Necenzurované GLM API: najlepšia hodnota za token

Väčšina porovnaní typu „najlacnejší model“ je nepoctivá, pretože tou lacnou možnosťou býva malý model oblečený do marketingu veľkého. Tu sa deje niečo iné. GLM-5.2 je jeden z najväčších základov s otvorenými váhami, aké kto vydal, a za 0,73 $ vstup / 2,34 $ výstup sedí jednu priečku nad dnom nášho katalógu, hoci nesie základ niekoľkonásobne väčší než to, čo sa za ceny na tom dne zvyčajne kupuje. Práve táto medzera — veľký model, cena takmer na dne — je dôvodom, prečo táto stránka existuje.

01Odkiaľ GLM pochádza: Tsinghua, dopĺňanie medzier a tvrdý obrat k agentom

GLM nie je prelepený derivát Llamy. Je to jedna z mála rodín modelov s vlastným predtréningovým cieľom, ktorý tá istá výskumná skupina päť rokov iterovala. Názov znamená General Language Model a zakladajúca práca — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — navrhla tretiu možnosť popri maskovanom jazykovom modelovaní BERTu a prísnej zľava-doprava autoregresii GPT. GLM vymaže súvislé úseky a autoregresne ich v premiešanom poradí znovu vygeneruje, s dvojrozmerným polohovým kódovaním sledujúcim pozíciu tokenu v poškodenom dokumente aj jeho pozíciu vnútri dopĺňaného úseku: jedna architektúra, ktorá rovnako dobre zvláda porozumenie aj generovanie.

Skupinou za tým bola Knowledge Engineering Group na Univerzite Tsinghua, z ktorej sa oddelila firma dnes známa ako Z.ai (predtým Zhipu AI). Jej prvým veľkým artefaktom bol GLM-130B v októbri 2022 — dvojjazyčný anglicko-čínsky hustý model so 130 miliardami parametrov, ktorého váhy aj kód boli v čase publikácie verejne vydané. Otvorené vydávanie je odvtedy domácim štýlom.

Éra MoE a obrat k agentom

Spoločná niť je dôležitejšia než ktorékoľvek jednotlivé vydanie. Od GLM-4.5 bola každá verzia optimalizovaná na tú istú vec: zostať koherentná naprieč desiatkami volaní nástrojov. To je iný cieľ než maximalizovať skóre na benchmarkoch v jednom kole a prejavuje sa menším počtom zdeformovaných argumentov nástrojov, menším odchýlením v dlhom pláne a menším výskytom správania typu „v 14. kole sebavedomo začne úlohu odznova“, ktoré agentické frameworky predražuje.

02Čo je GLM-5.2 a v čom bol odmeraný

Z.ai zverejňuje benchmarkové čísla pre GLM-5.2 v repozitári GLM-5. Dve z nich zodpovedajú skutočnej agentickej práci, nie vybavovaniu si drobností:

Terminal-Bench 2.1 — dlhodobé agentové úlohy na príkazovom riadku. Uvádza Z.ai.

SWE-bench Pro — riešenie issues v reálnych repozitároch. Uvádza Z.ai; GLM-5.1 dosiahol na tom istom teste 58,4.

Sú to čísla laboratória, nie naše, a opisujú nekomprimovaný základ. Určujú triedu modelu, s ktorou máte do činenia, nie záruku.

Jeden údaj má väčšiu cenu než benchmark, pretože pochádza od hodnotiteľa, ktorý nemá dôvod modelu lichotiť. V júli 2026 posúdilo Center for AI Standards and Innovation pri americkom Národnom inštitúte pre štandardy a technológie (NIST) model GLM-5.2 a dospelo k záveru, že v čase vydania išlo pravdepodobne o najschopnejší dostupný AI model s otvorenými váhami, s celkovými schopnosťami porovnateľnými s GPT-5.2 a kybernetickými schopnosťami porovnateľnými s Claude Opus 4.6. To isté posúdenie uviedlo, že GLM-5.2 blokuje menej citlivých požiadaviek než americké referenčné modely a že poistky zapečené v otvorených váhach sa dajú po vlastnom hostovaní týchto váh obísť. Časť 05 sa k tomu vracia.

