GLM API без цензуры: лучшая отдача за токен

Большинство сравнений «самой дешёвой модели» нечестны, потому что дешёвый вариант обычно оказывается маленькой моделью в маркетинговой упаковке большой. Здесь происходит не это. GLM-5.2 — одна из крупнейших основ с открытыми весами, которые вообще кто-либо выпускал, и при $0.73 на входе / $2.34 на выходе она стоит на ступень выше нижней планки нашего каталога, неся при этом основу в несколько раз крупнее того, что за эту планку обычно дают. Именно этот разрыв — большая модель по цене почти у пола — и есть причина существования этой страницы.

01Откуда взялся GLM: Цинхуа, заполнение пропусков и резкий поворот к агентам

GLM — не перекрашенная производная от Llama. Это одно из немногих семейств моделей с собственной задачей предобучения, которую одна и та же исследовательская группа развивает пять лет. Название расшифровывается как General Language Model, а основополагающая статья — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — предложила третий вариант рядом с маскированным языковым моделированием BERT и строгой авторегрессией слева направо у GPT. GLM вырезает непрерывные отрезки и восстанавливает их авторегрессивно в перемешанном порядке, с двумерными позиционными кодировками, отслеживающими и позицию токена в повреждённом документе, и его позицию внутри заполняемого отрезка: одна архитектура одинаково хорошо справляется и с пониманием, и с генерацией.

За этим стояла Knowledge Engineering Group из Университета Цинхуа, из которой выросла компания, известная сегодня как Z.ai (ранее Zhipu AI). Её первым заметным артефактом стала GLM-130B в октябре 2022 года — двуязычная англо-китайская плотная модель на 130 миллиардов параметров, веса и код которой были опубликованы одновременно с самой работой. Открытый релиз с тех пор стал фирменным стилем.

Эпоха MoE и разворот к агентам

Сквозная линия важнее любого отдельного релиза. Начиная с GLM-4.5 каждая версия оптимизировалась под одно и то же: оставаться связной на протяжении десятков вызовов инструментов. Это другая задача, чем максимизация баллов на однораундовых бенчмарках, и проявляется она как меньшее число некорректных аргументов инструментов, меньший дрейф в длинном плане и меньше того самого поведения «уверенно начинает задачу заново на четырнадцатом ходу», которое делает агентные фреймворки дорогими.

02Что такое GLM-5.2 и на чём её измеряли

Z.ai публикует цифры бенчмарков GLM-5.2 в репозитории GLM-5. Две из них ложатся на реальную агентную работу, а не на угадывание фактов:

Terminal-Bench 2.1 — долгосрочные агентные задачи в командной строке. По данным Z.ai.

SWE-bench Pro — решение реальных задач в репозиториях. По данным Z.ai; GLM-5.1 набрала 58,4 на том же тесте.

Это цифры лаборатории, а не наши, и описывают они несжатую основу. Они устанавливают класс модели, с которой вы имеете дело, а не дают гарантию.

Один факт стоит больше любого бенчмарка, потому что исходит от оценщика, у которого нет причин льстить модели. В июле 2026 года Center for AI Standards and Innovation при американском Национальном институте стандартов и технологий оценил GLM-5.2 и заключил, что на момент выхода это была вероятно, самая способная доступная модель ИИ с открытыми весами, с общими возможностями, сопоставимыми с GPT-5.2, и киберспособностями, сопоставимыми с Claude Opus 4.6. Та же оценка отметила, что GLM-5.2 блокирует меньше чувствительных запросов, чем американские эталонные модели, и что защиты, вшитые в открытые веса, можно обойти, как только эти веса разворачивают у себя. Раздел 05 к этому возвращается.

03Что значит «3BIT-REAP» и чего это вам стоит

REAP: экспертов отсекают, а не сливают

У модели MoE на 744 млрд параметров в каждом слое 256 экспертов, из которых на любом отдельном токене срабатывают 8. Маршрутизатор распределяет работу неравномерно: по некоторым экспертам он бьёт постоянно, а длинный хвост задействуется редко и вносит мало, когда всё же задействуется. REAP (Router-weighted Expert Activation Pruning) от Cerebras Research, принятая на ICLR 2026, этим и пользуется: она оценивает каждого эксперта по критерию значимости, сочетающему то, насколько сильно и часто маршрутизатор его пропускает, с величиной вклада его выхода, а затем навсегда удаляет тех, кто набрал мало.

