API GLM tanpa tapisan: nilai terbaik setiap token

Kebanyakan perbandingan "model termurah" tidak jujur, kerana pilihan murah itu biasanya model kecil yang memakai pemasaran model besar. Bukan itu yang berlaku di sini. GLM-5.2 ialah salah satu asas pemberat terbuka terbesar yang pernah dikeluarkan sesiapa, dan pada $0.73 masuk / $2.34 keluar ia duduk satu anak tangga di atas lantai katalog kami sambil membawa asas beberapa kali ganda saiz yang biasanya dibeli pada lantai itu. Jurang itu — model besar, harga hampir lantai — itulah sebab halaman ini wujud.

01Dari mana GLM datang: Tsinghua, pengisian ruang kosong, dan pusingan tajam ke arah ejen

GLM bukan terbitan Llama yang bertukar jenama. Ia salah satu daripada segelintir keluarga model yang mempunyai objektif pralatihan sendiri, dilelar selama lima tahun oleh kumpulan penyelidik yang sama. Namanya bermaksud General Language Model, dan kertas pengasasnya — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — mencadangkan pilihan ketiga di sebelah pemodelan bahasa bertopeng BERT dan autoregresi kiri-ke-kanan ketat GPT. GLM mengosongkan rentang bersebelahan dan menjananya semula secara autoregresif dalam urutan dikocok, dengan pengekodan kedudukan dua dimensi menjejaki kedua-dua kedudukan token dalam dokumen yang dirosakkan dan kedudukannya di dalam rentang yang sedang diisi: satu seni bina menangani pemahaman dan penjanaan sama baiknya.

Kumpulan di belakangnya ialah Knowledge Engineering Group di Universiti Tsinghua, yang melahirkan syarikat yang kini dikenali sebagai Z.ai (dahulunya Zhipu AI). Artifak utamanya yang pertama ialah GLM-130B pada Oktober 2022 — model padat dwibahasa Inggeris/Cina 130 bilion parameter, pemberat dan kodnya dikeluarkan kepada umum pada waktu penerbitan. Keluaran terbuka menjadi gaya rumah sejak itu.

Era MoE, dan pusingan kepada ejen

Benang merahnya lebih penting daripada mana-mana keluaran tunggal. Sejak GLM-4.5, setiap versi dioptimumkan untuk perkara yang sama: kekal koheren merentasi berpuluh panggilan alat. Itu objektif yang berbeza daripada memaksimumkan skor penanda aras satu pusingan, dan ia menampakkan diri sebagai lebih sedikit argumen alat yang cacat, lebih sedikit pesongan dalam pelan yang panjang, dan lebih sedikit kelakuan "memulakan semula tugas dengan penuh yakin pada pusingan ke-14" yang menjadikan rangka kerja ejen mahal.

02Apa itu GLM-5.2, dan pada apa ia diukur

Z.ai menerbitkan angka penanda aras untuk GLM-5.2 dalam repositori GLM-5. Dua daripadanya memetakan kepada kerja agentik sebenar dan bukan ingatan trivia:

Terminal-Bench 2.1 — tugas ejen baris arahan ufuk panjang. Dilaporkan Z.ai.

SWE-bench Pro — penyelesaian isu repositori sebenar. Dilaporkan Z.ai; GLM-5.1 menskor 58.4 pada ujian yang sama.

Itu angka makmal, bukan angka kami, dan ia menerangkan asas tanpa mampatan. Ia menetapkan kelas model yang anda berurusan dengannya, bukan satu jaminan.

Satu titik data lebih bernilai daripada satu penanda aras, kerana ia datang daripada penilai yang tiada insentif untuk mengampu model itu. Pada Julai 2026, Center for AI Standards and Innovation di National Institute of Standards and Technology Amerika Syarikat menilai GLM-5.2 dan menyimpulkan bahawa ia mungkin model AI pemberat terbuka paling berkemampuan yang ada ketika ia dikeluarkan, dengan keupayaan keseluruhan setanding GPT-5.2 dan keupayaan siber setanding Claude Opus 4.6. Penilaian yang sama memerhatikan bahawa GLM-5.2 menyekat lebih sedikit permintaan sensitif berbanding model rujukan AS, dan bahawa perlindungan yang dibakar ke dalam pemberat terbuka boleh dipintas setelah pemberat itu dihoskan sendiri. Seksyen 05 kembali kepada itu.

