بې سانسوره GLM API: په هر توکن غوره ارزښت

د «تر ټولو ارزانه ماډل» ډېری پرتلې ناسمې دي، ځکه چې ارزان انتخاب معمولاً یو کوچنی ماډل وي چې د یوه لوی ماډل بازارموندنه يې اغوستې. دلته دا نه کېږي. GLM-5.2 یو له هغو تر ټولو لویو خلاص وزنه بنسټونو څخه دی چې چا خپاره کړي، او په $0.73 دننه / $2.34 بهر کې زموږ د کتلاګ له فرش څخه یوه پوړۍ پورته ولاړ دی، په داسې حال کې چې یو داسې بنسټ لري چې څو ځله لوی دی له هغه څه چې دا فرش يې معمولاً اخلي. همدا واټن — لوی ماډل، فرش ته نږدې بیه — د دې پاڼې د شتون لامل دی.

01GLM له کومه راځي: تسینګوا، د تشو ډکول، او اجنټانو ته یو سخت ګرځېدل

GLM د Llama یوه بیا نومول شوې څانګه نه ده. دا یوه له هغو څو ماډلي کورنیو څخه ده چې خپله د مخکې روزنې موخه لري او پنځه کاله د هماغې څېړنیزې ډلې له خوا تکرار شوې. نوم يې د General Language Model لنډیز دی، او بنسټیزې مقالې — GLM: General Language Model Pretraining with Autoregressive Blank Infilling، ACL 2022 — د BERT د پټ شوي ژبني ماډلولو او د GPT د سختې له کیڼې څخه ښي خوا ته اتوریګریسیف لارې تر څنګ یو درېیم انتخاب وړاندیز کړ. GLM پرله پسې سیمې تشوي او په ګډ شوي ترتیب کې يې په اتوریګریسیف ډول بیا جوړوي، له دوه اړخیزو موقعیتي کوډونو سره چې هم د یوه توکن ځای په خرابه شوې سند کې او هم د هغه ځای د ډکېدونکې سیمې دننه څاري: یوه معماري چې پوهېدل او جوړول دواړه یو شان ښه ترسره کوي.

هغه ډله چې تر شا يې وه، د تسینګوا پوهنتون د پوهې د انجینرۍ ډله وه، چې هغه شرکت يې راووت چې اوس د Z.ai په نوم پېژندل کېږي (پخوا Zhipu AI). لومړی سرلیک لرونکی محصول يې د 2022 په اکتوبر کې GLM-130B و — یو 130 میلیارده پیرامیټره دوه ژبی انګلیسي/چیني کثیف ماډل، چې وزنونه او کوډ يې د خپرېدو په وخت کې په عامه توګه خپاره شول. له هغه راهیسې خلاصه خپرونه د کور سبک دی.

د MoE دوره، او اجنټانو ته ګرځېدل

تلونکې کرښه تر هرې یوې خپرونې ډېره مهمه ده. له GLM-4.5 راهیسې، هره بڼه د هماغه یوه شي لپاره غوره شوې: د لسګونو د وسیلو بلنو په اوږدو کې همغږې پاتې کېدل. دا د یوې دورې د معیاري شمېرو له لوړولو یوه بله موخه ده، او په دې بڼه څرګندېږي: لږ خرابې شوې د وسیلو دلیلونه، په یوه اوږد پلان کې لږ ښویېدل، او لږ هغه چلند چې «په 14مه دوره کې په ډاډ سره دنده له سره پیلوي» او د اجنټ چوکاټونه ګران کوي.

02GLM-5.2 څه دی، او پر څه اندازه شوی

Z.ai د GLM-5.2 لپاره د معیار شمېرې د GLM-5 په ذخیره کې خپروي. دوه يې د معلوماتو د یادولو پرځای پر ریښتیني اجنټي کار باندې لګېږي:

Terminal-Bench 2.1 — د اوږد افق د کمانډ کرښې اجنټي دندې. د Z.ai راپور شوې.

SWE-bench Pro — د ریښتیني ذخیرې د مسألې حل. د Z.ai راپور شوې؛ GLM-5.1 پر همدې ازموینه 58.4 ترلاسه کړل.

