بغیر سنسر شپ GLM API: فی ٹوکن بہترین سودا
Z.ai کی ایجنٹی GLM بنیاد، ہمارے اپنے GPU کلسٹر پر بغیر کسی انکار کی پرت کے پیش کردہ — 262K سیاق، ٹول کالنگ، اور ایک آمیزہ قیمت جو اسی سلسلے کی فریقِ اول قیمت کے نصف سے بھی کم ہے۔
خلاصہ
GLM-5.2-3BIT-REAP Shannon AI گیٹ وے کا وہ ماڈل ہے جس کی ہم طے شدہ طور پر سفارش کرتے ہیں۔ یہ GLM سلسلے کی 744 ارب پیرامیٹر کی خلوت دار Mixture-of-Experts بنیاد چلاتا ہے — جو GLM-4.5 کے بعد سے صراحتاً ایجنٹی ٹول استعمال کے لیے تربیت یافتہ ہے — 3-bit وزنوں اور REAP ماہر کٹائی کے ساتھ سکڑی ہوئی، تاکہ یہ سما بھی جائے اور تیز بھی رہے۔ آپ کو 262,144 ٹوکن کا سیاق، 16,384 ٹوکن اخراج، ٹول کالنگ، قابلِ ترتیب reasoning_effort کے ساتھ استدلال، اور JSON Schema ساختی اخراج ملتا ہے، فی ملین ٹوکن $0.73 / $2.34 میں۔ نہ کوئی انکار کی پرت ہے، نہ اخراجی چھلنی۔ صرف متن — وژن نہیں۔
“سب سے سستا ماڈل” کے زیادہ تر موازنے بےایمان ہوتے ہیں، کیونکہ سستا آپشن عموماً کوئی چھوٹا ماڈل ہوتا ہے جو کسی بڑے ماڈل کی تشہیر پہنے ہوتا ہے۔ یہاں ایسا نہیں ہو رہا۔ GLM-5.2 اب تک جاری کی گئی سب سے بڑی کھلے وزن والی بنیادوں میں سے ایک ہے، اور $0.73 داخل / $2.34 خارج پر یہ ہماری فہرست کے فرش سے صرف ایک زینہ اوپر بیٹھا ہے، جبکہ اس کی بنیاد اُس سے کئی گنا بڑی ہے جو عام طور پر اُس فرش پر ملتی ہے۔ یہی فرق — بڑا ماڈل، فرش کے قریب قیمت — اس صفحے کے وجود کی وجہ ہے۔
01GLM کہاں سے آیا: چنگہوا، خالی جگہ بھرنا، اور ایجنٹوں کی طرف تیز موڑ
GLM کوئی نیا نام دیا ہوا Llama مشتق نہیں۔ یہ ان چند ماڈل خاندانوں میں سے ایک ہے جس کا اپنا پیشگی تربیتی مقصد ہے، جسے ایک ہی تحقیقی گروہ نے پانچ برس تک سنوارا۔ نام کا مطلب ہے General Language Model، اور بنیادی مقالے — GLM: General Language Model Pretraining with Autoregressive Blank Infilling، ACL 2022 — نے BERT کی ماسک شدہ لسانی ماڈلنگ اور GPT کی سختی سے بائیں سے دائیں خود واپسی کے پہلو میں ایک تیسرا راستہ پیش کیا۔ GLM ملحقہ حصے خالی کر دیتا ہے اور انہیں بےترتیب ترتیب میں خود واپسی کے ساتھ دوبارہ بناتا ہے، اور دو جہتی مقامی انکوڈنگ کے ذریعے ٹوکن کی بگڑی ہوئی دستاویز میں جگہ اور بھرے جانے والے حصے کے اندر جگہ دونوں کا حساب رکھتا ہے: ایک ہی فن تعمیر جو فہم اور تخلیق دونوں کو یکساں اچھی طرح نبھاتا ہے۔
اس کے پیچھے گروہ چنگہوا یونیورسٹی کا Knowledge Engineering Group تھا، جس سے وہ کمپنی نکلی جو اب Z.ai کہلاتی ہے (پہلے Zhipu AI)۔ اس کی پہلی نمایاں پیداوار اکتوبر 2022 میں GLM-130B تھی — 130 ارب پیرامیٹر کا دو لسانی انگریزی/چینی گنجان ماڈل، جس کے وزن اور کوڈ اشاعت کے وقت ہی عوامی کر دیے گئے۔ تب سے کھلی اشاعت ہی گھر کا انداز رہا ہے۔