03Apa maksud "3BIT-REAP", dan apa kosnya kepada anda

REAP: memangkas pakar dan bukan mencantumkannya

Model MoE 744B parameter mempunyai 256 pakar setiap lapisan, dan 8 daripadanya menyala pada mana-mana token. Penghala tidak menyebarkan kerja secara sekata — sesetengah pakar dipukul berterusan, dan ekor panjang jarang dipukul serta sedikit menyumbang apabila dipukul. REAP (Router-weighted Expert Activation Pruning), daripada Cerebras Research dan diterima ke ICLR 2026, mengeksploitasi itu: ia memberi skor kepada setiap pakar melalui kriteria keutamaan yang menggabungkan betapa kuat dan kerap penghala mengetnya dengan magnitud sumbangan outputnya, kemudian menggugurkan yang berskor rendah secara kekal.

Bahagian menariknya ialah perbandingan yang REAP menangi. Alternatif jelas kepada menggugurkan pakar ialah mencantumkannya ke dalam yang terselamat, dan itu berbunyi lebih selamat. Penemuan kertas itu merentasi model MoE dari 20B hingga 1T parameter ialah pencantuman sebenarnya lebih teruk untuk kerja generatif, dan pemangkasan bertahan dengan sangat baik: hampir tanpa kehilangan pada penanda aras penjanaan kod dan panggilan alat walaupun selepas separuh pakar dibuang, pada asas termasuk Qwen3-Coder-480B dan Kimi-K2. Kod dan panggilan alat yang terselamat utuh itulah tepatnya yang anda mahu kekal pada model yang sebab kewujudannya ialah kejuruteraan agentik.

Pemberat 3-bit, dan pertukaran yang jujur

Di atas pemangkasan itu, pemberat yang terselamat disimpan pada 3 bit — lebih agresif daripada tingkat W4A16-AUTOROUND-REAP dan W8A16 di tempat lain dalam katalog kami, dan dikhaskan untuk asas terbesar, di mana tiada cara lain untuk memuatkan model tiga suku trilion parameter ke atas nod penyajian dan mengekalkan token mengalir pada kadar yang boleh diguna.

Pemampatan bukan percuma. Model mental yang betul: pemangkasan dan kuantuman merosotkan ekor panjang dahulu. Kelakuan yang padat dan kerap dilatih — pematuhan arahan, struktur kod, format panggilan alat, perancangan berbilang langkah — bertahan dengan baik, dan itulah tepatnya yang keputusan REAP tunjukkan. Ingatan fakta yang kabur, bahasa jarang dan trivia domain khusus itulah tempat anda patut jangkakan perbezaan berbanding GLM-5.2 tanpa mampatan. Jika beban kerja anda ialah "tahu fakta luar biasa dengan lancar", bayar untuk tingkat kesetiaan yang lebih tinggi. Jika ia "jalankan satu pelan merentasi empat puluh panggilan alat tanpa tersasar", inilah tingkat yang kaedah ini direka untuknya.

04Kes nilai: berapa sebenarnya kos menjalankan API LLM tanpa tapisan yang murah

Harga senarai API terbitan Z.ai sendiri untuk GLM-5.2 ialah $1.40 setiap juta token input dan $4.40 setiap juta output. Harga kami pada asas yang sama ialah $0.73 / $2.34 — kira-kira 48% lebih rendah pada input dan 47% lebih rendah pada output. Diskaun itulah yang dibeli oleh pemampatan, dan ia datang dengan satu lagi perkara yang anda tidak boleh beli daripada pihak pertama pada apa jua harga: tiada lapisan penolakan.