Интересна не сама идея, а сравнение, которое REAP выигрывает. Очевидная альтернатива удалению эксперта — слить его с уцелевшим, что звучит безопаснее. Вывод статьи по моделям MoE от 20 млрд до 1 трлн параметров в том, что слияние на самом деле хуже для генеративной работы, а отсечение держится замечательно: практически без потерь на бенчмарках генерации кода и вызова инструментов даже после удаления половины экспертов, на основах, включая Qwen3-Coder-480B и Kimi-K2. Сохранность кода и вызова инструментов — ровно то, что вы хотите сберечь у модели, чей смысл существования — агентная инженерия.

3-битные веса и честный компромисс

Поверх отсечения уцелевшие веса хранятся в 3 битах — агрессивнее, чем ступени W4A16-AUTOROUND-REAP и W8A16 в других местах нашего каталога, и это зарезервировано для самых крупных основ, где нет другого способа поместить модель на три четверти триллиона параметров на обслуживающий узел и сохранить приемлемую скорость выдачи токенов.

Сжатие не бесплатно. Правильная мысленная модель такова: отсечение и квантование первым делом портят длинный хвост. Плотные, постоянно задействуемые способности — следование инструкциям, структура кода, формат вызова инструментов, многошаговое планирование — переносят это хорошо, и именно это показывают результаты REAP. Разницу с несжатой GLM-5.2 стоит ожидать в редких фактах, малораспространённых языках и узкой доменной эрудиции. Если ваша нагрузка это «знать назубок необычный факт», платите за ступень с более высокой точностью. Если это «провести план через сорок вызовов инструментов и не съехать с рельсов», то метод создавался именно для этой ступени.

04Аргумент цены: во что реально обходится дешёвый LLM API без цензуры

Собственная опубликованная прейскурантная цена API у Z.ai для GLM-5.2 — $1.40 за миллион входных токенов и $4.40 за миллион выходных. Наша цена на той же основе — $0.73 / $2.34, то есть примерно на 48% меньше на входе и на 47% меньше на выходе. Эту скидку покупает сжатие, и вместе с ней идёт вторая вещь, которую у первоисточника нельзя купить ни за какие деньги: отсутствие слоя отказов.

Внутри нашего каталога значение имеет смешанная стоимость. Вот она при соотношении входа к выходу 3:1 — примерно так на практике выглядит агент с вызовом инструментов: много контекста и результатов инструментов на входе, сравнительно мало токенов на выходе.

Модель	Вход / 1M	Выход / 1M	Смешанная 3:1	Зрение
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	Нет
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	Нет
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	Да
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Нет
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Да
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Да

Шесть моделей стоят у нижней планки $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro и Hy3 — это смешанная ставка $0.875. GLM-5.2 на 29% выше этой планки и даёт вам основу класса 744 млрд с многолетними вложениями в агентное поведение за спиной. Всё, что стоит выше неё, обходится минимум на 23% дороже по смешанной ставке, а Kimi-K3 — в 6,8 раза дороже. Вот аргумент цены в одну строку: это самое дешёвое место в каталоге, где можно купить агентную основу высшего уровня.

В переводе на работу

• Одно полное заполнение контекста — 262 144 входных токена: $0.19. Целый крупный репозиторий, прочитанный в окно, меньше чем за двадцать центов.
• Один ответ максимальной длины — 16 384 выходных токена: $0.038.
• Один ход агента — 20K на входе, 2K на выходе: $0.019. Тот же ход стоит $0.115 на Kimi-K3 и $0.047 на DeepSeek-V4-Pro.
• Сто ходов агента: $1.93 против $11.48 на самой дорогой модели каталога.

Агентные нагрузки тяжелы по входу, и преимущество GLM максимально именно там: её цена входа в 5,2 раза ниже, чем у Kimi-K3, и в 2,7 раза ниже, чем у DeepSeek-V4-Pro. Если ваш агент пересылает растущую переписку каждый ход — а так делает почти любой агент, — именно этот множитель оседает в вашем счёте.

05Что значит «без цензуры» на этом эндпоинте

Ровно две вещи: нет слоя отказов — нет классификатора, решающего, какие запросы модели дозволено увидеть, и нет модели политик, переписывающей ваш промпт до его прибытия, — и нет фильтрации вывода, то есть токены, которые модель произвела, и есть токены, которые вы получаете, без вымарываний и подмен.

Это не то же самое, что коммерческий API, рекламирующий «расслабленный» или «разработческий» режим. Там трафик всё равно идёт через политический стек вендора; меняется порог, а не наличие ворот. Здесь настраивать нечего — модель работает на нашем собственном GPU-кластере, и её поведение это поведение основы. Прочитайте вывод NIST CAISI из раздела 02 как техническое утверждение, а не как предупреждение, и он объяснит продукт: модель, чьё выравнивание живёт в её весах, обслуживаемая без внешнего слоя политик, ведёт себя согласно своим весам.