MoE کا دور، اور ایجنٹوں کی طرف رخ
مرکزی دھاگہ کسی بھی ایک ریلیز سے زیادہ اہم ہے۔ GLM-4.5 کے بعد سے ہر نسخہ ایک ہی چیز کے لیے بہتر بنایا گیا ہے: درجنوں ٹول کالوں تک مربوط رہنا۔ یہ ایک باری کے بینچ مارک نمبر بڑھانے سے مختلف مقصد ہے، اور یہ کم بگڑی ہوئی ٹول دلائل، لمبے منصوبے میں کم بھٹکاؤ، اور اُس “چودھویں باری پر پورے اعتماد سے کام دوبارہ شروع کر دینے” والے رویے کی کمی کی صورت میں سامنے آتا ہے جو ایجنٹ فریم ورک کو مہنگا بنا دیتا ہے۔
02GLM-5.2 کیا ہے، اور اسے کن پیمانوں پر ماپا گیا
Z.ai، GLM-5 ریپازٹری میں GLM-5.2 کے بینچ مارک اعداد شائع کرتا ہے۔ ان میں سے دو معلومات کی یادداشت کے بجائے اصل ایجنٹی کام پر لاگو ہوتے ہیں:
Terminal-Bench 2.1 — طویل افق کے کمانڈ لائن ایجنٹ کام۔ Z.ai کے بتائے ہوئے۔
SWE-bench Pro — اصل ریپازٹری کے مسائل کا حل۔ Z.ai کے بتائے ہوئے؛ اسی امتحان میں GLM-5.1 نے 58.4 حاصل کیے۔
یہ لیب کے اعداد ہیں، ہمارے نہیں، اور یہ غیر سکڑی ہوئی بنیاد کو بیان کرتے ہیں۔ یہ بتاتے ہیں کہ آپ کس درجے کے ماڈل سے واسطہ رکھ رہے ہیں، کوئی ضمانت نہیں دیتے۔
ایک نکتہ کسی بھی بینچ مارک سے زیادہ قیمتی ہے، کیونکہ وہ ایسے جانچنے والے سے آیا ہے جسے ماڈل کی خوشامد کا کوئی فائدہ نہیں۔ جولائی 2026 میں امریکہ کے National Institute of Standards and Technology کے Center for AI Standards and Innovation نے GLM-5.2 کا جائزہ لیا اور نتیجہ نکالا کہ یہ غالباً وہ سب سے قابل کھلے وزن والا AI ماڈل تھا جو اپنی اشاعت کے وقت دستیاب تھا، جس کی مجموعی صلاحیتیں GPT-5.2 کے اور سائبر صلاحیتیں Claude Opus 4.6 کے مماثل ہیں۔ اسی جائزے نے یہ بھی مشاہدہ کیا کہ GLM-5.2 امریکی حوالہ جاتی ماڈلوں کے مقابلے میں کم حساس درخواستیں روکتا ہے، اور یہ کہ کھلے وزنوں میں پکی ہوئی حفاظتی تدابیر خود میزبانی کے بعد ٹالی جا سکتی ہیں۔ حصہ 05 اسی بات کی طرف لوٹتا ہے۔
03“3BIT-REAP” کا مطلب، اور اس کی آپ کو کیا قیمت پڑتی ہے
REAP: ماہرین کو ملانے کے بجائے کاٹنا
744B پیرامیٹر کے MoE ماڈل میں فی تہہ 256 ماہرین ہوتے ہیں، جن میں سے کسی بھی ٹوکن پر 8 جلتے ہیں۔ روٹر کام یکساں نہیں بانٹتا — کچھ ماہرین مسلسل چنے جاتے ہیں، اور ایک لمبی دُم شاذ ہی چنی جاتی ہے اور جب چنی جائے تب بھی کم حصہ ڈالتی ہے۔ REAP (Router-weighted Expert Activation Pruning)، Cerebras Research کی طرف سے اور ICLR 2026 میں قبول شدہ، اسی سے فائدہ اٹھاتا ہے: یہ ہر ماہر کو ایک نمایاں پن کے معیار سے پرکھتا ہے جو روٹر اسے کتنی شدت اور کتنی بار راستہ دیتا ہے کو اس کے اخراجی حصے کی مقدار کے ساتھ ملاتا ہے، پھر کم نمبر والوں کو مستقل طور پر حذف کر دیتا ہے۔
