Nieocenzurowane API GLM: najlepsza wartość za token

Większość porównań typu „najtańszy model” jest nieuczciwa, bo tanią opcją jest zwykle mały model w marketingowym przebraniu dużego. Tutaj dzieje się coś innego. GLM-5.2 to jeden z największych fundamentów o otwartych wagach, jakie ktokolwiek wydał, a przy $0.73 wejście / $2.34 wyjście stoi jeden szczebel nad podłogą cenową naszego katalogu, niosąc fundament kilkukrotnie większy niż to, co za tę podłogę zwykle się dostaje. Ta luka — duży model, cena tuż nad podłogą — jest powodem, dla którego ta strona istnieje.

01Skąd bierze się GLM: Tsinghua, uzupełnianie luk i ostry zwrot w stronę agentów

GLM nie jest przemianowaną pochodną Llamy. To jedna z nielicznych rodzin modeli z własnym celem pretreningu, rozwijana przez pięć lat przez tę samą grupę badawczą. Nazwa oznacza General Language Model, a założycielska praca — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — zaproponowała trzecią opcję obok maskowanego modelowania języka z BERT-a i ściśle lewostronnej autoregresji z GPT. GLM wycina ciągłe fragmenty tekstu i odtwarza je autoregresyjnie w przetasowanej kolejności, z dwuwymiarowym kodowaniem pozycyjnym śledzącym zarówno pozycję tokenu w uszkodzonym dokumencie, jak i jego pozycję wewnątrz uzupełnianego fragmentu: jedna architektura równie dobrze radząca sobie z rozumieniem i generowaniem.

Grupa, która za tym stała, to Knowledge Engineering Group z Uniwersytetu Tsinghua, z której wyrosła firma znana dziś jako Z.ai (wcześniej Zhipu AI). Jej pierwszym głośnym artefaktem był GLM-130B z października 2022 — dwujęzyczny angielsko-chiński model gęsty o 130 miliardach parametrów, z wagami i kodem udostępnionymi publicznie już w momencie publikacji. Otwarte wydania są odtąd stylem tego domu.

Era MoE i zwrot ku agentom

Motyw przewodni znaczy więcej niż pojedyncze wydanie. Od GLM-4.5 każda wersja była optymalizowana pod to samo: zachowanie spójności przez dziesiątki wywołań narzędzi. To inny cel niż maksymalizowanie wyników benchmarków w pojedynczej turze, i widać go jako mniej zniekształconych argumentów narzędzi, mniejszy dryf w długim planie i mniej zachowań typu „w turze 14 pewnie siebie zaczyna zadanie od nowa”, przez które frameworki agentowe robią się drogie.

02Czym jest GLM-5.2 i jakie ma zmierzone wyniki

Z.ai publikuje liczby benchmarkowe dla GLM-5.2 w repozytorium GLM-5. Dwie z nich odwzorowują realną pracę agentową, a nie odpytywanie z ciekawostek:

Terminal-Bench 2.1 — długodystansowe zadania agenta w wierszu poleceń. Dane podane przez Z.ai.

SWE-bench Pro — rozwiązywanie zgłoszeń w prawdziwych repozytoriach. Dane podane przez Z.ai; GLM-5.1 uzyskał 58.4 w tym samym teście.

To są liczby laboratorium, nie nasze, i opisują fundament nieskompresowany. Wyznaczają klasę modelu, z którym masz do czynienia, a nie gwarancję.

Jeden punkt danych jest wart więcej niż benchmark, bo pochodzi od oceniającego, który nie ma powodu schlebiać modelowi. W lipcu 2026 Center for AI Standards and Innovation przy amerykańskim National Institute of Standards and Technology ocenił GLM-5.2 i uznał, że był to prawdopodobnie najbardziej zdolny model AI o otwartych wagach dostępny w chwili jego wydania, o ogólnych możliwościach porównywalnych z GPT-5.2 i możliwościach cyber porównywalnych z Claude Opus 4.6. Ta sama ocena zauważyła, że GLM-5.2 blokuje mniej wrażliwych żądań niż amerykańskie modele referencyjne oraz że zabezpieczenia wpieczone w otwarte wagi da się obejść, gdy te wagi hostuje się samodzielnie. Do tego wraca sekcja 05.

