Necenzuriran GLM API: največ vrednosti na žeton
Agentni temelj GLM podjetja Z.ai, strežen brez sloja zavračanja na našem lastnem grozdu GPU — 262K konteksta, klicanje orodij in mešana cena pod polovico tega, kar ista rodovnica stane pri ponudniku samem.
Na kratko
GLM-5.2-3BIT-REAP je model na prehodu Shannon AI, ki ga privzeto priporočamo. Poganja redek temelj Mixture-of-Experts s 744 milijardami parametrov iz rodovnice GLM — od GLM-4.5 izrecno učene za agentno rabo orodij — stisnjen s 3-bitnimi utežmi in obrezovanjem strokovnjakov REAP, da gre noter in ostane hiter. Dobite kontekst 262,144 žetonov, 16,384 žetonov izhoda, klicanje orodij, sklepanje z nastavljivim reasoning_effort in strukturiran izhod JSON Schema, za $0.73 / $2.34 na milijon žetonov. Sloja zavračanja in filtra izhoda ni. Samo besedilo — brez razumevanja slik.
Večina primerjav »najcenejšega modela« je nepoštenih, ker je poceni možnost običajno majhen model v trženjski obleki velikega. Tu se ne dogaja to. GLM-5.2 je eden največjih temeljev z odprtimi utežmi, kar jih je kdo izdal, in pri $0.73 vhod / $2.34 izhod sedi eno stopnico nad dnom našega kataloga, čeprav nosi temelj, večkrat večji od tistega, kar se za to dno navadno dobi. Prav ta razmik — velik model, cena tik nad dnom — je razlog, da ta stran obstaja.
01Od kod prihaja GLM: Tsinghua, zapolnjevanje praznin in oster obrat k agentom
GLM ni preoblečena izpeljanka Llame. Je ena redkih družin modelov z lastnim ciljem predhodnega učenja, ki jo je ista raziskovalna skupina razvijala pet let. Ime pomeni General Language Model, ustanovni članek — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — pa je ob BERTovem maskiranem jezikovnem modeliranju in GPT-jevi strogo levo-desni avtoregresiji predlagal tretjo možnost. GLM izpusti strnjene odseke besedila in jih avtoregresivno regenerira v premešanem vrstnem redu, z dvodimenzionalnimi položajnimi kodiranji, ki sledijo hkrati položaju žetona v okvarjenem dokumentu in njegovemu položaju znotraj odseka, ki se zapolnjuje: ena arhitektura, ki enako dobro obvlada razumevanje in generiranje.
Za njim je stala Knowledge Engineering Group Univerze Tsinghua, iz katere je zraslo podjetje, danes znano kot Z.ai (prej Zhipu AI). Njegov prvi odmevni izdelek je bil GLM-130B oktobra 2022 — dvojezičen angleško-kitajski gost model s 130 milijardami parametrov, z utežmi in kodo, javno objavljenimi ob izidu članka. Odprta izdaja je od takrat hišni slog.
Doba MoE in obrat k agentom
Rdeča nit šteje bolj kot katera koli posamezna izdaja. Od GLM-4.5 naprej je bila vsaka različica optimizirana za isto stvar: ostati skladen čez desetine klicev orodij. To je drugačen cilj od maksimiranja rezultatov na meritvah v enem obratu in se pokaže kot manj spačenih argumentov orodij, manj zanašanja v dolgem načrtu in manj tistega »samozavestno začne nalogo znova v 14. obratu«, zaradi česar so agentna ogrodja draga.
02Kaj je GLM-5.2 in kaj je bilo izmerjeno
Z.ai objavlja številke meritev za GLM-5.2 v repozitoriju GLM-5. Dve se preslikata na resnično agentno delo in ne na priklic drobnih dejstev:
Terminal-Bench 2.1 — dolgoročne agentne naloge v ukazni vrstici. Poroča Z.ai.
SWE-bench Pro — reševanje resničnih težav v repozitorijih. Poroča Z.ai; GLM-5.1 je na istem preizkusu dosegel 58,4.
