Ongecensureerde GLM API: de beste prijs per token
Het agentische GLM-basismodel van Z.ai, geserveerd zonder weigeringslaag op ons eigen GPU-cluster — 262K context, tool calling, en een gemengde prijs onder de helft van wat dezelfde lijn first-party kost.
Kort samengevat
GLM-5.2-3BIT-REAP is het model op de Shannon AI Gateway dat wij standaard aanraden. Het draait een spaarzaam Mixture-of-Experts-basismodel van 744 miljard parameters uit de GLM-lijn — sinds GLM-4.5 uitdrukkelijk getraind voor agentisch toolgebruik — gecomprimeerd met 3-bits gewichten en REAP expert pruning zodat het past en snel blijft. U krijgt een context van 262,144 tokens, 16,384 tokens uitvoer, tool calling, redeneren met instelbare reasoning_effort en gestructureerde uitvoer met JSON Schema, voor $0.73 / $2.34 per miljoen tokens. Er is geen weigeringslaag en geen uitvoerfilter. Alleen tekst — geen vision.
De meeste "goedkoopste model"-vergelijkingen zijn oneerlijk, omdat de goedkope optie meestal een klein model is in de marketingjas van een groot model. Dat is hier niet aan de hand. GLM-5.2 is een van de grootste open-weights-basismodellen die ooit is uitgebracht, en met $0.73 in / $2.34 uit staat het één trede boven de bodem van onze catalogus, terwijl het een basismodel draagt dat vele malen groter is dan wat die bodem gewoonlijk oplevert. Dat gat — groot model, prijs vlak boven de bodem — is de reden dat deze pagina bestaat.
01Waar GLM vandaan komt: Tsinghua, blank infilling en een scherpe bocht naar agents
GLM is geen omgelabelde Llama-afgeleide. Het is een van de weinige modelfamilies met een eigen pretraining-doel, dat vijf jaar lang door dezelfde onderzoeksgroep is doorontwikkeld. De naam staat voor General Language Model, en het oprichtingspaper — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — stelde een derde optie voor naast het masked language modeling van BERT en de strikt links-naar-rechts autoregressie van GPT. GLM wist aaneengesloten spannen uit en genereert ze autoregressief in geschudde volgorde opnieuw, met tweedimensionale positiecoderingen die zowel de positie van een token in het beschadigde document als de positie binnen de in te vullen span bijhouden: één architectuur die begrijpen en genereren even goed aankan.
De groep erachter was de Knowledge Engineering Group van de Tsinghua-universiteit, waaruit het bedrijf voortkwam dat nu Z.ai heet (voorheen Zhipu AI). Het eerste opvallende resultaat was GLM-130B in oktober 2022 — een tweetalig Engels/Chinees dicht model van 130 miljard parameters, met gewichten en code die bij publicatie openbaar werden vrijgegeven. Open uitbrengen is sindsdien de huisstijl.
Het MoE-tijdperk en de draai naar agents
De rode draad telt zwaarder dan welke afzonderlijke release ook. Sinds GLM-4.5 is elke versie voor hetzelfde geoptimaliseerd: coherent blijven over tientallen tool calls heen. Dat is een ander doel dan het maximaliseren van benchmarkscores in één beurt, en het uit zich in minder misvormde toolargumenten, minder afdrijven binnen een lang plan, en minder van het "start de taak in beurt 14 vol zelfvertrouwen opnieuw"-gedrag dat agentframeworks duur maakt.
02Wat GLM-5.2 is, en waarop het is gemeten
Z.ai publiceert benchmarkcijfers voor GLM-5.2 in de GLM-5-repository. Twee daarvan sluiten aan op echt agentisch werk in plaats van op feitenkennis:
Terminal-Bench 2.1 — commandoregel-agenttaken over lange horizon. Gerapporteerd door Z.ai.
SWE-bench Pro — het oplossen van issues in echte repository's. Gerapporteerd door Z.ai; GLM-5.1 scoorde 58.4 op dezelfde test.
