GLM API bez cenzure: najbolja cena po tokenu

Većina poređenja „najjeftinijeg modela” je nepoštena, jer je jeftina opcija obično mali model obučen u marketing velikog. Ovde se ne dešava to. GLM-5.2 je jedan od najvećih temelja otvorenih težina koje je iko objavio, a po $0.73 ulaz / $2.34 izlaz stoji jedan stepenik iznad dna našeg kataloga, iako nosi temelj nekoliko puta veći od onoga što se za to dno obično dobija. Taj razmak — velik model, cena blizu dna — razlog je zbog kojeg ova stranica postoji.

01Odakle GLM dolazi: Tsinghua, popunjavanje praznina i oštar zaokret ka agentima

GLM nije prepakovana izvedenica Llame. To je jedna od retkih porodica modela sa sopstvenim ciljem prethodnog treniranja, koju ista istraživačka grupa razvija pet godina. Ime označava General Language Model, a osnivački rad — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — predložio je treću opciju pored BERT-ovog maskiranog jezičkog modelovanja i GPT-ove strogo levo-na-desno autoregresije. GLM briše povezane raspone teksta i regeneriše ih autoregresivno u izmešanom redosledu, uz dvodimenzionalna pozicijska kodiranja koja prate i položaj tokena u oštećenom dokumentu i njegov položaj unutar raspona koji se popunjava: jedna arhitektura koja podjednako dobro obavlja i razumevanje i generisanje.

Iza toga je stajala Knowledge Engineering Group sa Univerziteta Tsinghua, iz koje je nastala kompanija danas poznata kao Z.ai (ranije Zhipu AI). Njen prvi udarni proizvod bio je GLM-130B u oktobru 2022. — dvojezični engleski/kineski gust model sa 130 milijardi parametara, čije su težine i kod javno objavljeni u trenutku objave rada. Otvoreno objavljivanje je od tada kućni stil.

MoE era i zaokret ka agentima

Nit koja povezuje izdanja važnija je od bilo kog pojedinačnog izdanja. Od GLM-4.5, svaka verzija je optimizovana za istu stvar: očuvanje koherentnosti kroz desetine poziva alata. To je drugačiji cilj od maksimiranja rezultata na jednom potezu, a ispoljava se kao manje loše oblikovanih argumenata alata, manje odmicanja u dugom planu i manje onog ponašanja tipa „samouvereno kreće iznova u 14. potezu” koje agentske okvire čini skupim.

02Šta je GLM-5.2 i koliko je izmeren

Z.ai objavljuje rezultate merenja za GLM-5.2 u GLM-5 repozitorijumu. Dva se preslikavaju na stvaran agentski rad, a ne na prisećanje zanimljivosti:

Terminal-Bench 2.1 — dugoročni agentski zadaci u komandnoj liniji. Prijavio Z.ai.

SWE-bench Pro — rešavanje prijava u stvarnim repozitorijumima. Prijavio Z.ai; GLM-5.1 je na istom testu imao 58,4.

To su brojevi laboratorije, ne naši, i opisuju nekomprimovani temelj. Oni utvrđuju sa kojom klasom modela imate posla, a ne predstavljaju garanciju.

Jedan podatak vredi više od merenja, jer dolazi od ocenjivača koji nema interes da modelu laska. U julu 2026. Center for AI Standards and Innovation pri američkom Nacionalnom institutu za standarde i tehnologiju ocenio je GLM-5.2 i zaključio da je verovatno bio najsposobniji dostupan AI model otvorenih težina u trenutku objave, sa ukupnim sposobnostima uporedivim sa GPT-5.2 i sajber sposobnostima uporedivim sa Claude Opus 4.6. Ista ocena je zapazila da GLM-5.2 blokira manje osetljivih zahteva od američkih referentnih modela i da se zaštite ugrađene u otvorene težine mogu zaobići kada se te težine same hostuju. Odeljak 05 se na to vraća.

03Šta znači „3BIT-REAP” i šta vas to košta

REAP: orezivanje eksperata umesto njihovog spajanja

MoE model sa 744 milijarde parametara ima 256 eksperata po sloju, od kojih se 8 aktivira na bilo kom pojedinačnom tokenu. Ruter ne raspoređuje posao ravnomerno — neki eksperti se pogađaju stalno, a dug rep se pogađa retko i tada malo doprinosi. REAP (Router-weighted Expert Activation Pruning), iz Cerebras Research i prihvaćen na ICLR 2026, to iskorišćava: ocenjuje svakog eksperta kriterijumom značajnosti koji spaja koliko snažno i koliko često ga ruter propušta sa veličinom doprinosa njegovog izlaza, pa trajno izbacuje one sa niskim ocenama.

Zanimljiv je deo poređenje koje REAP dobija. Očigledna alternativa izbacivanju eksperta jeste njegovo stapanje u preživelog, što zvuči bezbednije. Nalaz rada, na MoE modelima od 20 milijardi do 1 biliona parametara, jeste da je spajanje zapravo gore za generativni rad, a da se orezivanje drži izuzetno dobro: skoro bez gubitaka na merenjima generisanja koda i pozivanja alata čak i posle uklanjanja polovine eksperata, na temeljima uključujući Qwen3-Coder-480B i Kimi-K2. Netaknuti kod i pozivanje alata su tačno ono što želite da bude očuvano na modelu čiji je razlog postojanja agentski inženjering.

