Necenzūruotas GLM API: geriausia kaina už žetoną

Dauguma „pigiausio modelio“ palyginimų yra nesąžiningi, nes pigusis variantas paprastai yra mažas modelis, apsirengęs didelio modelio rinkodara. Čia vyksta ne tai. GLM-5.2 yra vienas didžiausių kada nors išleistų atviro kodo svorių pagrindų, o su $0.73 įvestis / $2.34 išvestis jis stovi vienu laipteliu virš mūsų katalogo grindų, nešdamas kelis kartus didesnį pagrindą nei tas, kurį tos grindys paprastai perka. Būtent šis atotrūkis — didelis modelis, beveik grindų kaina — ir yra šio puslapio priežastis.

01Iš kur kilęs GLM: Tsinghua, tarpų užpildymas ir staigus posūkis link agentų

GLM nėra perklijuotas Llama darinys. Tai viena iš nedaugelio modelių šeimų su savu išankstinio mokymo tikslu, kurį penkerius metus tobulino ta pati tyrėjų grupė. Pavadinimas reiškia General Language Model, o pamatinis straipsnis — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — pasiūlė trečią variantą šalia BERT maskuoto kalbos modeliavimo ir GPT griežtos autoregresijos iš kairės į dešinę. GLM ištrina gretimus teksto ruožus ir juos autoregresyviai atkuria sumaišyta tvarka, o dvimatės pozicijų koduotės seka ir žetono vietą sugadintame dokumente, ir jo vietą pildomame ruože: viena architektūra vienodai gerai tvarkosi ir su supratimu, ir su generavimu.

Už jo stovėjo Tsinghua universiteto Žinių inžinerijos grupė, iš kurios išaugo įmonė, dabar žinoma kaip Z.ai (anksčiau Zhipu AI). Pirmasis jos garsus darbas buvo GLM-130B 2022 m. spalį — 130 milijardų parametrų dvikalbis anglų/kinų tankus modelis, kurio svoriai ir kodas buvo viešai išleisti kartu su publikacija. Atviras išleidimas nuo tada yra namų stilius.

MoE era ir posūkis link agentų

Bendra gija svarbesnė už bet kurį atskirą leidimą. Nuo GLM-4.5 kiekviena versija buvo optimizuojama tam pačiam dalykui: išlikti nuosekliai per dešimtis įrankių iškvietimų. Tai kitoks tikslas nei vieno ėjimo etalonų rezultatų maksimizavimas, ir jis pasireiškia mažiau netaisyklingų įrankių argumentų, mažesniu nuklydimu ilgame plane ir rečiau pasitaikančia „užtikrintai perkrauna užduotį 14-ame ėjime“ elgsena, dėl kurios agentų karkasai brangiai kainuoja.

02Kas yra GLM-5.2 ir kokie jo išmatuoti rezultatai

Z.ai skelbia GLM-5.2 etalonų skaičius GLM-5 saugykloje. Du iš jų atitinka realų agentinį darbą, o ne faktų atkartojimą:

Terminal-Bench 2.1 — ilgo horizonto komandinės eilutės agento užduotys. Skaičius pateikė Z.ai.

SWE-bench Pro — realių saugyklų problemų sprendimas. Skaičius pateikė Z.ai; GLM-5.1 tame pačiame teste surinko 58,4.

Tai laboratorijos, o ne mūsų skaičiai, ir jie aprašo nesuglaudintą pagrindą. Jie nusako, su kokios klasės modeliu turite reikalą, o ne suteikia garantiją.

Vienas duomuo vertas daugiau nei etalonas, nes jis kyla iš vertintojo, neturinčio jokios paskatos modeliui pataikauti. 2026 m. liepą JAV Nacionalinio standartų ir technologijų instituto AI standartų ir inovacijų centras įvertino GLM-5.2 ir padarė išvadą, kad išleidimo metu tai tikriausiai buvo pajėgiausias prieinamas atviro kodo svorių dirbtinio intelekto modelis, kurio bendri gebėjimai prilygsta GPT-5.2, o kibernetiniai gebėjimai — Claude Opus 4.6. Tas pats vertinimas pastebėjo, kad GLM-5.2 blokuoja mažiau jautrių užklausų nei JAV etaloniniai modeliai ir kad į atvirus svorius įdėtas apsaugas galima apeiti, kai tie svoriai talpinami savarankiškai. Prie to grįžtama 05 skyriuje.