03Co oznacza „3BIT-REAP” i ile cię to kosztuje

REAP: przycinanie ekspertów zamiast ich scalania

Model MoE o 744B parametrów ma 256 ekspertów na warstwę, z których 8 odpala się przy danym tokenie. Router nie rozkłada pracy równomiernie — w niektórych ekspertów trafia bez przerwy, a długi ogon trafiany jest rzadko i wnosi wtedy niewiele. REAP (Router-weighted Expert Activation Pruning) z Cerebras Research, praca przyjęta na ICLR 2026, to wykorzystuje: ocenia każdego eksperta kryterium istotności łączącym to, jak silnie i jak często router go bramkuje, z wielkością wkładu jego wyjścia, a potem trwale usuwa tych z niskim wynikiem.

Ciekawe jest to, w jakim porównaniu REAP wygrywa. Oczywistą alternatywą dla usunięcia eksperta jest scalenie go z tym, który przetrwał, co brzmi bezpieczniej. Wnioskiem z pracy, na modelach MoE od 20B do 1T parametrów, jest to, że scalanie w istocie wypada gorzej w zadaniach generatywnych, a przycinanie trzyma się zaskakująco dobrze: niemal bezstratnie w benchmarkach generowania kodu i wywoływania narzędzi, nawet po usunięciu połowy ekspertów, na fundamentach takich jak Qwen3-Coder-480B i Kimi-K2. Nienaruszone kodowanie i wywoływanie narzędzi to dokładnie to, co chcesz zachować w modelu, którego racją bytu jest inżynieria agentowa.

Wagi 3-bitowe i uczciwy kompromis

Na wierzchu przycinania wagi, które przetrwały, są przechowywane na 3 bitach — agresywniej niż w poziomach W4A16-AUTOROUND-REAP i W8A16 gdzie indziej w naszym katalogu, i zarezerwowane dla największych fundamentów, gdzie nie ma innego sposobu, by wsadzić model o trzech czwartych biliona parametrów na węzeł serwujący i utrzymać użyteczne tempo tokenów.

Kompresja nie jest darmowa. Właściwy model mentalny: przycinanie i kwantyzacja degradują najpierw długi ogon. Gęste, często ćwiczone zachowania — wykonywanie instrukcji, struktura kodu, formatowanie wywołań narzędzi, planowanie wieloetapowe — przetrwają dobrze, i dokładnie to pokazują wyniki REAP. Różnicy względem nieskompresowanego GLM-5.2 należy się spodziewać w niszowej wiedzy faktograficznej, rzadkich językach i ciekawostkach z wąskich dziedzin. Jeśli twoje obciążenie brzmi „znać na wyrywki nietypowy fakt”, zapłać za poziom o wyższej wierności. Jeśli brzmi „przeprowadzić plan przez czterdzieści wywołań narzędzi, nie wypadając z torów”, to jest ten poziom, pod który zaprojektowano tę metodę.

04Rachunek wartości: ile naprawdę kosztuje tanie nieocenzurowane API LLM

Opublikowana przez Z.ai cena katalogowa API dla GLM-5.2 to $1.40 za milion tokenów wejściowych i $4.40 za milion wyjściowych. Nasza cena za ten sam fundament to $0.73 / $2.34 — mniej więcej 48% mniej na wejściu i 47% mniej na wyjściu. Ten rabat kupuje kompresja, a w pakiecie idzie druga rzecz, której u producenta nie kupisz za żadną cenę: brak warstwy odmów.

Wewnątrz naszego własnego katalogu liczy się koszt mieszany. Poniżej przy stosunku wejścia do wyjścia 3:1, mniej więcej tak, jak w praktyce wygląda agent wywołujący narzędzia — dużo kontekstu i wyników narzędzi wchodzi, stosunkowo mało tokenów wychodzi.