Dalam katalog kami sendiri, kos campuran ialah angka yang penting. Inilah ia pada nisbah input-kepada-output 3:1, kira-kira rupa ejen panggilan alat dalam praktik — banyak konteks dan hasil alat masuk, agak 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 pada lantai $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro dan Hy3 — kadar campuran $0.875. GLM-5.2 ialah 29% di atas lantai itu dan membeli anda asas kelas 744B dengan pelaburan berterusan dalam kelakuan agentik di belakangnya. Segala yang berharga di atasnya kos sekurang-kurangnya 23% lebih tinggi secara campuran, dan Kimi-K3 kos 6.8× lebih. Itulah hujah nilainya dalam satu baris: tempat termurah dalam katalog untuk membeli asas agentik tingkat teratas.

Ditukar menjadi kerja

• Satu isian konteks penuh — 262,144 token input: $0.19. Sebuah repositori besar sepenuhnya dibaca ke dalam tetingkap dengan bawah dua puluh sen.
• Satu penyiapan sepanjang maksimum — 16,384 token output: $0.038.
• Satu pusingan ejen — 20K masuk, 2K keluar: $0.019. Pusingan yang sama berharga $0.115 pada Kimi-K3 dan $0.047 pada DeepSeek-V4-Pro.
• Seratus pusingan ejen: $1.93, berbanding $11.48 pada model termahal dalam katalog.

Beban kerja agentik berat pada input, dan kelebihan GLM paling besar tepat di situ: harga inputnya 5.2× lebih rendah daripada Kimi-K3 dan 2.7× lebih rendah daripada DeepSeek-V4-Pro. Jika ejen anda menghantar semula perbualan yang semakin membesar setiap pusingan — dan hampir setiap ejen berbuat begitu — pengganda itulah yang akhirnya muncul pada invois anda.

05Apa maksud "tanpa tapisan" pada titik akhir ini

Dua perkara, dengan tepat: tiada lapisan penolakan — tiada pengelas yang memutuskan permintaan mana model dibenarkan lihat, dan tiada model dasar yang menulis semula gesaan anda sebelum ia sampai — dan tiada penapisan output, bermakna token yang model hasilkan ialah token yang anda terima, tidak diredaksi dan tidak ditukar.

Itu cadangan yang berbeza daripada API komersial yang mengiklankan mod "santai" atau "pembangun". Yang itu masih menghalakan trafik melalui tindanan dasar vendor; yang berubah ialah ambangnya, bukan kewujudan gerbang itu. Di sini tiada gerbang untuk dilaraskan — model berjalan pada kluster GPU kami sendiri, dan kelakuannya ialah kelakuan asasnya. Baca penemuan NIST CAISI daripada seksyen 02 sebagai kenyataan teknikal dan bukan amaran, dan ia menerangkan produknya: model yang penjajarannya hidup dalam pemberatnya, disajikan tanpa lapisan dasar luaran, berkelakuan mengikut pemberatnya.

Mengapa ini penting khusus untuk ejen

Penolakan biasanya dibincangkan sebagai soal kandungan. Dalam kerja agentik ia lebih kepada soal kebolehharapan. Penolakan pada pusingan ke-31 daripada larian 40 pusingan bukan penolakan sopan yang anda baca lalu teruskan — ia langkah yang cacat, penyelaras yang tidak tahu cara meneruskan, pelan yang rosak, dan 30 pusingan token yang terbelanja tanpa apa-apa hasil. Penyelidikan keselamatan, analisis perisian hasad, ujian penembusan, pasukan merah, fiksyen dewasa, penggubalan perubatan dan perundangan, serta penjanaan set data untuk latihan keselamatan semuanya berdepan ini berterusan, dan kegagalan itu mahal justeru kerana ia mendarat lewat.

Sisi baliknya ialah lapisan dasar itu kini milik anda. Penggunaan Get Laluan Shannon AI tertakluk kepada Dasar Penggunaan Bertanggungjawab kami; membuang pertimbangan vendor daripada gelung bermakna membekalkan pertimbangan anda sendiri.

