K2. Kode dan tool calling yang selamat utuh persis merupakan hal yang ingin Anda pertahankan pada model yang alasan keberadaannya adalah agentic engineering.

Bobot 3-bit, dan pertukaran yang jujur

Di atas pemangkasan itu, bobot yang bertahan disimpan pada 3 bit — lebih agresif daripada tingkat W4A16-AUTOROUND-REAP dan W8A16 di tempat lain dalam katalog kami, dan disediakan untuk fondasi terbesar, tempat tidak ada cara lain untuk memuat model tiga perempat triliun parameter ke dalam satu node penyajian sambil menjaga token mengalir pada laju yang bisa dipakai.

Kompresi tidak gratis. Model mental yang tepat: pemangkasan dan kuantisasi merusak ekor panjangnya lebih dulu. Perilaku yang padat dan sering dilatih — mengikuti instruksi, struktur kode, format tool call, perencanaan bertahap — bertahan dengan baik, dan itulah persis yang ditunjukkan hasil REAP. Ingatan faktual yang tak umum, bahasa langka, dan trivia domain ceruk adalah tempat Anda sebaiknya mengharapkan perbedaan dibanding GLM-5.2 yang tidak terkompresi. Kalau beban kerja Anda adalah "tahu fakta tak lazim di luar kepala", bayarlah tingkat kesetiaan yang lebih tinggi. Kalau beban kerjanya adalah "menjalankan sebuah rencana melintasi empat puluh tool call tanpa keluar jalur", inilah tingkat yang memang menjadi tujuan metode ini dirancang.

04Soal nilai: berapa biaya sebenarnya menjalankan API LLM tanpa sensor yang murah

Harga daftar API resmi Z.ai sendiri untuk GLM-5.2 adalah $1.40 per satu juta token masukan dan $4.40 per satu juta keluaran. Harga kami pada fondasi yang sama adalah $0.73 / $2.34 — kira-kira 48% lebih murah pada masukan dan 47% lebih murah pada keluaran. Diskon itu adalah hasil dari kompresinya, dan datang bersama satu hal lagi yang tidak bisa Anda beli dari penyedia aslinya dengan harga berapa pun: tanpa lapisan penolakan.

Di dalam katalog kami sendiri, biaya campuran adalah angka yang penting. Ini dia pada rasio masukan-ke-keluaran 3:1, kira-kira seperti wujud agen tool calling dalam praktik — banyak konteks dan hasil tool masuk, relatif sedikit token keluar.

Model	Masuk / 1J	Keluar / 1J	Campuran 3:1	Visi
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	Tidak
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	Tidak
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	Ya
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Tidak
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Ya
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Ya

Enam model duduk di lantai $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro dan Hy3 — dengan tarif campuran $0.875. GLM-5.2 berada 29% di atas lantai itu dan membelikan Anda fondasi kelas 744B dengan investasi berkelanjutan pada perilaku agentik di belakangnya. Semua yang berharga di atasnya berbiaya setidaknya 23% lebih tinggi secara campuran, dan Kimi-K3 berbiaya 6,8× lebih mahal. Itulah argumen nilainya dalam satu baris: tempat termurah di katalog untuk membeli fondasi agentik kelas atas.

Diterjemahkan ke dalam pekerjaan

• Satu pengisian konteks penuh — 262.144 token masukan: $0.19. Satu repositori besar utuh dibaca ke dalam jendela dengan biaya di bawah dua puluh sen.
• Satu penyelesaian sepanjang batas maksimum — 16.384 token keluaran: $0.038.
• Satu giliran agen — 20K masuk, 2K keluar: $0.019. Giliran yang sama berbiaya $0.115 pada Kimi-K3 dan $0.047 pada DeepSeek-V4-Pro.
• Seratus giliran agen: $1.93, dibanding $11.48 pada model termahal di katalog.

Beban kerja agentik itu berat di sisi masukan, dan keunggulan GLM paling besar justru di sana: harga masukannya 5,2× lebih rendah dari Kimi-K3 dan 2,7× lebih rendah dari DeepSeek-V4-Pro. Kalau agen Anda mengirim ulang percakapan yang terus membesar setiap giliran — dan hampir semua agen begitu — pengali itulah yang berakhir di tagihan Anda.

05Apa arti "tanpa sensor" pada endpoint ini

Persisnya dua hal: tidak ada lapisan penolakan — tidak ada pengklasifikasi yang memutuskan permintaan mana yang boleh dilihat modelnya, dan tidak ada model kebijakan yang menulis ulang prompt Anda sebelum sampai — dan tidak ada penyaringan keluaran, artinya token yang dihasilkan modelnya adalah token yang Anda terima, tanpa disunting dan tanpa ditukar.

Itu proposisi yang berbeda dari API komersial yang mengiklankan mode "santai" atau "developer". Yang seperti itu tetap merutekan trafik lewat tumpukan kebijakan vendornya; yang berubah adalah ambangnya, bukan keberadaan gerbangnya. Di sini tidak ada gerbang yang bisa disetel — modelnya berjalan di klaster GPU kami sendiri, dan perilakunya adalah perilaku fondasinya. Baca temuan NIST CAISI dari bagian 02 sebagai pernyataan teknis alih-alih peringatan, dan itu menjelaskan produknya: model yang alignment-nya tinggal di dalam bobotnya, dilayani tanpa lapisan kebijakan eksternal, berperilaku sesuai bobotnya.