To so laboratorijeve številke, ne naše, in opisujejo nestisnjen temelj. Določajo razred modela, s katerim imate opravka, ne pa jamstva.
Ena podatkovna točka je vredna več kot meritev, ker prihaja od ocenjevalca, ki nima nobenega motiva, da bi modelu laskal. Julija 2026 je Center for AI Standards and Innovation pri ameriškem National Institute of Standards and Technology ocenil GLM-5.2 in sklenil, da je bil ob izidu verjetno najzmogljivejši razpoložljivi model UI z odprtimi utežmi, s splošnimi sposobnostmi, primerljivimi z GPT-5.2, in kibernetskimi sposobnostmi, primerljivimi s Claude Opus 4.6. Ista ocena je ugotovila, da GLM-5.2 blokira manj občutljivih zahtev kot ameriški referenčni modeli in da je varovala, vpečena v odprte uteži, mogoče zaobiti, ko te uteži poganjaš sam. Razdelek 05 se k temu vrne.
03Kaj pomeni »3BIT-REAP« in kaj vas stane
REAP: obrezovanje strokovnjakov namesto njihovega zlivanja
Model MoE s 744B parametri ima 256 strokovnjakov na plast, od katerih se pri danem žetonu sproži 8. Usmerjevalnik dela ne razporeja enakomerno — nekateri strokovnjaki so izbrani ves čas, dolg rep pa je izbran redko in tedaj malo prispeva. REAP (Router-weighted Expert Activation Pruning) iz Cerebras Research, sprejet na ICLR 2026, to izkorišča: vsakega strokovnjaka oceni po merilu izstopanja, ki združi kako močno in kako pogosto ga usmerjevalnik izbere z velikostjo prispevka njegovega izhoda, nato pa nizko ocenjene trajno izbriše.
Zanimiv je tisti del primerjave, ki ga REAP dobi. Očitna alternativa brisanju strokovnjaka je njegovo zlitje v preživelega, kar zveni varneje. Ugotovitev članka pri modelih MoE od 20B do 1T parametrov je, da je zlivanje za generativno delo pravzaprav slabše, obrezovanje pa zdrži izjemno dobro: skoraj brez izgube na meritvah generiranja kode in klicanja orodij tudi po odstranitvi polovice strokovnjakov, na temeljih, med katerimi sta Qwen3-Coder-480B in Kimi-K2. Da koda in klicanje orodij ostaneta nedotaknjena, je natanko tisto, kar hočete ohraniti pri modelu, čigar razlog za obstoj je agentno inženirstvo.
3-bitne uteži in pošten kompromis
Vrh obrezovanja so preživele uteži shranjene pri 3 bitih — bolj agresivno kot razreda W4A16-AUTOROUND-REAP in W8A16 drugod v našem katalogu, in pridržano za največje temelje, kjer ni druge poti, da model s tremi četrtinami bilijona parametrov spraviš na strežni vozel in ohraniš uporabno hitrost pretoka žetonov.
Stiskanje ni zastonj. Prava miselna slika: obrezovanje in kvantizacija najprej okrnita dolgi rep. Gosta, pogosto uporabljana vedenja — sledenje navodilom, struktura kode, oblikovanje klicev orodij, večstopenjsko načrtovanje — dobro preživijo, kar je natanko tisto, kar kažejo rezultati REAP. Razliko glede na nestisnjen GLM-5.2 pričakujte pri priklicu nejasnih dejstev, redkih jezikih in obrobnih strokovnih drobnarijah. Če je vaša obremenitev »na pamet vedeti nenavadno dejstvo«, plačajte za razred z višjo zvestobo. Če je »izpelji načrt čez štirideset klicev orodij, ne da bi zapeljal s tira«, je to razred, za katerega je bila metoda zasnovana.
04Vrednost: koliko poceni necenzuriran LLM API v resnici stane
Objavljena cenikovna cena API za GLM-5.2 pri Z.ai je $1.40 na milijon vhodnih žetonov in $4.40 na milijon izhodnih. Naša cena za isti temelj je $0.73 / $2.34 — približno 48 % manj na vhodu in 47 % manj na izhodu. Ta popust je tisto, kar kupi stiskanje, zraven pa pride še nekaj, česar pri ponudniku samem ne dobite za nobeno ceno: sloja zavračanja ni.