03Čo znamená „3BIT-REAP“ a čo vás to stojí

REAP: expertov prerezáva namiesto zlučovania

MoE model so 744 miliardami parametrov má 256 expertov na vrstvu, z ktorých sa na ktoromkoľvek tokene aktivuje 8. Smerovač prácu nerozdeľuje rovnomerne — niektorí experti sú zasahovaní neustále a dlhý chvost je zasahovaný zriedka a keď už, prispieva málo. REAP (Router-weighted Expert Activation Pruning) z Cerebras Research, prijatý na ICLR 2026, to využíva: každého experta ohodnotí kritériom výraznosti, ktoré kombinuje to, ako silno a ako často ho smerovač otvára, s veľkosťou príspevku jeho výstupu, a potom tých s nízkym skóre natrvalo odstráni.

Zaujímavé je porovnanie, ktoré REAP vyhráva. Zjavnou alternatívou k odstráneniu experta je jeho zlúčenie s tým, ktorý prežil, čo znie bezpečnejšie. Zistenie práce naprieč MoE modelmi od 20 miliárd po 1 bilión parametrov je, že zlučovanie je pre generatívnu prácu vlastne horšie a prerezávanie obstojí pozoruhodne dobre: takmer bez strát na benchmarkoch generovania kódu a volania nástrojov aj po odstránení polovice expertov, na základoch vrátane Qwen3-Coder-480B a Kimi-K2. To, že kód a volanie nástrojov prežijú neporušené, je presne to, čo chcete zachovať na modeli, ktorého dôvodom existencie je agentické inžinierstvo.

3-bitové váhy a poctivý kompromis

Nad rámec prerezávania sa prežívajúce váhy ukladajú na 3 bitoch — agresívnejšie než úrovne W4A16-AUTOROUND-REAP a W8A16 inde v našom katalógu, a vyhradené pre najväčšie základy, kde neexistuje iný spôsob, ako dostať model s tromi štvrtinami bilióna parametrov na servírovací uzol a udržať tok tokenov na použiteľnej rýchlosti.

Kompresia nie je zadarmo. Správna predstava: prerezávanie a kvantizácia degradujú najprv dlhý chvost. Husté, často precvičované správanie — sledovanie inštrukcií, štruktúra kódu, formátovanie volaní nástrojov, viackrokové plánovanie — prežije dobre, čo je presne to, čo výsledky REAP ukazujú. Rozdiel oproti nekomprimovanému GLM-5.2 by ste mali čakať pri neznámych faktoch, zriedkavých jazykoch a úzkych doménových drobnostiach. Ak je vašou záťažou „poznať nezvyčajný fakt naspamäť“, zaplaťte si vernejšiu úroveň. Ak je to „prejsť plánom cez štyridsať volaní nástrojov bez vykoľajenia“, toto je tá úroveň, na ktorú bola metóda navrhnutá.

04Argument hodnoty: čo lacné necenzurované LLM API naozaj stojí prevádzkovať

Vlastná zverejnená cenníková cena API za GLM-5.2 od Z.ai je 1,40 $ za milión vstupných tokenov a 4,40 $ za milión výstupných. Naša cena na tom istom základe je 0,73 $ / 2,34 $ — zhruba o 48 % menej na vstupe a o 47 % menej na výstupe. Tú zľavu kupuje kompresia a prichádza s druhou vecou, ktorú si u výrobcu nekúpite za žiadnu cenu: žiadna vrstva odmietania.

V rámci nášho vlastného katalógu je zmiešaná cena tým číslom, na ktorom záleží. Tu je pri pomere vstupu k výstupu 3:1, čo je zhruba to, ako v praxi vyzerá agent volajúci nástroje — dnu ide veľa kontextu a výsledkov z nástrojov, von relatívne málo tokenov.