دا د لابراتوار شمېرې دي، زموږ نه دي، او بې فشاره بنسټ بیانوي. دوی هغه ټولګه ټاکي چې تاسو ورسره کار کوئ، نه یوه ضمانت.

یوه معلوماتي نقطه تر یوه معیار ډېر ارزښت لري، ځکه چې له یوه داسې ارزوونکي راځي چې د ماډل د ستایلو هېڅ ګټه نه لري. د 2026 په جولای کې د متحده ایالاتو د معیارونو او ټکنالوژۍ ملي انسټیټیوټ د AI معیارونو او نوښت مرکز GLM-5.2 وارزاوه او دې پایلې ته ورسېد چې ښايي هغه وخت چې خپور شو، تر ټولو وړتیا لرونکی شته خلاص وزنه AI ماډل و، چې عمومي وړتیاوې يې له GPT-5.2 سره او سایبري وړتیاوې يې له Claude Opus 4.6 سره پرتله کېدونکې وې. هماغه ارزونه ولیدل چې GLM-5.2 تر امریکایي مرجع ماډلونو لږ حساسې غوښتنې بندوي، او هغه ساتونکي بندونه چې په خلاصو وزنونو کې پخ شوي وي کولی شي له هغه وروسته چې دا وزنونه پخپله کوربه شي، تېر کړل شي. برخه 05 بېرته همدې ته راځي.

03«3BIT-REAP» څه معنا لري، او تاسو ته څه لګښت لري

REAP: د متخصصانو کټول د سره ګډولو پرځای

یو 744B پیرامیټره MoE ماډل په هره پرت کې 256 متخصصان لري، چې له هغو څخه 8 پر هر ورکړل شوي توکن اور کوي. روټر کار یوشان نه وېشي — ځینې متخصصان تل ویشتل کېږي، او یوه اوږده لکۍ لږ ویشتل کېږي او کله چې وویشتل شي هم لږ ونډه اخلي. REAP (د روټر پر وزن ولاړ د متخصص د فعالېدو کټول)، د Cerebras Research له خوا او ICLR 2026 ته منل شوي، له همدې څخه ګټه اخلي: هر متخصص د یوه څرګندتیا معیار له مخې ارزوي چې روټر يې څومره پیاوړی او څومره ځله دروازه ورته پرانیزي له د هغه د وتنې د ونډې له کچې سره یوځای کوي، بیا ټیټ ارزښت لرونکي د تل لپاره غورځوي.

په زړه پورې برخه هغه پرتله ده چې REAP يې ګټي. د یوه متخصص د غورځولو څرګند بدیل دا دی چې په یوه ژوندي پاتې کې يې سره ګډ کړئ، چې خوندي ښکاري. د مقالې موندنه له 20B څخه تر 1T پیرامیټرونو په MoE ماډلونو کې دا ده چې سره ګډول په حقیقت کې د جوړونکي کار لپاره بدتر دي، او کټول په حیرانوونکي ډول ښه پاتې کېږي: پر کوډ جوړولو او د وسیلو زنګ وهلو معیارونو باندې نږدې بې زیانه، حتی له دې وروسته چې نیم متخصصان لرې شي، پر هغو بنسټونو باندې چې Qwen3-Coder-480B او Kimi-K2 پکې شامل دي. د کوډ او د وسیلو زنګ وهلو بشپړ پاتې کېدل دقیقاً هغه څه دي چې تاسو يې پر یوه ماډل باندې د ساتلو غوښتنه کوئ چې د شتون لامل يې اجنټي انجینري ده.

3-بیټه وزنونه، او رښتینې معامله

د کټولو تر څنګ، ژوندي پاتې وزنونه په 3 بیټو کې زېرمه کېږي — چې زموږ په کتلاګ کې له W4A16-AUTOROUND-REAP او W8A16 پوړونو تېز دي، او یوازې د تر ټولو لویو بنسټونو لپاره ساتل شوي، چېرې چې بله هېڅ لار نشته چې یو درې څلورمې ټریلیون پیرامیټره ماډل پر یوه خدماتي نوډ کېښودل شي او توکنه په کارېدونکي سرعت کې روان وساتل شي.