Znotraj našega kataloga je pomembna številka mešani strošek. Tu je pri razmerju vhod-izhod 3 : 1, kar je približno to, kar agent s klicanjem orodij počne v praksi — noter gre veliko konteksta in rezultatov orodij, ven pa razmeroma malo žetonov.
| Model | Vhod / 1M | Izhod / 1M | Mešano 3:1 | Razumevanje slik |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | Ne |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | Ne |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | Da |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | Ne |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | Da |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | Da |
Šest modelov sedi na dnu pri $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro in Hy3 — kar je mešana stopnja $0.875. GLM-5.2 je 29 % nad tem dnom in vam kupi temelj razreda 744B z vztrajnim vlaganjem v agentno vedenje za sabo. Vse, kar je cenjeno nad njim, stane mešano vsaj 23 % več, Kimi-K3 pa 6,8-krat več. To je vrednostni argument v eni vrstici: najcenejše mesto v katalogu, kjer se kupi vrhunski agentni temelj.
Preračunano v delo
- Ena polna zapolnitev konteksta — 262,144 vhodnih žetonov: $0.19. Cel velik repozitorij, prebran v okno, za manj kot dvajset centov.
- Eno dopolnjevanje največje dolžine — 16,384 izhodnih žetonov: $0.038.
- En agentni obrat — 20K noter, 2K ven: $0.019. Isti obrat stane $0.115 pri Kimi-K3 in $0.047 pri DeepSeek-V4-Pro.
- Sto agentnih obratov: $1.93, proti $11.48 pri najdražjem modelu v katalogu.
Agentne obremenitve so bogate z vhodom in prav tam je prednost GLM največja: njegova vhodna cena je 5,2-krat nižja od cene Kimi-K3 in 2,7-krat nižja od cene DeepSeek-V4-Pro. Če vaš agent v vsakem obratu znova pošlje rastoč pogovor — in skoraj vsak agent to počne — je prav ta množitelj tisto, kar konča na vašem računu.
05Kaj »necenzurirano« pomeni na tej končni točki
Natančno dvoje: sloja zavračanja ni — ni klasifikatorja, ki bi odločal, katere zahteve model sme videti, in ni modela politike, ki bi vaš poziv prepisal, preden prispe — ter izhod ni filtriran, kar pomeni, da so žetoni, ki jih model proizvede, tisti žetoni, ki jih prejmete, brez zakritij in brez zamenjav.
To je drugačna ponudba kot komercialni API, ki oglašuje »sproščen« ali »razvijalski« način. Ti promet še vedno vodijo skozi ponudnikov sklad politike; spremeni se prag, ne obstoj vrat. Tu vrat, ki bi jih nastavljali, ni — model teče na našem lastnem grozdu GPU, njegovo vedenje pa je vedenje temelja. Preberite ugotovitev NIST CAISI iz razdelka 02 kot tehnično izjavo in ne kot svarilo, pa pojasni izdelek: model, čigar uskladitev živi v njegovih utežeh, strežen brez zunanjega sloja politike, se vede po svojih utežeh.
Zakaj je to pomembno prav pri agentih
O zavračanjih se navadno razpravlja kot o vprašanju vsebine. V agentnem delu so večinoma vprašanje zanesljivosti. Zavrnitev v 31. obratu 40-obratnega teka ni vljudna odklonitev, ki jo preberete in greste naprej — je spačen korak, orkestrator, ki ne ve, kako naprej, polomljen načrt in 30 obratov porabljenih žetonov brez rezultata. Varnostne raziskave, analiza zlonamerne kode, penetracijsko testiranje, rdeče ekipe, leposlovje za odrasle, medicinsko in pravno pisanje ter generiranje podatkovnih zbirk za varnostno učenje na to naletijo neprestano, odpoved pa je draga prav zato, ker pride pozno.