Model	Wejście / 1M	Wyjście / 1M	Mieszany 3:1	Wizja
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	Nie
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	Nie
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	Tak
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Nie
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Tak
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Tak

Sześć modeli siedzi na podłodze $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro i Hy3 — co daje stawkę mieszaną $0.875. GLM-5.2 jest 29% nad tą podłogą i kupuje ci fundament klasy 744B z wieloletnią inwestycją w zachowanie agentowe za plecami. Wszystko wycenione powyżej niego kosztuje mieszanie co najmniej 23% więcej, a Kimi-K3 kosztuje 6.8× więcej. To jest argument wartości w jednym wierszu: najtańsze miejsce w katalogu, w którym kupisz agentowy fundament z najwyższej półki.

Przeliczone na pracę

• Jedno pełne wypełnienie kontekstu — 262,144 tokeny wejściowe: $0.19. Całe duże repozytorium wczytane w okno za mniej niż dwadzieścia centów.
• Jedna odpowiedź o maksymalnej długości — 16,384 tokeny wyjściowe: $0.038.
• Jedna tura agenta — 20K wejścia, 2K wyjścia: $0.019. Ta sama tura kosztuje $0.115 na Kimi-K3 i $0.047 na DeepSeek-V4-Pro.
• Sto tur agenta: $1.93, wobec $11.48 na najdroższym modelu w katalogu.

Obciążenia agentowe są ciężkie po stronie wejścia, a przewaga GLM jest największa właśnie tam: jego cena wejścia jest 5.2× niższa od Kimi-K3 i 2.7× niższa od DeepSeek-V4-Pro. Jeśli twój agent w każdej turze wysyła ponownie rosnącą rozmowę — a robi tak prawie każdy agent — to ten mnożnik ląduje na twojej fakturze.

05Co znaczy „nieocenzurowany” na tym endpoincie

Dokładnie dwie rzeczy: brak warstwy odmów — żadnego klasyfikatora decydującego, które żądania model ma prawo zobaczyć, i żadnego modelu polityki przepisującego twój prompt, zanim dotrze — oraz brak filtrowania wyjścia, czyli tokeny, które model produkuje, są tokenami, które odbierasz, bez zaczernień i podmian.

To zupełnie co innego niż komercyjne API reklamujące tryb „rozluźniony” albo „deweloperski”. Tamte nadal przepuszczają ruch przez stos polityki dostawcy; zmienia się próg, a nie istnienie bramki. Tutaj nie ma bramki do strojenia — model działa na naszym własnym klastrze GPU, a jego zachowanie jest zachowaniem fundamentu. Odczytaj ustalenie NIST CAISI z sekcji 02 jako stwierdzenie techniczne, a nie ostrzeżenie, a wyjaśni ono produkt: model, którego alignment mieszka w wagach, serwowany bez zewnętrznej warstwy polityki, zachowuje się zgodnie ze swoimi wagami.

Dlaczego to ma szczególne znaczenie dla agentów

Odmowy omawia się zwykle jako kwestię treści. W pracy agentowej są przede wszystkim kwestią niezawodności. Odmowa w turze 31 przebiegu na 40 tur to nie uprzejma odmowa, którą czytasz i idziesz dalej — to zniekształcony krok, orkiestrator, który nie wie, co dalej, zepsuty plan i 30 tur zużytych tokenów bez rezultatu. Badania bezpieczeństwa, analiza malware, testy penetracyjne, red-teaming, fikcja dla dorosłych, redagowanie tekstów medycznych i prawnych oraz generowanie zbiorów danych do treningu bezpieczeństwa trafiają na to bez przerwy, a awaria jest kosztowna właśnie dlatego, że przychodzi późno.

Druga strona medalu jest taka, że warstwa polityki należy teraz do ciebie. Korzystanie z bramy Shannon AI reguluje nasza Polityka Odpowiedzialnego Korzystania; usunięcie oceny dostawcy z pętli oznacza dostarczenie własnej.