فشار وړیا نه دی. سم ذهني ماډل: کټول او کوانټایزېشن لومړی اوږده لکۍ خرابوي. کثیف، ډېر کارېدونکي چلندونه — د لارښوونې پیروي، د کوډ جوړښت، د وسیلې بلنې بڼه، څو ګامیز پلان جوړول — ښه ژوندي پاتې کېږي، چې دقیقاً همدا د REAP پایلې ښیي. ناڅرګنده واقعي یادونه، نادرې ژبې او ځانګړي ډګریز معلومات هغه ځایونه دي چې باید د یوه بې فشاره GLM-5.2 پر وړاندې پکې توپیر وګورئ. که ستاسو کاري بار «یو غیر عادي حقیقت په بشپړه توګه پوهېدل» وي، د یوه لوړ وفادارۍ پوړ لپاره پیسې ورکړئ. که «یو پلان په څلوېښتو د وسیلو بلنو کې پرته له لارې ګرځېدو چلول» وي، دا هغه پوړ دی چې میتود ورته ډیزاین شوی.

04د ارزښت قضیه: یو ارزانه بې سانسوره LLM API په حقیقت کې د چلولو څومره لګښت لري

د Z.ai خپله د GLM-5.2 لپاره خپره شوې د API لیستي بیه په هر میلیون دننه توکنو $1.40 او په هر میلیون بهر $4.40 ده. پر هماغه بنسټ باندې زموږ بیه $0.73 / $2.34 ده — نږدې 48% لږ پر دننه او 47% لږ پر بهر. دا تخفیف هغه څه دي چې فشار يې اخلي، او له یوه دویم شي سره راځي چې تاسو يې په هېڅ بیه له لومړي لاسه نشئ اخیستلی: د ردولو پرت نشته.

زموږ د خپل کتلاګ دننه، ګډ لګښت هغه شمېره ده چې اهمیت لري. دلته دا د دننه ورکړې او وتنې په 3:1 نسبت کې ده، چې نږدې همدا بڼه لري چې یو د وسیلو بلونکی اجنټ يې په عمل کې لري — ډېر متن او د وسیلو پایلې دننه ځي، په پرتله کې لږ توکنه بهر راوځي.

ماډل	دننه / 1M	بهر / 1M	ګډ 3:1	لید
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	نه
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	نه
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	هو
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	نه
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	هو
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	هو

شپږ ماډلونه د $0.50 / $2.00 پر فرش ولاړ دي — MiniMax-M3، DeepSeek-V4-Flash، Laguna-S-2.1، MiMo-V2.5، MiMo-V2.5-Pro او Hy3 — چې $0.875 ګډه کچه ده. GLM-5.2 له هغه فرش 29% پورته دی او تاسو ته یو 744B ټولګي بنسټ درکوي چې د اجنټي چلند لپاره یوه دوامداره پانګونه ورسره ده. هر څه چې له هغه پورته بیه لري، لږ تر لږه 23% ډېر ګډ لګښت لري، او Kimi-K3 6.8× ډېر لګښت لري. د ارزښت دلیل په یوه کرښه کې همدا دی: په کتلاګ کې تر ټولو ارزانه ځای چې یو پورتنۍ کچې اجنټي بنسټ پکې واخلئ.

په کار بدل شوی

• د متن یو بشپړ ډکول — 262,144 دننه توکنه: $0.19. یوه بشپړه لویه ذخیره چې تر شلو سنټو لږ کې کړکۍ ته ولوستل شي.
• یوه تر ټولو اوږده بشپړونه — 16,384 بهر توکنه: $0.038.
• یوه اجنټي دوره — 20K دننه، 2K بهر: $0.019. هماغه دوره پر Kimi-K3 باندې $0.115 او پر DeepSeek-V4-Pro باندې $0.047 لګښت لري.
• سل اجنټي دورې: $1.93، په پرتله کې په کتلاګ کې پر تر ټولو ګران ماډل باندې $11.48.

اجنټي کاري بارونه پر دننه ورکړه درانه دي، او د GLM ګټه دقیقاً هلته تر ټولو لویه ده: د دننه ورکړې بیه يې د Kimi-K3 له بیې 5.2× او د DeepSeek-V4-Pro له بیې 2.7× ټیټه ده. که ستاسو اجنټ په هره دوره کې یوه لویېدونکې خبرې اترې بیا لېږي — او نږدې هر اجنټ دا کوي — همدا ضرب کوونکی هغه څه دی چې ستاسو پر رسید پای ته رسېږي.