Druga plat je, da je sloj politike zdaj vaš. Uporabo prehoda Shannon AI ureja naša Politika odgovorne uporabe; odstraniti ponudnikovo presojo iz zanke pomeni priskrbeti svojo.
06Kaj vam končna točka dejansko da
| Zmožnost | GLM-5.2 · 3BIT-REAP |
|---|---|
| Identifikator modela | GLM-5.2-3BIT-REAP |
| Kontekstno okno | 262,144 žetonov |
| Največji izhod na zahtevo | 16,384 žetonov |
| Pretakanje | Da |
| Klicanje orodij | Da |
Sklepanje / reasoning_effort | Da |
JSON Schema (json_schema) | Da |
response_format | Da |
| Razumevanje slik / slikovni vhod | Ne — samo besedilo |
| Sloj zavračanja / filtriranje izhoda | Nič |
Preden gradite, natančno preberite vrstico o razumevanju slik. GLM-5.2 je na našem prehodu samo besedilni. Če potrebujete slikovni vhod, ima katalog pet možnosti, ki vidijo — MiniMax-M3 in MiMo-V2.5 na dnu pri $0.50 / $2.00, Kimi-K2.6 pri $0.78 / $3.67, inkling pri $1.42 / $6.07 in Kimi-K3 pri $3.83 / $19.12. Smiseln vzorec je razumevanje slik usmeriti na MiniMax-M3, vse drugo pa na GLM-5.2, kar ne stane nič več kot en niz modela.
Tri narečja, en model
Isti model je dosegljiv prek treh oblik zahteve, vse s pretakanjem: /v1/chat/completions (narečje OpenAI), /v1/messages (narečje Anthropic) in /v1/responses. Pri modelu se med njimi ne spremeni nič — izberite tisto, ki jo vaš SDK že govori, in navadno vas do delovanja loči ena sprememba osnovnega 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, )
Celotne sheme zahtev in odgovorov za vsa tri narečja, oblika klicanja orodij, oblike dogodkov pretakanja in interaktivno igrišče so v dokumentaciji API Shannon AI.
07Kdaj izbrati GLM-5.2 — in kdaj ne
Posezite po njem, kadar
- Poganjate agente. Dolge zanke klicanja orodij so tisto, za kar je bila ta rodovnica zgrajena in vedno znova potrenirana, vhodna cena pa naredi vnovično pošiljanje rastočega pogovora v vsakem obratu dostopno.
- Delate čez veliko kodno bazo. 262K konteksta, zanesljivo oblikovanje klicev orodij in $0.19 za branje celega okna.
- Vaša omejitev je obseg. Razvrščanje, luščenje, generiranje sintetičnih podatkov, množično prepisovanje — karkoli, kjer o izvedljivosti projekta odloča strošek na klic, pomnožen z veliko številko.
- Zavračanja vam lomijo cevovod. Varnostne raziskave, nasprotniško testiranje, necenzurirano leposlovje, občutljivo pisanje — tega načina odpovedi tu ni.
Posezite po čem drugem, kadar
- Potrebujete razumevanje slik. Samo besedilo. Glejte zgornje možnosti, ki vidijo.
- Potrebujete najgloblje sklepanje v enem obratu. Za najtežje enkratne analitične probleme je DeepSeek-V4-Pro-0813 · 3BIT-REAP težje orodje pri 2,2-kratnem mešanem strošku — pri klicih, kjer je omejitev zgornja meja, je to prava menjava.
- Potrebujete največjo zvestobo pri nejasnem znanju. Razred
W8A16— MiMo-V2.5-Pro in Hy3 — je stisnjen precej manj agresivno in sedi na dnu pri $0.50 / $2.00, na manjših temeljih.
Vsako številko o temelju na tej strani je objavil nekdo drug kot mi. Številke o cenah in zmožnostih so naše žive kataloške vrednosti, preverljive prek /v1/models z vašim ključem. Primarne vire preverite sami.