Model	Vstup / 1M	Výstup / 1M	Zmiešaná 3:1	Videnie
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	Áno
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Nie
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Áno
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Áno

Šesť modelov sedí na dne 0,50 $ / 2,00 $ — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro a Hy3 — teda zmiešaná sadzba 0,875 $. GLM-5.2 je 29 % nad týmto dnom a kupuje vám základ triedy 744 miliárd parametrov s trvalou investíciou do agentického správania za sebou. Všetko ocenené nad ním stojí zmiešane aspoň o 23 % viac a Kimi-K3 stojí 6,8× viac. To je argument hodnoty v jedinom riadku: najlacnejšie miesto v katalógu, kde sa dá kúpiť špičkový agentický základ.

Prepočítané na prácu

• Jedno plné naplnenie kontextu — 262 144 vstupných tokenov: 0,19 $. Celý veľký repozitár načítaný do okna za menej než dvadsať centov.
• Jedno dokončenie s maximálnou dĺžkou — 16 384 výstupných tokenov: 0,038 $.
• Jedno kolo agenta — 20 tis. dnu, 2 tis. von: 0,019 $. To isté kolo stojí 0,115 $ na Kimi-K3 a 0,047 $ na DeepSeek-V4-Pro.
• Sto kôl agenta: 1,93 $ oproti 11,48 $ na najdrahšom modeli v katalógu.

Agentické záťaže sú náročné na vstup a výhoda GLM je najväčšia práve tam: jeho cena vstupu je 5,2× nižšia než pri Kimi-K3 a 2,7× nižšia než pri DeepSeek-V4-Pro. Ak váš agent posiela rastúcu konverzáciu znovu v každom kole — a takmer každý agent to robí — práve tento násobok skončí na vašej faktúre.

05Čo na tomto koncovom bode znamená „necenzurované“

Presne dve veci: žiadna vrstva odmietania — žiadny klasifikátor rozhodujúci, ktoré požiadavky model smie vidieť, a žiadny politický model prepisujúci váš prompt skôr, než dorazí — a žiadne filtrovanie výstupu, teda tokeny, ktoré model vyprodukuje, sú tokeny, ktoré dostanete, bez začiernenia a bez zámen.

To je iná ponuka než komerčné API inzerujúce „uvoľnený“ alebo „vývojársky“ režim. Tie stále vedú prevádzku cez politický zásobník dodávateľa; mení sa prah, nie existencia brány. Tu nie je brána, ktorú by sa dalo ladiť — model beží na našom vlastnom GPU klastri a jeho správanie je správaním základu. Prečítajte si zistenie NIST CAISI z časti 02 ako technické konštatovanie, nie ako varovanie, a vysvetľuje to produkt: model, ktorého zarovnanie žije vo váhach a ktorý je servírovaný bez vonkajšej vrstvy politiky, sa správa podľa svojich váh.

Prečo na tom záleží špecificky pri agentoch

O odmietnutiach sa zvyčajne hovorí ako o otázke obsahu. V agentickej práci sú väčšinou otázkou spoľahlivosti. Odmietnutie v 31. kole zo 40 nie je zdvorilé odmietnutie, ktoré si prečítate a idete ďalej — je to zdeformovaný krok, orchestrátor, ktorý nevie, ako pokračovať, rozbitý plán a 30 kôl minutých tokenov bez výsledku. Bezpečnostný výskum, analýza malvéru, penetračné testovanie, red-teaming, beletria pre dospelých, medicínske a právne koncepty aj generovanie datasetov na bezpečnostný tréning na to narážajú neustále a to zlyhanie je drahé práve preto, že prichádza neskoro.

Druhou stranou mince je, že vrstva politiky je teraz vaša. Používanie brány Shannon AI sa riadi našou Politikou zodpovedného používania; odstrániť zo slučky úsudok dodávateľa znamená dodať vlastný.