03Ką reiškia „3BIT-REAP“ ir ko jums tai kainuoja

REAP: ekspertų genėjimas vietoj jų sujungimo

744 mlrd. parametrų MoE modelis turi 256 ekspertus kiekviename sluoksnyje, iš kurių bet kuriam žetonui suveikia 8. Maršrutizatorius darbo tolygiai nepaskirsto — į vienus ekspertus kreipiamasi nuolat, o ilgoji uodega pasiekiama retai ir prisideda menkai. REAP (Router-weighted Expert Activation Pruning) iš Cerebras Research, priimtas į ICLR 2026, tuo pasinaudoja: kiekvienas ekspertas įvertinamas pagal reikšmingumo kriterijų, jungiantį tai, kaip stipriai ir dažnai maršrutizatorius jį įjungia, su jo išvesties indėlio dydžiu, o tada žemai įvertintieji visam laikui pašalinami.

Įdomiausia dalis — palyginimas, kurį REAP laimi. Akivaizdi alternatyva eksperto pašalinimui yra jo sujungimas su išlikusiu, ir tai skamba saugiau. Straipsnio išvada MoE modeliuose nuo 20 mlrd. iki 1 trln. parametrų yra ta, kad sujungimas generatyviniam darbui iš tikrųjų yra blogiau, o genėjimas laikosi stebėtinai gerai: beveik be nuostolių kodo generavimo ir įrankių iškvietimo etalonuose net pašalinus pusę ekspertų, pagrinduose, tarp kurių Qwen3-Coder-480B ir Kimi-K2. Nepaliestai išliekantis kodas ir įrankių iškvietimas yra būtent tai, ką norite išsaugoti modelyje, kurio egzistavimo priežastis yra agentinė inžinerija.

3 bitų svoriai ir sąžiningas kompromisas

Ant genėjimo viršaus išlikę svoriai saugomi 3 bitų tikslumu — agresyviau nei W4A16-AUTOROUND-REAP ir W8A16 pakopose kitur mūsų kataloge; tai skirta didžiausiems pagrindams, kur kitaip tris ketvirtadalius trilijono parametrų turinčio modelio į aptarnavimo mazgą tiesiog neįkelsi ir žetonų srauto tinkamu greičiu neišlaikysi.

Glaudinimas nėra nemokamas. Teisingas mąstymo modelis: genėjimas ir kvantavimas pirmiausia nualina ilgąją uodegą. Tankios, dažnai naudojamos elgsenos — nurodymų vykdymas, kodo struktūra, įrankių iškvietimų formatavimas, kelių žingsnių planavimas — išlieka gerai, ir būtent tai rodo REAP rezultatai. Skirtumo, palyginti su nesuglaudintu GLM-5.2, verta tikėtis ten, kur reikia neaiškių faktų atminties, retų kalbų ir siauros srities smulkmenų. Jei jūsų darbo krūvis yra „žinoti neįprastą faktą kaip iš pistoleto“, mokėkite už didesnio ištikimumo pakopą. Jei jis yra „nuvaryti planą per keturiasdešimt įrankių iškvietimų nenuklystant nuo bėgių“, tai yra būtent ta pakopa, kuriai metodas ir buvo sukurtas.

04Vertės argumentas: kiek iš tikrųjų kainuoja pigus necenzūruotas LLM API

Pačios Z.ai paskelbta GLM-5.2 API kainoraščio kaina yra $1.40 už milijoną įvesties žetonų ir $4.40 už milijoną išvesties. Mūsų kaina tam pačiam pagrindui yra $0.73 / $2.34 — maždaug 48 % mažiau įvestyje ir 47 % mažiau išvestyje. Šią nuolaidą perka glaudinimas, ir kartu gaunate antrą dalyką, kurio iš gamintojo nenupirksite už jokią kainą: jokio atsisakymo sluoksnio.

Mūsų pačių kataloge svarbiausias skaičius yra mišri kaina. Štai ji esant 3:1 įvesties ir išvesties santykiui — maždaug taip praktikoje atrodo įrankius kviečiantis agentas: daug konteksto ir įrankių rezultatų įeina, palyginti nedaug žetonų išeina.