Številke meritev za GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) poroča Z.ai za nestisnjen temelj; neodvisna ponovitev je še v teku. Številki za Claude Opus 4.8 in GPT-5.5 sta prikazani zgolj za primerjavo. Cenikovna cena API za GLM-5.2 pri ponudniku samem, kot jo je objavil Z.ai, september 2026.
08Pogosta vprašanja
Kaj je necenzuriran GLM API na Shannon AI?
To je identifikator modela GLM-5.2-3BIT-REAP na prehodu Shannon AI: stisnjena gradnja agentnega temelja GLM-5.2 podjetja Z.ai, strežena na našem lastnem grozdu GPU brez sloja zavračanja in brez filtriranja izhoda. Stane $0.73 na milijon vhodnih žetonov in $2.34 na milijon izhodnih žetonov, nosi kontekstno okno 262,144 žetonov in je dosegljiva na /v1/chat/completions, /v1/messages in /v1/responses.
Zakaj je necenzuriran GLM 5.2 cenejši od drugih velikih modelov v katalogu?
Zaradi načina stiskanja. 3BIT-REAP združuje 3-bitne uteži z metodo REAP, obrezovanjem strokovnjakov za modele Mixture-of-Experts, ki pred kvantizacijo odstrani redko usmerjane strokovnjake. Redek temelj MoE z okoli 40B aktivnimi parametri na žeton, tako obrezan in kvantiziran, zasede precej manj pomnilnika in porabi precej manj sekund GPU na žeton kot gost model enakovredne kakovosti, cena pa to odraža.
Ali GLM brez zavračanja pomeni, da model sploh nima varoval?
Pomeni, da jih Shannon ne dodaja. Pred modelom ni klasifikatorja zavračanja in na žetonih, ki pridejo iz njega, ni filtra. Temelj ohrani vse nagnjenosti, ki mu jih je dalo njegovo lastno učenje, a jih nič zunanjega ne preglasi. Sloj politike je vaš, uporaba pa je podvržena Politiki odgovorne uporabe Shannon AI.
Ali GLM-5.2 3BIT-REAP podpira razumevanje slik ali slikovni vhod?
Ne. Ta model je samo besedilni. Če potrebujete slikovni vhod na necenzurirani končni točki, uporabite enega od modelov v katalogu, ki vidijo, na primer MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 ali inkling. GLM-5.2 pa podpira strukturiran izhod — tako json_schema kot response_format — in klicanje orodij.
Kakšna sta kontekstno okno in največja dolžina izhoda?
262,144 žetonov konteksta in 16,384 žetonov izhoda na zahtevo. Enkratna zapolnitev celotnega kontekstnega okna stane približno 19 centov pri $0.73 na milijon vhodnih žetonov, dopolnjevanje največje dolžine pa manj kot 4 cente.
Je to dober agentni necenzuriran model za dolge zanke klicanja orodij?
Je tisti, po katerem posežemo prvem. Rodovnica GLM je od GLM-4.5 izrecno učena za agentno delo, klicanje orodij in reasoning_effort sta oba podprta, cena pa pomeni, da sto agentnih obratov po dvajset tisoč žetonov stane približno dva dolarja namesto enajstih. Zavračanja so v agentnih zankah tudi resničen način odpovedi, tu pa ni sloja zavračanja, ki bi ga sprožil.
Preizkusite necenzuriran GLM API
$0.73 vhod · $2.34 izhod · 262K konteksta · brez sloja zavračanja.
Preberite dokumentacijo API Prebrskajte vse modeleShannon Lab LLC, Nova Mehika, ZDA · uporabo ureja Politika odgovorne uporabe
Viri: repozitorij Z.ai GLM-5 · Du in sod., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng in sod., GLM-130B: An Open Bilingual Pre-trained Model · Lasby in sod., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI, ocena GLM-5.2 podjetja Z.ai, julij 2026. Rezultati meritev temelja so laboratorijsko poročani in začasni; opisujejo nestisnjen GLM-5.2, ne te stisnjene gradnje. Številke o cenah, kontekstu in zmožnostih so kataloške vrednosti Shannon AI na dan 5. september 2026.