Kenapa ini penting khusus untuk agen

Penolakan biasanya dibahas sebagai persoalan konten. Dalam kerja agentik, penolakan sebagian besar adalah persoalan keandalan. Sebuah penolakan di giliran ke-31 dari sesi 40 giliran bukan penolakan sopan yang Anda baca lalu lewati begitu saja — itu langkah yang cacat bentuk, orkestrator yang tidak tahu cara melanjutkan, rencana yang rusak, dan 30 giliran token terpakai tanpa hasil apa pun. Riset keamanan, analisis malware, penetration testing, red-teaming, fiksi dewasa, penyusunan draf medis dan hukum, serta pembuatan dataset untuk pelatihan keselamatan semuanya menabrak hal ini terus-menerus, dan kegagalannya mahal justru karena datang terlambat.

Sisi lainnya adalah lapisan kebijakan kini menjadi milik Anda. Penggunaan Shannon AI Gateway diatur oleh Kebijakan Penggunaan Bertanggung Jawab kami; mengeluarkan penilaian vendor dari lingkarannya berarti Anda harus memasok penilaian Anda sendiri.

06Apa yang benar-benar diberikan endpoint-nya

Kemampuan	GLM-5.2 · 3BIT-REAP
Id model	GLM-5.2-3BIT-REAP
Jendela konteks	262.144 token
Keluaran maks per permintaan	16.384 token
Streaming	Ya
Tool calling	Ya
Penalaran / reasoning_effort	Ya
JSON Schema (json_schema)	Ya
response_format	Ya
Visi / masukan gambar	Tidak — teks saja
Lapisan penolakan / penyaringan keluaran	Tidak ada

Baca baris visi dengan saksama sebelum Anda membangun. GLM-5.2 hanya teks di gateway kami. Kalau Anda butuh masukan gambar, katalognya punya lima opsi berkemampuan visi — MiniMax-M3 dan MiMo-V2.5 di lantai $0.50 / $2.00, Kimi-K2.6 di $0.78 / $3.67, inkling di $1.42 / $6.07, dan Kimi-K3 di $3.83 / $19.12. Pola yang masuk akal adalah merutekan pemahaman gambar ke MiniMax-M3 dan sisanya ke GLM-5.2, dan itu tidak memakan biaya apa pun selain mengubah string model.

Tiga dialek, satu model

Model yang sama bisa dijangkau lewat tiga format permintaan, semuanya mendukung streaming: /v1/chat/completions (dialek OpenAI), /v1/messages (dialek Anthropic), dan /v1/responses. Tidak ada yang berubah pada modelnya di antara ketiganya — pilih mana pun yang sudah dipahami SDK Anda, dan biasanya Anda hanya berjarak satu perubahan base URL dari mulai berjalan.

# 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,
)

Skema permintaan dan respons lengkap untuk ketiga dialek, format tool calling, bentuk event streaming, dan playground interaktif ada di dokumentasi API Shannon AI.

07Kapan memilih GLM-5.2 — dan kapan tidak

Ambil model ini ketika

• Anda menjalankan agen. Loop tool calling yang panjang adalah tujuan garis keturunan ini dibangun dan berkali-kali dipasca-latih, dan harga masukannya membuat percakapan yang terus membesar tetap terjangkau untuk dikirim ulang tiap giliran.
• Anda bekerja lintas basis kode besar. Konteks 262K, format tool call yang andal, dan $0.19 untuk membaca seluruh jendelanya.
• Volume adalah kendala Anda. Klasifikasi, ekstraksi, pembuatan data sintetis, penulisan ulang massal — apa pun yang biaya per panggilannya dikalikan angka besar menentukan apakah proyeknya layak.
• Penolakan sedang merusak pipeline Anda. Riset keamanan, pengujian adversarial, fiksi tanpa sensor, penyusunan draf sensitif — mode kegagalan itu tidak hadir di sini.

Ambil yang lain ketika

• Anda butuh visi. Teks saja. Lihat opsi berkemampuan visi di atas.
• Anda butuh penalaran satu giliran yang paling dalam. Untuk masalah analitis sekali-jalan yang paling sulit, DeepSeek-V4-Pro-0813 · 3BIT-REAP adalah instrumen yang lebih berat dengan 2,2× biaya campuran — pada panggilan yang kendalanya adalah plafon kemampuan, itu pertukaran yang tepat.
• Anda butuh kesetiaan maksimum pada pengetahuan yang tak umum. Tingkat W8A16 — MiMo-V2.5-Pro dan Hy3 — dikompresi jauh lebih ringan dan duduk di lantai $0.50 / $2.00, pada fondasi yang lebih kecil.

Angka benchmark GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) dilaporkan oleh Z.ai untuk fondasi yang tidak terkompresi; replikasi independen masih tertunda. Angka Claude Opus 4.8 dan GPT-5.5 ditampilkan hanya sebagai rujukan. Harga daftar API GLM-5.2 dari penyedia aslinya sebagaimana dipublikasikan Z.ai, September 2026.

08Pertanyaan yang sering diajukan

---

Sumber: Repositori GLM-5 Z.ai · Du dkk., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng dkk., GLM-130B: An Open Bilingual Pre-trained Model · Lasby dkk., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · Penilaian NIST CAISI atas GLM-5.2 milik Z.ai, Juli 2026. Skor benchmark fondasi dilaporkan oleh lab dan bersifat sementara; skor itu menggambarkan GLM-5.2 yang tidak terkompresi, bukan build terkompresi ini. Angka harga, konteks, dan kemampuan adalah nilai katalog Shannon AI per 5 September 2026.