06Co ten endpoint faktycznie daje

Możliwość	GLM-5.2 · 3BIT-REAP
Id modelu	GLM-5.2-3BIT-REAP
Okno kontekstu	262,144 tokeny
Maks. wyjście na żądanie	16,384 tokeny
Streaming	Tak
Wywoływanie narzędzi	Tak
Rozumowanie / reasoning_effort	Tak
JSON Schema (json_schema)	Tak
response_format	Tak
Wizja / wejście obrazowe	Nie — tylko tekst
Warstwa odmów / filtrowanie wyjścia	Brak

Przeczytaj uważnie wiersz o wizji, zanim zaczniesz budować. GLM-5.2 obsługuje w naszej bramie wyłącznie tekst. Jeśli potrzebujesz wejścia obrazowego, katalog ma pięć opcji z wizją — MiniMax-M3 i MiMo-V2.5 na podłodze $0.50 / $2.00, Kimi-K2.6 za $0.78 / $3.67, inkling za $1.42 / $6.07 oraz Kimi-K3 za $3.83 / $19.12. Rozsądny wzorzec to kierowanie rozumienia obrazów do MiniMax-M3, a wszystkiego innego do GLM-5.2, co nie kosztuje nic poza zmianą łańcucha z nazwą modelu.

Trzy dialekty, jeden model

Ten sam model jest dostępny przez trzy formaty żądań, wszystkie ze streamingiem: /v1/chat/completions (dialekt OpenAI), /v1/messages (dialekt Anthropic) i /v1/responses. Nic w modelu się między nimi nie zmienia — wybierz ten, którym twoje SDK już mówi, a zwykle dzieli cię od uruchomienia jedna zmiana bazowego URL-a.

# 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,
)

Pełne schematy żądań i odpowiedzi dla wszystkich trzech dialektów, format wywoływania narzędzi, kształty zdarzeń streamingu oraz interaktywny playground znajdziesz w dokumentacji API Shannon AI.

07Kiedy wybrać GLM-5.2 — a kiedy nie

Sięgnij po niego, gdy

• Uruchamiasz agentów. Długie pętle z wywoływaniem narzędzi to dokładnie to, pod co ten rodowód był budowany i wielokrotnie post-trenowany, a cena wejścia sprawia, że rosnącą rozmowę stać cię wysyłać ponownie w każdej turze.
• Pracujesz na dużej bazie kodu. 262K kontekstu, niezawodne formatowanie wywołań narzędzi i $0.19 za wczytanie całego okna.
• Twoim ograniczeniem jest wolumen. Klasyfikacja, ekstrakcja, generowanie danych syntetycznych, masowe przepisywanie — wszystko, gdzie koszt jednego wywołania razy duża liczba decyduje o tym, czy projekt jest opłacalny.
• Odmowy psują ci pipeline. Badania bezpieczeństwa, testy adwersarialne, fikcja bez cenzury, redagowanie wrażliwych treści — ten tryb awarii tutaj nie występuje.

Sięgnij po coś innego, gdy

• Potrzebujesz wizji. Tylko tekst. Zobacz opcje z wizją powyżej.
• Potrzebujesz najgłębszego rozumowania w jednej turze. Do najtrudniejszych jednorazowych problemów analitycznych DeepSeek-V4-Pro-0813 · 3BIT-REAP jest cięższym narzędziem przy 2.2× kosztu mieszanego — przy wywołaniach, w których ograniczeniem jest sufit, to właściwy wybór.
• Potrzebujesz maksymalnej wierności w niszowej wiedzy. Poziom W8A16 — MiMo-V2.5-Pro i Hy3 — jest kompresowany znacznie mniej agresywnie i stoi na podłodze $0.50 / $2.00, na mniejszych fundamentach.

Liczby benchmarkowe GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) podaje Z.ai dla nieskompresowanego fundamentu; niezależna replikacja jest w toku. Wyniki Claude Opus 4.8 i GPT-5.5 pokazano wyłącznie dla odniesienia. Cennik katalogowy API GLM-5.2 u producenta zgodnie z publikacją Z.ai, wrzesień 2026.

08Najczęściej zadawane pytania

---

Źródła: repozytorium Z.ai GLM-5 · Du i in., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng i in., GLM-130B: An Open Bilingual Pre-trained Model · Lasby i in., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI, ocena GLM-5.2 od Z.ai, lipiec 2026. Wyniki benchmarkowe fundamentu są podawane przez laboratorium i mają charakter wstępny; opisują nieskompresowany GLM-5.2, a nie tę skompresowaną kompilację. Liczby dotyczące cen, kontekstu i możliwości to wartości katalogowe Shannon AI na dzień 5 września 2026.