05پر دې پای ټکي باندې «بې سانسوره» څه معنا لري

دقیقاً دوه شیان: د ردولو پرت نشته — هېڅ ډلبند نشته چې پرېکړه وکړي کومې غوښتنې ته ماډل ته د لیدلو اجازه ده، او هېڅ پالیسي ماډل نشته چې ستاسو پرامپټ مخکې له راتګه بیا ولیکي — او د وتنې فلټر نشته، یعنې هغه توکنه چې ماډل يې جوړوي هماغه توکنه دي چې تاسو يې ترلاسه کوئ، بې تورې او بې بدلونه.

دا د یوه سوداګریز API له هغه وړاندیز سره توپیر لري چې د «نرم» یا «پرمخیالي» حالت اعلان کوي. هغوی لا هم ترافیک د یوه پلورونکي د پالیسۍ سټک له لارې تېروي؛ هغه څه چې بدلېږي کچه ده، نه د دروازې شتون. دلته هېڅ دروازه نشته چې تنظیم شي — ماډل زموږ پر خپل GPU کلستر باندې چلېږي، او چلند يې د بنسټ چلند دی. له برخې 02 څخه د NIST CAISI موندنه د یوې خبرتیا پرځای د یوې تخنیکي ویناوې په توګه ولولئ او محصول درته څرګندوي: یو ماډل چې همغږي يې په خپلو وزنونو کې اوسېږي، پرته له بهرني پالیسي پرت خدمت کېږي، د خپلو وزنونو له مخې چلند کوي.

ولې دا په ځانګړي ډول د اجنټانو لپاره اهمیت لري

ردول معمولاً د محتوا د پوښتنې په توګه بحث کېږي. په اجنټي کار کې دوی ډېر د باور وړتیا پوښتنه ده. د یوه 40 دورییز چلند په 31مه دوره کې یو ردول یو مؤدب انکار نه دی چې ولولئ او تېر شئ — دا یو خراب ګام دی، یو تنظیموونکی چې نه پوهېږي څنګه مخکې ولاړ شي، یو مات پلان، او 30 دورې مصرف شوي توکنه چې هېڅ يې د ښودلو لپاره نشته. امنیتي څېړنه، د مالویر شننه، د ننوتلو ازموینه، سره ټیمي، د لویانو داستان، طبي او حقوقي مسوده کول، او د امنیتي روزنې لپاره د ډیټاسیټ جوړول ټول له دې سره تل مخ کېږي، او ناکامي دقیقاً ځکه ګرانه ده چې ناوخته راځي.

بل اړخ يې دا دی چې د پالیسۍ پرت اوس ستاسو دی. د Shannon AI د ګېټوې کارونه زموږ د مسؤلانه کارونې پالیسۍ له مخې اداره کېږي؛ له لوپ څخه د یوه پلورونکي د قضاوت لرې کول دا معنا لري چې خپل يې ورکړئ.

06پای ټکی په حقیقت کې څه درکوي

وړتیا	GLM-5.2 · 3BIT-REAP
د ماډل ID	GLM-5.2-3BIT-REAP
د متن کړکۍ	262,144 توکنه
په هر غوښتنه کې تر ټولو ډېره وتنه	16,384 توکنه
سټریمینګ	هو
د وسیلو زنګ وهل	هو
استدلال / reasoning_effort	هو
JSON Schema (json_schema)	هو
response_format	هو
لید / د انځور دننه ورکړه	نه — یوازې متن
د ردولو پرت / د وتنې فلټر	هېڅ

مخکې له دې چې جوړ کړئ، د لید کرښه په پام سره ولولئ. GLM-5.2 زموږ پر ګېټوې باندې یوازې متني دی. که د انځور دننه ورکړه غواړئ، کتلاګ پنځه لید لرونکي انتخابونه لري — MiniMax-M3 او MiMo-V2.5 د $0.50 / $2.00 پر فرش، Kimi-K2.6 په $0.78 / $3.67، inkling په $1.42 / $6.07، او Kimi-K3 په $3.83 / $19.12. یو منطقي الګو دا دی چې د انځور پوهېدل MiniMax-M3 ته او نور هر څه GLM-5.2 ته ورولېږئ، چې له یوې ماډلي لړۍ هاخوا هېڅ لګښت نه لري.