Težine od 3 bita i pošten kompromis

Povrh orezivanja, preživele težine se čuvaju u 3 bita — agresivnije od nivoa W4A16-AUTOROUND-REAP i W8A16 drugde u našem katalogu, i rezervisano za najveće temelje, gde ne postoji drugi način da se model od tri četvrtine biliona parametara smesti na servisni čvor i tokeni nastave da teku upotrebljivim tempom.

Kompresija nije besplatna. Ispravna misaona slika: orezivanje i kvantizacija prvo nagrizaju dug rep. Gusta, često korišćena ponašanja — praćenje uputstava, struktura koda, oblikovanje poziva alata, višekoračno planiranje — dobro preživljavaju, a to je upravo ono što REAP rezultati pokazuju. Nejasno činjenično prisećanje, retki jezici i uskostručne zanimljivosti su tamo gde treba očekivati razliku u odnosu na nekomprimovani GLM-5.2. Ako vam je posao „znaj napamet neobičnu činjenicu”, platite nivo veće vernosti. Ako je „vodi plan kroz četrdeset poziva alata bez skretanja sa puta”, ovo je nivo za koji je metod i osmišljen.

04Argument vrednosti: koliko zaista košta jeftin LLM API bez cenzure

Zvanična cena API-ja za GLM-5.2 koju objavljuje Z.ai iznosi $1.40 po milionu ulaznih i $4.40 po milionu izlaznih tokena. Naša cena na istom temelju je $0.73 / $2.34 — otprilike 48% manje na ulazu i 47% manje na izlazu. Taj popust je ono što kompresija kupuje, a uz njega ide i druga stvar koju kod proizvođača ne možete kupiti ni po kojoj ceni: odsustvo sloja odbijanja.

Unutar našeg kataloga, mešana cena je broj koji je bitan. Evo je pri odnosu ulaza i izlaza 3:1, otprilike onako kako u praksi izgleda agent koji poziva alate — mnogo konteksta i rezultata alata ulazi, srazmerno malo tokena izlazi.

Model	Ulaz / 1M	Izlaz / 1M	Mešano 3:1	Vizuelni ulaz
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 modela stoji na dnu od $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro i Hy3 — što daje mešanu cenu od $0.875. GLM-5.2 je 29% iznad tog dna i za to dobijate temelj klase 744 milijarde parametara sa dugotrajnim ulaganjem u agentsko ponašanje iza sebe. Sve što je iznad njega košta bar 23% više mešano, a Kimi-K3 košta 6,8× više. To je argument vrednosti u jednom redu: najjeftinije mesto u katalogu za kupovinu vrhunskog agentskog temelja.

Pretvoreno u posao

• Jedno potpuno punjenje konteksta — 262.144 ulazna tokena: $0.19. Ceo velik repozitorijum učitan u prozor za manje od dvadeset centi.
• Jedan dovršetak maksimalne dužine — 16.384 izlazna tokena: $0.038.
• Jedan agentski potez — 20K ulaz, 2K izlaz: $0.019. Isti potez košta $0.115 na Kimi-K3 i $0.047 na DeepSeek-V4-Pro.
• Sto agentskih poteza: $1.93, naspram $11.48 na najskupljem modelu u katalogu.

Agentski poslovi su bogati ulazom, a GLM-ova prednost je najveća upravo tu: njegova ulazna cena je 5,2× niža od cene Kimi-K3 i 2,7× niža od cene DeepSeek-V4-Pro. Ako vaš agent u svakom potezu ponovo šalje razgovor koji raste — a skoro svaki agent to radi — taj množilac je ono što završi na vašem računu.

05Šta „bez cenzure” znači na ovoj krajnjoj tački

Tačno dve stvari: nema sloja odbijanja — nema klasifikatora koji odlučuje koje zahteve model sme da vidi, ni modela politike koji prepisuje vaš upit pre nego što stigne — i nema filtriranja izlaza, što znači da su tokeni koje model proizvede tokeni koje primate, bez skrivanja i bez zamene.

To je drugačija ponuda od komercijalnog API-ja koji reklamira „opušteni” ili „razvojni” režim. Oni i dalje provlače saobraćaj kroz proizvođačev sloj politike; menja se prag, a ne postojanje kapije. Ovde nema kapije koju bi trebalo štelovati — model radi na našem sopstvenom GPU klasteru i njegovo ponašanje je ponašanje temelja. Pročitajte nalaz NIST CAISI iz odeljka 02 kao tehničku konstataciju, a ne kao upozorenje, i on objašnjava proizvod: model čije usklađivanje živi u njegovim težinama, serviran bez spoljašnjeg sloja politike, ponaša se u skladu sa svojim težinama.