06Čo vám koncový bod naozaj dáva

Schopnosť	GLM-5.2 · 3BIT-REAP
Id modelu	GLM-5.2-3BIT-REAP
Kontextové okno	262 144 tokenov
Maximálny výstup na požiadavku	16 384 tokenov
Streamovanie	Áno
Volanie nástrojov	Áno
Uvažovanie / reasoning_effort	Áno
JSON Schema (json_schema)	Áno
response_format	Áno
Videnie / obrazový vstup	Nie — iba text
Vrstva odmietania / filtrovanie výstupu	Žiadne

Riadok o videní si pred stavaním prečítajte pozorne. GLM-5.2 je na našej bráne iba textový. Ak potrebujete obrazový vstup, katalóg má päť možností so schopnosťou videnia — MiniMax-M3 a MiMo-V2.5 na dne 0,50 $ / 2,00 $, Kimi-K2.6 za 0,78 $ / 3,67 $, inkling za 1,42 $ / 6,07 $ a Kimi-K3 za 3,83 $ / 19,12 $. Rozumný vzorec je smerovať porozumenie obrázkom na MiniMax-M3 a všetko ostatné na GLM-5.2, čo nestojí nič nad rámec reťazca s názvom modelu.

Tri dialekty, jeden model

Ten istý model je dostupný cez tri formáty požiadaviek, všetky so streamovaním: /v1/chat/completions (dialekt OpenAI), /v1/messages (dialekt Anthropic) a /v1/responses. Na modeli sa medzi nimi nič nemení — vyberte ten, ktorým vaše SDK už hovorí, a väčšinou vás od behu delí jedna zmena základnej URL.

# Dialekt OpenAI — nasmerujte existujúceho klienta na bránu
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,                 # volanie nástrojov podporované
    reasoning_effort="medium", # low | medium | high
    stream=True,
)

Úplné schémy požiadaviek a odpovedí pre všetky tri dialekty, formát volania nástrojov, tvary streamovacích udalostí a interaktívne ihrisko sú v dokumentácii API Shannon AI.

07Kedy si vybrať GLM-5.2 — a kedy nie

Siahnite po ňom, keď

• Prevádzkujete agentov. Dlhé slučky s volaním nástrojov sú tým, na čo bola táto rodina postavená a opakovane post-trénovaná, a cena vstupu robí opätovné posielanie rastúcej konverzácie v každom kole dostupným.
• Pracujete naprieč veľkým kódom. 262K kontextu, spoľahlivé formátovanie volaní nástrojov a 0,19 $ za prečítanie celého okna.
• Vaším obmedzením je objem. Klasifikácia, extrakcia, generovanie syntetických dát, hromadné prepisovanie — čokoľvek, kde cena za volanie krát veľké číslo rozhoduje o tom, či je projekt životaschopný.
• Odmietnutia vám rozbíjajú pipeline. Bezpečnostný výskum, adverzariálne testovanie, necenzurovaná beletria, citlivé koncepty — tento spôsob zlyhania tu nie je prítomný.

Siahnite po niečom inom, keď

• Potrebujete videnie. Iba text. Pozrite si možnosti so schopnosťou videnia vyššie.
• Potrebujete najhlbšie uvažovanie v jednom kole. Na najťažšie jednorazové analytické problémy je DeepSeek-V4-Pro-0813 · 3BIT-REAP ťažším nástrojom pri 2,2× zmiešanej cene — pri volaniach, kde je obmedzením strop, je to správna výmena.
• Potrebujete maximálnu vernosť pri neznámych vedomostiach. Úroveň W8A16 — MiMo-V2.5-Pro a Hy3 — je komprimovaná oveľa menej agresívne a sedí na dne 0,50 $ / 2,00 $, na menších základoch.

Benchmarkové čísla GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) uvádza Z.ai pre nekomprimovaný základ; nezávislá replikácia zatiaľ prebieha. Čísla pre Claude Opus 4.8 a GPT-5.5 sú uvedené len pre porovnanie. Cenníková cena prvostranného API GLM-5.2 podľa zverejnenia Z.ai, september 2026.

08Často kladené otázky

---

Zdroje: repozitár Z.ai GLM-5 · Du a kol., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng a kol., GLM-130B: An Open Bilingual Pre-trained Model · Lasby a kol., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · Posúdenie GLM-5.2 od Z.ai zo strany NIST CAISI, júl 2026. Benchmarkové skóre základu uvádza laboratórium a sú predbežné; opisujú nekomprimovaný GLM-5.2, nie tento komprimovaný build. Čísla o cenách, kontexte a schopnostiach sú katalógové hodnoty Shannon AI k 5. septembru 2026.