Modelis	Įvestis / 1 mln.	Išvestis / 1 mln.	Mišri 3:1	Rega
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	Taip
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Ne
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Taip
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Taip

Šeši modeliai stovi ant $0.50 / $2.00 grindų — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro ir Hy3 — tai $0.875 mišri kaina. GLM-5.2 yra 29 % virš tų grindų ir perka jums 744 mlrd. klasės pagrindą su ilgamete investicija į agentinę elgseną už nugaros. Viskas, kas kainuoja daugiau už jį, mišriai kainuoja bent 23 % brangiau, o Kimi-K3 — 6,8 karto brangiau. Štai vertės argumentas vienoje eilutėje: pigiausia vieta kataloge nusipirkti aukščiausios klasės agentinį pagrindą.

Perskaičiuota į darbą

• Vienas pilnas konteksto užpildymas — 262 144 įvesties žetonai: $0.19. Visa didelė saugykla įskaityta į langą už mažiau nei dvidešimt centų.
• Vienas didžiausio ilgio atsakymas — 16 384 išvesties žetonai: $0.038.
• Vienas agento ėjimas — 20 tūkst. įvesties, 2 tūkst. išvesties: $0.019. Tas pats ėjimas su Kimi-K3 kainuoja $0.115, o su DeepSeek-V4-Pro — $0.047.
• Šimtas agento ėjimų: $1.93, palyginti su $11.48 su brangiausiu katalogo modeliu.

Agentiniai darbo krūviai yra sunkūs įvestyje, ir GLM pranašumas didžiausias būtent ten: jo įvesties kaina yra 5,2 karto mažesnė nei Kimi-K3 ir 2,7 karto mažesnė nei DeepSeek-V4-Pro. Jei jūsų agentas kiekvieną ėjimą iš naujo siunčia augantį pokalbį — o taip daro beveik kiekvienas agentas — būtent šis daugiklis atsiduria jūsų sąskaitoje.

05Ką šiame galiniame taške reiškia „necenzūruotas“

Tiksliai du dalykus: jokio atsisakymo sluoksnio — jokio klasifikatoriaus, sprendžiančio, kurias užklausas modeliui leidžiama matyti, ir jokio politikos modelio, perrašančio jūsų užklausą prieš jai atkeliaujant — ir jokio išvesties filtravimo, t. y. žetonai, kuriuos modelis sukuria, yra tie patys žetonai, kuriuos gaunate: neužtušuoti ir nepakeisti.

Tai kitas pasiūlymas nei komercinis API, reklamuojantis „atpalaiduotą“ arba „kūrėjo“ režimą. Tokie vis tiek leidžia srautą per tiekėjo politikos krūvą; keičiasi slenkstis, o ne vartų buvimas. Čia nėra vartų, kuriuos derintum — modelis veikia mūsų pačių GPU klasteryje, o jo elgsena yra pagrindo elgsena. Perskaitykite 02 skyriuje minėtą NIST CAISI išvadą kaip techninį teiginį, o ne perspėjimą, ir ji paaiškins produktą: modelis, kurio suderinimas gyvena jo svoriuose, teikiamas be išorinio politikos sluoksnio, elgiasi pagal savo svorius.

Kodėl tai ypač svarbu agentams

Atsisakymai paprastai aptariami kaip turinio klausimas. Agentiniame darbe jie daugiausia yra patikimumo klausimas. Atsisakymas 31-ame ėjime iš 40 nėra mandagus atmetimas, kurį perskaitai ir eini toliau — tai netaisyklingas žingsnis, orkestratorius, nežinantis, kaip tęsti, sugriautas planas ir 30 ėjimų sunaudotų žetonų be jokio rezultato. Saugumo tyrimai, kenkėjiškų programų analizė, įsilaužimo testavimas, red-teaming, suaugusiųjų grožinė kūryba, medicininių ir teisinių tekstų rengimas bei duomenų rinkinių generavimas saugos mokymui į tai atsimuša nuolat, ir gedimas brangus kaip tik todėl, kad ištinka vėlai.

Kita medalio pusė — politikos sluoksnis dabar jūsų. Naudojimąsi Shannon AI vartais reglamentuoja mūsų Atsakingo naudojimo politika; pašalinus tiekėjo sprendimą iš grandinės, savąjį tenka pateikti patiems.