Dat zijn de cijfers van het lab, niet die van ons, en ze beschrijven het ongecomprimeerde basismodel. Ze bepalen met welke klasse model u te maken hebt, niet welke garantie u krijgt.
Eén gegeven is meer waard dan een benchmark, omdat het van een beoordelaar komt die geen enkele prikkel heeft om het model te vleien. In juli 2026 beoordeelde het Center for AI Standards and Innovation van het Amerikaanse National Institute of Standards and Technology GLM-5.2 en concludeerde dat het waarschijnlijk het capabelste open-weights-AI-model was dat beschikbaar was toen het werd uitgebracht, met algemene capaciteiten vergelijkbaar met GPT-5.2 en cybercapaciteiten vergelijkbaar met Claude Opus 4.6. Dezelfde beoordeling stelde vast dat GLM-5.2 minder gevoelige verzoeken blokkeert dan Amerikaanse referentiemodellen, en dat waarborgen die in open gewichten zijn ingebakken kunnen worden omzeild zodra die gewichten zelf worden gehost. Paragraaf 05 komt daarop terug.
03Wat "3BIT-REAP" betekent, en wat het u kost
REAP: experts snoeien in plaats van samenvoegen
Een MoE-model van 744B parameters heeft 256 experts per laag, waarvan er 8 vuren op een willekeurig token. De router verdeelt het werk niet gelijkmatig — sommige experts worden voortdurend aangesproken, en een lange staart wordt zelden aangesproken en draagt dan ook weinig bij. REAP (Router-weighted Expert Activation Pruning), van Cerebras Research en geaccepteerd voor ICLR 2026, buit dat uit: het scoort elke expert met een saliency-criterium dat hoe sterk en hoe vaak de router hem aanstuurt combineert met de omvang van zijn bijdrage aan de uitvoer, en verwijdert de laagscoorders vervolgens definitief.
Het interessante is de vergelijking die REAP wint. Het voor de hand liggende alternatief voor een expert verwijderen is hem samenvoegen met een overlevende, wat veiliger klinkt. De bevinding van het paper, over MoE-modellen van 20B tot 1T parameters, is dat samenvoegen voor generatief werk in feite slechter is, en dat snoeien opmerkelijk goed standhoudt: vrijwel verliesvrij op benchmarks voor codegeneratie en tool calling, zelfs nadat de helft van de experts is verwijderd, op basismodellen waaronder Qwen3-Coder-480B en Kimi-K2. Dat juist code en tool calling intact blijven, is precies wat u behouden wilt zien bij een model waarvan het bestaansrecht agentic engineering is.
3-bits gewichten, en de eerlijke afweging
Bovenop het snoeien worden de overgebleven gewichten op 3 bits opgeslagen — agressiever dan de lagen W4A16-AUTOROUND-REAP en W8A16 elders in onze catalogus, en voorbehouden aan de grootste basismodellen, waar er geen andere manier is om een model van driekwart biljoen parameters op een servernode te krijgen en de tokens in een bruikbaar tempo te laten stromen.
Compressie is niet gratis. Het juiste mentale model: snoeien en kwantiseren tasten eerst de lange staart aan. Dichte, veelgebruikte gedragingen — instructies opvolgen, codestructuur, de opmaak van tool calls, plannen in meerdere stappen — blijven goed overeind, en dat is precies wat de REAP-resultaten laten zien. Obscure feitenkennis, zeldzame talen en niche-domeintrivia zijn de plekken waar u een verschil met een ongecomprimeerde GLM-5.2 mag verwachten. Is uw werklast "een ongewoon feit foutloos kennen", betaal dan voor een laag met hogere getrouwheid. Is die "een plan over veertig tool calls uitvoeren zonder te ontsporen", dan is dit de laag waarvoor de methode is ontworpen.