Zašto je ovo posebno važno za agente

O odbijanjima se obično govori kao o pitanju sadržaja. U agentskom radu ona su pre svega pitanje pouzdanosti. Odbijanje u 31. potezu od ukupno 40 nije učtivo odbijanje koje pročitate i produžite dalje — to je loše oblikovan korak, orkestrator koji ne zna kako da nastavi, pokvaren plan i 30 poteza potrošenih tokena bez ičega da se pokaže. Bezbednosna istraživanja, analiza malvera, testiranje probojnosti, rad crvenih timova, fikcija za odrasle, medicinsko i pravno pisanje i generisanje skupova podataka za bezbednosno treniranje stalno na to nailaze, a otkaz je skup upravo zato što se javlja kasno.

Naličje je da je sloj politike sada vaš. Korišćenje Shannon AI gejtveja uređeno je našom Politikom odgovorne upotrebe; uklanjanje proizvođačeve procene iz petlje znači da svoju morate uneti sami.

06Šta vam krajnja tačka zaista pruža

Mogućnost	GLM-5.2 · 3BIT-REAP
Id modela	GLM-5.2-3BIT-REAP
Prozor konteksta	262.144 tokena
Maks. izlaz po zahtevu	16.384 tokena
Striming	Da
Pozivanje alata	Da
Rezonovanje / reasoning_effort	Da
JSON shema (json_schema)	Da
response_format	Da
Vizuelni ulaz / slike	Ne — samo tekst
Sloj odbijanja / filtriranje izlaza	Nema

Pažljivo pročitajte red o vizuelnom ulazu pre nego što počnete da gradite. GLM-5.2 na našem gejtveju radi samo sa tekstom. Ako vam treba ulaz u obliku slike, katalog nudi pet opcija sa vizuelnim ulazom — MiniMax-M3 i MiMo-V2.5 na dnu od $0.50 / $2.00, Kimi-K2.6 po $0.78 / $3.67, inkling po $1.42 / $6.07 i Kimi-K3 po $3.83 / $19.12. Razuman obrazac je da razumevanje slika usmerite na MiniMax-M3, a sve ostalo na GLM-5.2, što ne košta ništa osim izmene niske sa nazivom modela.

Tri dijalekta, jedan model

Isti model je dostupan kroz tri formata zahteva, svi sa strimingom: /v1/chat/completions (OpenAI dijalekt), /v1/messages (Anthropic dijalekt) i /v1/responses. Ništa se u vezi sa modelom ne menja između njih — izaberite onaj koji vaš SDK već govori i obično ste na jednu izmenu osnovne adrese od rada.

# 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,
)

Potpune sheme zahteva i odgovora za sva tri dijalekta, format pozivanja alata, oblici strimovanih događaja i interaktivno igralište nalaze se u Shannon AI API dokumentaciji.

07Kada izabrati GLM-5.2 — a kada ne

Posegnite za njim kada

• Pokrećete agente. Duge petlje sa pozivanjem alata su ono za šta je ova loza građena i više puta naknadno trenirana, a ulazna cena čini pristupačnim ponovno slanje razgovora koji raste u svakom potezu.
• Radite preko velike baze koda. 262K konteksta, pouzdano oblikovanje poziva alata i $0.19 da se pročita ceo prozor.
• Obim vam je ograničenje. Klasifikacija, izvlačenje podataka, generisanje sintetičkih podataka, masovno prepisivanje — sve gde cena po pozivu pomnožena velikim brojem odlučuje da li je projekat održiv.
• Odbijanja vam lome cevovod. Bezbednosna istraživanja, protivničko testiranje, fikcija bez cenzure, pisanje osetljivih tekstova — taj vid otkaza ovde ne postoji.

Posegnite za nečim drugim kada

• Treba vam vizuelni ulaz. Samo tekst. Pogledajte gore navedene opcije sa vizuelnim ulazom.
• Treba vam najdublje rezonovanje u jednom potezu. Za najteže analitičke probleme iz jednog pokušaja, DeepSeek-V4-Pro-0813 · 3BIT-REAP je teži instrument po 2,2× višoj mešanoj ceni — na pozivima gde je plafon ograničenje, to je ispravna zamena.
• Treba vam najveća vernost na nejasnom znanju. Nivo W8A16 — MiMo-V2.5-Pro i Hy3 — komprimovan je daleko manje agresivno i stoji na dnu od $0.50 / $2.00, ali na manjim temeljima.

Rezultate merenja za GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) prijavljuje Z.ai za nekomprimovani temelj; nezavisna replikacija je u toku. Brojevi za Claude Opus 4.8 i GPT-5.5 prikazani su samo radi poređenja. Zvanična cena API-ja za GLM-5.2 prema objavi kompanije Z.ai, septembar 2026.

08Često postavljana pitanja

---

Izvori: Z.ai GLM-5 repozitorijum · Du i saradnici, GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng i saradnici, GLM-130B: An Open Bilingual Pre-trained Model · Lasby i saradnici, REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI ocena GLM-5.2 kompanije Z.ai, jul 2026.. Rezultati merenja temelja su prijavljeni od strane laboratorije i privremeni su; opisuju nekomprimovani GLM-5.2, a ne ovu komprimovanu gradnju. Podaci o ceni, kontekstu i mogućnostima su vrednosti iz Shannon AI kataloga na dan 5. septembra 2026.