06Ką galinis taškas iš tikrųjų duoda

Galimybė	GLM-5.2 · 3BIT-REAP
Modelio id	GLM-5.2-3BIT-REAP
Konteksto langas	262 144 žetonai
Didžiausia išvestis vienai užklausai	16 384 žetonai
Srautinis perdavimas	Taip
Įrankių iškvietimas	Taip
Samprotavimas / reasoning_effort	Taip
JSON Schema (json_schema)	Taip
response_format	Taip
Rega / vaizdų įvestis	Ne — tik tekstas
Atsisakymo sluoksnis / išvesties filtravimas	Nėra

Prieš statydami atidžiai perskaitykite regos eilutę. Mūsų vartuose GLM-5.2 yra tik tekstinis. Jei jums reikia vaizdų įvesties, kataloge yra penki regą turintys variantai — MiniMax-M3 ir MiMo-V2.5 ant $0.50 / $2.00 grindų, Kimi-K2.6 už $0.78 / $3.67, inkling už $1.42 / $6.07 ir Kimi-K3 už $3.83 / $19.12. Protingas modelis yra vaizdų supratimą nukreipti į MiniMax-M3, o visa kita — į GLM-5.2; tai nekainuoja nieko, tik modelio eilutės pakeitimą.

Trys dialektai, vienas modelis

Tas pats modelis pasiekiamas trimis užklausų formatais, visi su srautiniu perdavimu: /v1/chat/completions (OpenAI dialektas), /v1/messages (Anthropic dialektas) ir /v1/responses. Modelyje tarp jų niekas nesikeičia — rinkitės tą, kurį jūsų SDK jau moka, ir paprastai iki veikimo jums lieka vienas bazinio URL pakeitimas.

# OpenAI dialektas — nukreipkite esamą klientą į vartus
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,                 # įrankių iškvietimas palaikomas
    reasoning_effort="medium", # low | medium | high
    stream=True,
)

Pilnos visų trijų dialektų užklausų ir atsakymų schemos, įrankių iškvietimo formatas, srautinių įvykių formos ir interaktyvi bandymų aikštelė yra Shannon AI API dokumentacijoje.

07Kada rinktis GLM-5.2, o kada ne

Imkitės jo, kai

• Leidžiate agentus. Ilgos įrankių iškvietimo kilpos yra tai, kam ši linija buvo sukurta ir ne kartą papildomai mokoma, o įvesties kaina daro augančio pokalbio persiuntimą kiekvieną ėjimą įperkamą.
• Dirbate su didele kodų baze. 262K konteksto, patikimas įrankių iškvietimų formatavimas ir $0.19 už viso lango perskaitymą.
• Jūsų apribojimas yra kiekis. Klasifikavimas, ištraukimas, sintetinių duomenų generavimas, masinis perrašymas — viskas, kur vieno kvietimo kaina, padauginta iš didelio skaičiaus, nulemia, ar projektas apskritai gyvybingas.
• Atsisakymai laužo jūsų konvejerį. Saugumo tyrimai, priešiškas testavimas, necenzūruota grožinė kūryba, jautrių tekstų rengimas — šio gedimo tipo čia nėra.

Rinkitės ką kita, kai

• Jums reikia regos. Tik tekstas. Žr. regą turinčius variantus aukščiau.
• Jums reikia giliausio vieno ėjimo samprotavimo. Sunkiausiems vieno šūvio analitiniams uždaviniams DeepSeek-V4-Pro-0813 · 3BIT-REAP yra sunkesnis instrumentas su 2,2 karto didesne mišria kaina — kvietimuose, kur riboja lubos, tai teisingas mainas.
• Jums reikia didžiausio ištikimumo neaiškioms žinioms. W8A16 pakopa — MiMo-V2.5-Pro ir Hy3 — suglaudinta kur kas švelniau ir stovi ant $0.50 / $2.00 grindų, tik ant mažesnių pagrindų.

GLM-5.2 etalonų skaičius (Terminal-Bench 2.1, SWE-bench Pro) pateikė Z.ai apie nesuglaudintą pagrindą; nepriklausomas pakartojimas dar laukiamas. Claude Opus 4.8 ir GPT-5.5 skaičiai rodomi tik palyginimui. Gamintojo GLM-5.2 API kainoraščio kainos, kaip jas paskelbė Z.ai, 2026 m. rugsėjis.

08Dažnai užduodami klausimai

---

Šaltiniai: Z.ai GLM-5 saugykla · 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 · NIST CAISI Z.ai GLM-5.2 vertinimas, 2026 m. liepa. Pagrindo etalonų rezultatai yra laboratorijos pateikti ir preliminarūs; jie aprašo nesuglaudintą GLM-5.2, o ne šią suglaudintą versiją. Kainodaros, konteksto ir galimybių skaičiai yra Shannon AI katalogo reikšmės 2026 m. rugsėjo 5 d.