04Het prijsargument: wat een goedkope ongecensureerde LLM API werkelijk kost
De eigen gepubliceerde API-lijstprijs van Z.ai voor GLM-5.2 is $1.40 per miljoen invoertokens en $4.40 per miljoen uitvoertokens. Onze prijs op hetzelfde basismodel is $0.73 / $2.34 — ruwweg 48% minder op invoer en 47% minder op uitvoer. Die korting is wat de compressie oplevert, en er komt iets bij dat u first-party voor geen enkele prijs kunt kopen: geen weigeringslaag.
Binnen onze eigen catalogus is de gemengde kostprijs het getal dat ertoe doet. Hier is die bij een invoer-uitvoerverhouding van 3:1, ruwweg hoe een tool-calling-agent er in de praktijk uitziet — veel context en toolresultaten erin, relatief weinig tokens eruit.
| Model | In / 1M | Uit / 1M | Gemengd 3:1 | Vision |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | Nee |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | Nee |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | Ja |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | Nee |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | Ja |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | Ja |
Zes modellen zitten op de bodem van $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro en Hy3 — een gemengd tarief van $0.875. GLM-5.2 zit 29% boven die bodem en levert u een basismodel in de 744B-klasse met een langlopende investering in agentisch gedrag erachter. Alles wat duurder is, kost gemengd minstens 23% meer, en Kimi-K3 kost 6.8× zoveel. Dat is het prijsargument in één regel: de goedkoopste plek in de catalogus om een agentisch basismodel uit de topklasse te kopen.
Omgerekend naar werk
- Eén volledige contextvulling — 262,144 invoertokens: $0.19. Een volledige grote repository in het venster gelezen voor onder de twintig cent.
- Eén completion op maximale lengte — 16,384 uitvoertokens: $0.038.
- Eén agentbeurt — 20K in, 2K uit: $0.019. Dezelfde beurt kost $0.115 op Kimi-K3 en $0.047 op DeepSeek-V4-Pro.
- Honderd agentbeurten: $1.93, tegenover $11.48 op het duurste model in de catalogus.
Agentische werklasten zijn invoerzwaar, en het voordeel van GLM is precies daar het grootst: de invoerprijs ligt 5.2× onder die van Kimi-K3 en 2.7× onder die van DeepSeek-V4-Pro. Stuurt uw agent elke beurt een groeiend gesprek opnieuw mee — en vrijwel elke agent doet dat — dan is die vermenigvuldiger wat op uw factuur belandt.
05Wat "ongecensureerd" op dit endpoint betekent
Precies twee dingen: geen weigeringslaag — geen classifier die bepaalt welke verzoeken het model mag zien, en geen beleidsmodel dat uw prompt herschrijft voordat die aankomt — en geen filtering van de uitvoer, wat betekent dat de tokens die het model produceert de tokens zijn die u ontvangt, ongeredigeerd en onvervangen.
Dat is iets anders dan een commerciële API die een "relaxed"- of "developer"-modus aanprijst. Die leiden het verkeer nog steeds door de beleidsstack van een leverancier; wat verandert is de drempel, niet het bestaan van de poort. Hier is geen poort om af te stellen — het model draait op ons eigen GPU-cluster, en zijn gedrag is het gedrag van het basismodel. Lees de NIST CAISI-bevinding uit paragraaf 02 als een technische uitspraak in plaats van als een waarschuwing en ze verklaart het product: een model waarvan de alignment in de gewichten zit, geserveerd zonder externe beleidslaag, gedraagt zich naar zijn gewichten.
Waarom dit specifiek voor agents uitmaakt
Weigeringen worden meestal als een inhoudskwestie besproken. In agentisch werk zijn ze vooral een kwestie van betrouwbaarheid. Een weigering in beurt 31 van een run van 40 beurten is geen beleefde afwijzing die u leest en waar u overheen stapt — het is een misvormde stap, een orkestrator die niet weet hoe verder, een kapot plan, en 30 beurten aan verbruikte tokens zonder resultaat. Securityonderzoek, malware-analyse, penetratietesten, red-teaming, fictie voor volwassenen, medische en juridische concepten, en het genereren van datasets voor veiligheidstraining lopen hier voortdurend tegenaan, en de fout is juist duur omdat hij laat toeslaat.