دلچسپ حصہ وہ موازنہ ہے جو REAP جیتتا ہے۔ ماہر کو حذف کرنے کا واضح متبادل اسے کسی بچ رہنے والے میں ملا دینا ہے، جو زیادہ محفوظ لگتا ہے۔ 20B سے 1T پیرامیٹر تک کے MoE ماڈلوں پر مقالے کا نتیجہ یہ ہے کہ ملانا تخلیقی کام کے لیے دراصل بدتر ہے، اور کٹائی حیرت انگیز طور پر خوب قائم رہتی ہے: نصف ماہرین ہٹا دینے کے بعد بھی کوڈ تخلیق اور ٹول کالنگ کے بینچ مارکس پر تقریباً بےنقصان، اور یہ Qwen3-Coder-480B اور Kimi-K2 سمیت بنیادوں پر۔ کوڈ اور ٹول کالنگ کا صحیح سلامت بچ رہنا عین وہی چیز ہے جسے آپ ایسے ماڈل پر محفوظ دیکھنا چاہیں گے جس کے وجود کی وجہ ہی ایجنٹی انجینئرنگ ہے۔
3-bit وزن، اور ایماندارانہ سودا
کٹائی کے اوپر، بچ رہنے والے وزن 3 بٹ پر محفوظ کیے جاتے ہیں — جو ہماری فہرست میں موجود W4A16-AUTOROUND-REAP اور W8A16 درجوں سے زیادہ سخت ہے، اور صرف سب سے بڑی بنیادوں کے لیے مخصوص ہے، جہاں پون کھرب پیرامیٹر کے ماڈل کو ایک پیش کش نوڈ پر لانے اور ٹوکن کو قابلِ استعمال رفتار سے بہاتے رکھنے کا کوئی اور راستہ ہی نہیں۔
ترکیب مفت نہیں ہوتی۔ درست ذہنی نمونہ یہ ہے: کٹائی اور کوانٹائزیشن سب سے پہلے لمبی دُم کو خراب کرتی ہیں۔ گنجان اور کثرت سے استعمال ہونے والے رویے — ہدایت کی پیروی، کوڈ کی ساخت، ٹول کال کی صورت گری، کئی مرحلوں کی منصوبہ بندی — اچھی طرح بچ جاتے ہیں، اور REAP کے نتائج عین یہی دکھاتے ہیں۔ غیر معروف حقائق کی یادداشت، شاذ زبانیں اور محدود شعبوں کی نادر معلومات وہ جگہ ہیں جہاں آپ کو غیر سکڑے ہوئے GLM-5.2 کے مقابلے میں فرق کی توقع رکھنی چاہیے۔ اگر آپ کا کام “کوئی غیر معمولی حقیقت من و عن جاننا” ہے، تو زیادہ وفاداری والے درجے کی قیمت دیجیے۔ اگر یہ “چالیس ٹول کالوں پر پھیلا منصوبہ بغیر پٹری سے اترے چلانا” ہے، تو یہ وہی درجہ ہے جس کے لیے یہ طریقہ ڈیزائن ہوا تھا۔
04قیمت کا مقدمہ: ایک سستا بغیر سنسر شپ LLM API چلانے پر اصل میں کیا لگتا ہے
GLM-5.2 کے لیے Z.ai کی اپنی شائع شدہ API فہرست قیمت فی ملین داخل ٹوکن $1.40 اور فی ملین خارج $4.40 ہے۔ اسی بنیاد پر ہماری قیمت $0.73 / $2.34 ہے — یعنی داخل پر تقریباً 48% اور خارج پر 47% کم۔ یہ رعایت ترکیب کا خریدا ہوا فائدہ ہے، اور اس کے ساتھ ایک اور چیز آتی ہے جو آپ فریقِ اول سے کسی قیمت پر نہیں خرید سکتے: کوئی انکار کی پرت نہیں۔
ہماری اپنی فہرست کے اندر، آمیزہ لاگت ہی وہ عدد ہے جو اہم ہے۔ یہاں یہ 3:1 داخل بمقابلہ خارج تناسب پر ہے، جو عملاً ایک ٹول کالنگ ایجنٹ کی صورت ہوتی ہے — بہت سا سیاق اور ٹول کے نتائج اندر جاتے ہیں، اور نسبتاً کم ٹوکن باہر آتے ہیں۔