Почему это особенно важно для агентов

Отказы обычно обсуждают как вопрос содержания. В агентной работе это в основном вопрос надёжности. Отказ на 31-м ходу сорокаходового прогона — это не вежливое «нет», которое вы прочитали и пошли дальше: это некорректный шаг, оркестратор, не знающий, как продолжать, сломанный план и 30 ходов потраченных токенов впустую. Исследования безопасности, анализ вредоносного ПО, тестирование на проникновение, red teaming, взрослая проза, медицинские и юридические черновики и генерация датасетов для обучения безопасности упираются в это постоянно, а сбой дорог именно потому, что случается поздно.

Обратная сторона в том, что слой политик теперь ваш. Использование шлюза Shannon AI регулируется нашей Политикой ответственного использования; убрав суждение вендора из цикла, вы обязуетесь принести собственное.

06Что эндпоинт реально даёт

Возможность	GLM-5.2 · 3BIT-REAP
Идентификатор модели	GLM-5.2-3BIT-REAP
Контекстное окно	262 144 токена
Максимум вывода на запрос	16 384 токена
Стриминг	Да
Вызов инструментов	Да
Рассуждение / reasoning_effort	Да
JSON Schema (json_schema)	Да
response_format	Да
Зрение / изображения на входе	Нет — только текст
Слой отказов / фильтрация вывода	Нет

Внимательно прочитайте строку про зрение, прежде чем строить. GLM-5.2 на нашем шлюзе работает только с текстом. Если вам нужны изображения на входе, в каталоге есть пять видящих вариантов — MiniMax-M3 и MiMo-V2.5 у планки $0.50 / $2.00, Kimi-K2.6 за $0.78 / $3.67, inkling за $1.42 / $6.07 и Kimi-K3 за $3.83 / $19.12. Разумная схема — направлять понимание изображений на MiniMax-M3, а всё остальное на GLM-5.2; это не стоит ничего, кроме строки с именем модели.

Три диалекта, одна модель

Одна и та же модель доступна через три формата запроса, все со стримингом: /v1/chat/completions (диалект OpenAI), /v1/messages (диалект Anthropic) и /v1/responses. Ничего в модели между ними не меняется — берите тот, на котором уже говорит ваш SDK, и обычно вас отделяет от запуска одна правка базового URL.

# 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,
)

Полные схемы запросов и ответов для всех трёх диалектов, формат вызова инструментов, форму событий стриминга и интерактивную песочницу вы найдёте в документации API Shannon AI.

07Когда выбирать GLM-5.2 — и когда не стоит

Берите её, когда

• Вы запускаете агентов. Длинные циклы с вызовом инструментов — это то, ради чего эта линия строилась и раз за разом дообучалась, а цена входа делает посильной пересылку растущей переписки на каждом ходу.
• Вы работаете с большой кодовой базой. 262K контекста, надёжный формат вызова инструментов и $0.19 за прочтение всего окна.
• Ваше ограничение — объём. Классификация, извлечение, генерация синтетических данных, массовое переписывание — всё, где стоимость вызова, умноженная на большое число, решает, жизнеспособен ли проект.
• Отказы ломают ваш конвейер. Исследования безопасности, состязательное тестирование, проза без цензуры, черновики по чувствительным темам — здесь такого режима сбоя нет.

Берите другое, когда

• Вам нужно зрение. Только текст. См. видящие варианты выше.
• Вам нужно самое глубокое однораундовое рассуждение. Для самых трудных аналитических задач в один заход DeepSeek-V4-Pro-0813 · 3BIT-REAP — более тяжёлый инструмент при смешанной стоимости в 2,2 раза выше; на вызовах, где ограничением является потолок, это правильный размен.
• Вам нужна максимальная точность на редких знаниях. Ступень W8A16 — MiMo-V2.5-Pro и Hy3 — сжата куда мягче и стоит у планки $0.50 / $2.00, но на меньших основах.

Цифры бенчмарков GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) приведены Z.ai для несжатой основы; независимое воспроизведение ожидается. Цифры Claude Opus 4.8 и GPT-5.5 показаны только для сравнения. Прейскурантные цены API GLM-5.2 у первоисточника — как опубликовано Z.ai, сентябрь 2026 года.

08Часто задаваемые вопросы

---

Источники: репозиторий 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 · оценка NIST CAISI модели GLM-5.2 от Z.ai, июль 2026 года. Баллы бенчмарков основы приведены лабораторией и предварительны; они описывают несжатую GLM-5.2, а не эту сжатую сборку. Цены, контекст и характеристики — значения каталога Shannon AI по состоянию на 5 сентября 2026 года.