De keerzijde is dat de beleidslaag nu van u is. Het gebruik van de Shannon AI Gateway valt onder ons beleid voor verantwoord gebruik; het oordeel van een leverancier uit de lus halen betekent dat u uw eigen oordeel moet leveren.
06Wat het endpoint u werkelijk geeft
| Mogelijkheid | GLM-5.2 · 3BIT-REAP |
|---|---|
| Model-id | GLM-5.2-3BIT-REAP |
| Contextvenster | 262,144 tokens |
| Max. uitvoer per verzoek | 16,384 tokens |
| Streaming | Ja |
| Tool calling | Ja |
Redeneren / reasoning_effort | Ja |
JSON Schema (json_schema) | Ja |
response_format | Ja |
| Vision / beeldinvoer | Nee — alleen tekst |
| Weigeringslaag / uitvoerfiltering | Geen |
Lees de vision-regel goed voordat u gaat bouwen. GLM-5.2 werkt op onze gateway alleen met tekst. Hebt u beeldinvoer nodig, dan biedt de catalogus vijf opties met vision — MiniMax-M3 en MiMo-V2.5 op de bodem van $0.50 / $2.00, Kimi-K2.6 voor $0.78 / $3.67, inkling voor $1.42 / $6.07, en Kimi-K3 voor $3.83 / $19.12. Een verstandig patroon is om beeldbegrip naar MiniMax-M3 te routeren en al het andere naar GLM-5.2, wat u niets meer kost dan een modelstring.
Drie dialecten, één model
Hetzelfde model is bereikbaar via drie verzoekformaten, alle met streaming: /v1/chat/completions (OpenAI-dialect), /v1/messages (Anthropic-dialect) en /v1/responses. Er verandert niets aan het model tussen die formaten — kies wat uw SDK al spreekt, en u bent meestal één wijziging van de base-URL verwijderd van draaien.
# 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, )
De volledige verzoek- en antwoordschema's voor alle drie de dialecten, het formaat voor tool calling, de vorm van streaming-events en een interactieve playground staan in de API-documentatie van Shannon AI.
07Wanneer u GLM-5.2 kiest — en wanneer niet
Grijp ernaar wanneer
- U agents draait. Lange tool-callinglussen zijn waarvoor deze lijn is gebouwd en herhaaldelijk is nagetraind, en door de invoerprijs blijft het betaalbaar om elke beurt een groeiend gesprek opnieuw mee te sturen.
- U in een grote codebase werkt. 262K context, betrouwbare opmaak van tool calls, en $0.19 om het hele venster te lezen.
- Volume uw beperking is. Classificatie, extractie, het genereren van synthetische data, bulkherschrijven — alles waarbij de kosten per aanroep maal een groot aantal bepalen of het project haalbaar is.
- Weigeringen uw pijplijn breken. Securityonderzoek, adversarieel testen, ongecensureerde fictie, gevoelige concepten — die faalmodus is hier niet aanwezig.
Grijp naar iets anders wanneer
- U vision nodig hebt. Alleen tekst. Zie de opties met vision hierboven.
- U het diepste redeneren in één beurt nodig hebt. Voor de moeilijkste analytische problemen in één klap is DeepSeek-V4-Pro-0813 · 3BIT-REAP het zwaardere instrument, tegen 2.2× de gemengde kosten — bij aanroepen waar het plafond de beperking is, is dat de juiste ruil.
- U maximale getrouwheid op obscure kennis nodig hebt. De
W8A16-laag — MiMo-V2.5-Pro en Hy3 — is veel minder agressief gecomprimeerd en staat op de bodem van $0.50 / $2.00, op kleinere basismodellen.
Elk cijfer over het basismodel op deze pagina is door iemand anders dan wij gepubliceerd. De prijs- en capaciteitscijfers zijn onze eigen actuele catalogusgegevens, verifieerbaar via /v1/models met uw eigen sleutel. Controleer de primaire bronnen zelf.