درې ژبې، یو ماډل

هماغه ماډل د درېیو غوښتنیزو بڼو له لارې د رسېدنې وړ دی، ټولې له سټریمینګ سره: /v1/chat/completions (د OpenAI ژبه)، /v1/messages (د Anthropic ژبه)، او /v1/responses. د ماډل په اړه د دوی ترمنځ هېڅ نه بدلېږي — هغه یوه وټاکئ چې ستاسو SDK يې دمخه وايي، او تاسو معمولاً د یوه base-URL بدلون په واټن کې د چلولو لپاره چمتو یاست.

# 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,
)

د دریواړو ژبو لپاره د غوښتنې او ځواب بشپړې سکیمې، د وسیلو د زنګ وهلو بڼه، د سټریمینګ د پېښو بڼې، او یو متقابل لوبغالی په د Shannon AI API اسنادو کې دي.

07کله GLM-5.2 وټاکئ — او کله نه

هغه وخت لاس ورته وړئ چې

• اجنټان چلوئ. د وسیلو د زنګ وهلو اوږده لوپونه هغه څه دي چې دا ډله ورته جوړه او په ټکرار سره وروسته روزل شوې، او د دننه ورکړې بیه یوه لویېدونکې خبرې اترې دومره ارزانه کوي چې په هره دوره کې بیا ولېږل شي.
• پر یوه لوی کوډ بېس باندې کار کوئ. 262K متن، باوري د وسیلې بلنې بڼه، او د ټولې کړکۍ لوستلو لپاره $0.19.
• حجم ستاسو محدودیت دی. ډلبندي، استخراج، مصنوعي ډیټا جوړول، ډله ییزه بیا لیکنه — هر هغه څه چې په هره بلنه کې لګښت په یوه لوی عدد ضرب کړي، پرېکړه کوي چې پروژه د کار وړ ده که نه.
• ردول ستاسو پایپلاین ماتوي. امنیتي څېړنه، مخالفتي ازموینه، بې سانسوره داستان، حساس مسوده کول — د ناکامۍ دا بڼه دلته شتون نه لري.

هغه وخت بل څه ته لاس وړئ چې

• لید ته اړتیا لرئ. یوازې متن. پورته لید لرونکي انتخابونه وګورئ.
• په یوه دوره کې تر ټولو ژور استدلال ته اړتیا لرئ. د تر ټولو سختو یو ګامیزو شنونکو ستونزو لپاره، DeepSeek-V4-Pro-0813 · 3BIT-REAP په 2.2× ګډ لګښت کې درنه وسیله ده — پر هغو بلنو باندې چې سقف پکې محدودیت وي، همدا سمه معامله ده.
• پر ناڅرګندې پوهې باندې تر ټولو لوړې وفادارۍ ته اړتیا لرئ. د W8A16 پوړ — MiMo-V2.5-Pro او Hy3 — ډېر لږ تېز فشار شوی او د $0.50 / $2.00 پر فرش ولاړ دی، پر کوچنیو بنسټونو باندې.

د GLM-5.2 د معیار شمېرې (Terminal-Bench 2.1، SWE-bench Pro) د بې فشاره بنسټ لپاره د Z.ai له خوا راپور شوې؛ خپلواکه بیا تکرار لا پاتې دی. د Claude Opus 4.8 او GPT-5.5 شمېرې یوازې د حوالې لپاره ښودل شوې. د GLM-5.2 لومړي لاس د API لیستي بیه هماغسې لکه د Z.ai له خوا چې خپره شوې، د 2026 سپټمبر.

08ډېرې پوښتل شوې پوښتنې

---

سرچینې: د Z.ai د GLM-5 ذخیره · 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, July 2026. د بنسټ د معیار شمېرې د لابراتوار له خوا راپور شوې او لنډمهاله دي؛ دوی بې فشاره GLM-5.2 بیانوي، نه دا فشار شوی جوړښت. د بیې، متن او وړتیا شمېرې د 2026 د سپټمبر تر 5 پورې د Shannon AI کتلاګي ارزښتونه دي.