06Apa yang titik akhir itu sebenarnya beri anda

Keupayaan	GLM-5.2 · 3BIT-REAP
Id model	GLM-5.2-3BIT-REAP
Tetingkap konteks	262,144 token
Output maks setiap permintaan	16,384 token
Penstriman	Ya
Panggilan alat	Ya
Penaakulan / reasoning_effort	Ya
JSON Schema (json_schema)	Ya
response_format	Ya
Visi / input imej	Tidak — teks sahaja
Lapisan penolakan / penapisan output	Tiada

Baca baris visi itu dengan teliti sebelum anda membina. GLM-5.2 ialah teks sahaja pada get laluan kami. Jika anda perlukan input imej, katalog ada lima pilihan berkeupayaan visi — MiniMax-M3 dan MiMo-V2.5 pada lantai $0.50 / $2.00, Kimi-K2.6 pada $0.78 / $3.67, inkling pada $1.42 / $6.07, dan Kimi-K3 pada $3.83 / $19.12. Corak yang munasabah ialah menghalakan pemahaman imej kepada MiniMax-M3 dan segala yang lain kepada GLM-5.2, dan itu tidak menelan kos apa-apa selain satu rentetan model.

Tiga dialek, satu model

Model yang sama boleh dicapai melalui tiga format permintaan, semuanya penstriman: /v1/chat/completions (dialek OpenAI), /v1/messages (dialek Anthropic), dan /v1/responses. Tiada apa-apa tentang model berubah antara ketiga-tiganya — pilih mana-mana yang SDK anda sudah tuturkan, dan anda biasanya hanya satu perubahan URL asas daripada mula berjalan.

# Dialek OpenAI — halakan klien sedia ada anda ke get laluan
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,                 # panggilan alat disokong
    reasoning_effort="medium", # low | medium | high
    stream=True,
)

Skema permintaan dan respons penuh bagi ketiga-tiga dialek, format panggilan alat, bentuk peristiwa penstriman, dan taman permainan interaktif ada dalam dokumentasi API Shannon AI.

07Bila memilih GLM-5.2 — dan bila tidak

Capai ia apabila

• Anda menjalankan ejen. Gelung panggilan alat yang panjang itulah yang keturunan ini dibina dan berulang kali dipasca-latih untuknya, dan harga input menjadikan perbualan yang membesar mampu dihantar semula setiap pusingan.
• Anda bekerja merentasi pangkalan kod yang besar. Konteks 262K, format panggilan alat yang boleh diharap, dan $0.19 untuk membaca seluruh tetingkap.
• Volum ialah kekangan anda. Pengelasan, pengekstrakan, penjanaan data sintetik, penulisan semula pukal — apa sahaja yang kos setiap panggilan didarab bilangan besar menentukan sama ada projek itu berdaya maju.
• Penolakan merosakkan saluran paip anda. Penyelidikan keselamatan, ujian bermusuhan, fiksyen tanpa tapisan, penggubalan sensitif — mod kegagalan itu tiada di sini.

Capai sesuatu yang lain apabila

• Anda perlukan visi. Teks sahaja. Lihat pilihan berkeupayaan visi di atas.
• Anda perlukan penaakulan satu pusingan yang paling dalam. Untuk masalah analitik satu tembakan yang paling sukar, DeepSeek-V4-Pro-0813 · 3BIT-REAP ialah alat yang lebih berat pada 2.2× kos campuran — pada panggilan yang silingnya menjadi kekangan, itulah pertukaran yang betul.
• Anda perlukan kesetiaan maksimum pada pengetahuan yang kabur. Tingkat W8A16 — MiMo-V2.5-Pro dan Hy3 — dimampatkan jauh kurang agresif dan duduk pada lantai $0.50 / $2.00, atas asas yang lebih kecil.

Angka penanda aras GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) dilaporkan oleh Z.ai bagi asas tanpa mampatan; replikasi bebas masih menunggu. Angka Claude Opus 4.8 dan GPT-5.5 ditunjukkan untuk rujukan sahaja. Harga senarai API GLM-5.2 pihak pertama seperti diterbitkan Z.ai, September 2026.

08Soalan lazim

---

Sumber: Repositori Z.ai GLM-5 · 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 · Penilaian NIST CAISI terhadap GLM-5.2 daripada Z.ai, Julai 2026. Skor penanda aras asas dilaporkan makmal dan bersifat sementara; ia menerangkan GLM-5.2 tanpa mampatan, bukan binaan termampat ini. Angka harga, konteks dan keupayaan ialah nilai katalog Shannon AI setakat 5 September 2026.