De benchmarkcijfers voor GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) zijn door Z.ai gerapporteerd voor het ongecomprimeerde basismodel; onafhankelijke replicatie staat nog uit. De cijfers voor Claude Opus 4.8 en GPT-5.5 worden uitsluitend ter referentie getoond. De first-party API-lijstprijzen voor GLM-5.2 zoals gepubliceerd door Z.ai, september 2026.
08Veelgestelde vragen
Wat is de ongecensureerde GLM API op Shannon AI?
Het is de model-id GLM-5.2-3BIT-REAP op de Shannon AI Gateway: een gecomprimeerde build van het agentische basismodel GLM-5.2 van Z.ai, geserveerd op ons eigen GPU-cluster zonder weigeringslaag en zonder filtering van de uitvoer. Het kost $0.73 per miljoen invoertokens en $2.34 per miljoen uitvoertokens, heeft een contextvenster van 262,144 tokens, en is bereikbaar op /v1/chat/completions, /v1/messages en /v1/responses.
Waarom is GLM 5.2 ongecensureerd goedkoper dan de andere grote modellen in de catalogus?
Vanwege de manier waarop het is gecomprimeerd. 3BIT-REAP combineert gewichten van 3 bits met REAP, een snoeimethode voor experts in Mixture-of-Experts-modellen die zelden aangestuurde experts verwijdert vóór het kwantiseren. Een spaarzaam MoE-basismodel met ruwweg 40B actieve parameters per token, op deze manier gesnoeid en gekwantiseerd, gebruikt veel minder geheugen en veel minder GPU-seconden per token dan een dicht model van gelijkwaardige kwaliteit, en de prijs weerspiegelt dat.
Betekent GLM zonder weigering dat het model helemaal geen waarborgen heeft?
Het betekent dat Shannon er geen toevoegt. Er is geen weigeringsclassifier vóór het model en geen filter op de tokens die eruit komen. Het basismodel behoudt welke neigingen zijn eigen training het ook gaf, maar niets van buitenaf overschrijft die. De beleidslaag is van u, en het gebruik valt onder het beleid voor verantwoord gebruik van Shannon AI.
Ondersteunt GLM-5.2 3BIT-REAP vision of beeldinvoer?
Nee. Dit model werkt alleen met tekst. Hebt u beeldinvoer nodig op een ongecensureerd endpoint, gebruik dan een van de vision-modellen uit de catalogus, zoals MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 of inkling. GLM-5.2 ondersteunt wel gestructureerde uitvoer — zowel json_schema als response_format — en tool calling.
Wat zijn het contextvenster en de maximale uitvoerlengte?
262,144 tokens context en 16,384 tokens uitvoer per verzoek. Het hele contextvenster één keer vullen kost ongeveer 19 cent bij $0.73 per miljoen invoertokens, en een completion op maximale lengte kost minder dan 4 cent.
Is dit een goed agentisch ongecensureerd model voor lange tool-callinglussen?
Het is het model waar wij als eerste naar grijpen. De GLM-lijn wordt sinds GLM-4.5 uitdrukkelijk voor agentisch werk getraind, tool calling en reasoning_effort worden allebei ondersteund, en door de prijs kosten honderd agentbeurten van twintigduizend tokens ruwweg twee dollar in plaats van elf. Weigeringen zijn in agentlussen ook een reële faalmodus, en hier is geen weigeringslaag die er een kan veroorzaken.
Probeer de ongecensureerde GLM API
$0.73 in · $2.34 uit · 262K context · geen weigeringslaag.
Lees de API-documentatie Bekijk alle modellenShannon Lab LLC, New Mexico, VS · gebruik valt onder het beleid voor verantwoord gebruik
Bronnen: Z.ai GLM-5-repository · 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 Assessment of Z.ai's GLM-5.2, juli 2026. De benchmarkscores van het basismodel zijn door het lab gerapporteerd en voorlopig; ze beschrijven de ongecomprimeerde GLM-5.2, niet deze gecomprimeerde build. De prijs-, context- en capaciteitscijfers zijn catalogusgegevens van Shannon AI per 5 september 2026.