| ماڈل | داخل / 1M | خارج / 1M | آمیزہ 3:1 | وژن |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | نہیں |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | نہیں |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | ہاں |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | نہیں |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | ہاں |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | ہاں |
چھ ماڈل $0.50 / $2.00 کے فرش پر بیٹھے ہیں — MiniMax-M3، DeepSeek-V4-Flash، Laguna-S-2.1، MiMo-V2.5، MiMo-V2.5-Pro اور Hy3 — یعنی $0.875 کی آمیزہ شرح۔ GLM-5.2 اس فرش سے 29% اوپر ہے اور آپ کو 744B درجے کی ایسی بنیاد دیتا ہے جس کے پیچھے ایجنٹی رویے میں مسلسل سرمایہ کاری ہے۔ اس سے اوپر قیمت والی ہر چیز آمیزہ اعتبار سے کم از کم 23% زیادہ مہنگی ہے، اور Kimi-K3 6.8× زیادہ۔ ایک قطار میں یہی قیمت کی دلیل ہے: صفِ اول کی ایجنٹی بنیاد خریدنے کی فہرست میں سب سے سستی جگہ۔
کام کی صورت میں تبدیل کر کے
- ایک بار پورا سیاق بھرنا — 262,144 داخل ٹوکن: $0.19۔ ایک پوری بڑی ریپازٹری بیس سینٹ سے کم میں کھڑکی میں پڑھی گئی۔
- زیادہ سے زیادہ لمبائی کی ایک تکمیل — 16,384 خارج ٹوکن: $0.038۔
- ایک ایجنٹ باری — 20K داخل، 2K خارج: $0.019۔ یہی باری Kimi-K3 پر $0.115 اور DeepSeek-V4-Pro پر $0.047 میں پڑتی ہے۔
- سو ایجنٹ باریاں: $1.93، جبکہ فہرست کے سب سے مہنگے ماڈل پر $11.48۔
ایجنٹی کام داخل کی طرف بھاری ہوتے ہیں، اور GLM کا فائدہ عین وہیں سب سے بڑا ہے: اس کی داخلی قیمت Kimi-K3 سے 5.2 گنا اور DeepSeek-V4-Pro سے 2.7 گنا کم ہے۔ اگر آپ کا ایجنٹ ہر باری بڑھتی ہوئی گفتگو دوبارہ بھیجتا ہے — اور تقریباً ہر ایجنٹ ایسا ہی کرتا ہے — تو یہی ضرب آپ کے بل پر ظاہر ہوتی ہے۔
05اس اینڈ پوائنٹ پر “بغیر سنسر شپ” کا مطلب
عین دو چیزیں: کوئی انکار کی پرت نہیں — کوئی درجہ بند نہیں جو طے کرے کہ ماڈل کو کون سی درخواستیں دیکھنے کی اجازت ہے، اور کوئی پالیسی ماڈل نہیں جو آپ کا پرامپٹ پہنچنے سے پہلے دوبارہ لکھ دے — اور کوئی اخراجی چھلنی نہیں، یعنی ماڈل جو ٹوکن بناتا ہے وہی ٹوکن آپ کو ملتے ہیں، بغیر کسی حذف یا تبدیلی کے۔
یہ کسی تجارتی API کے “نرم” یا “ڈویلپر” انداز کی تشہیر سے مختلف بات ہے۔ وہ اب بھی ٹریفک کسی فروخت کنندہ کی پالیسی کے ڈھانچے سے گزارتے ہیں؛ وہاں دہلیز بدلتی ہے، دروازے کا وجود نہیں۔ یہاں سُر ملانے کو کوئی دروازہ ہی نہیں — ماڈل ہمارے اپنے GPU کلسٹر پر چلتا ہے، اور اس کا رویہ بنیاد کا رویہ ہے۔ حصہ 02 والے NIST CAISI کے نتیجے کو تنبیہ کے بجائے تکنیکی بیان کے طور پر پڑھیے تو یہ مصنوعے کی وضاحت کر دیتا ہے: جس ماڈل کی صف بندی اس کے وزنوں میں رہتی ہو اور جسے بیرونی پالیسی پرت کے بغیر پیش کیا جائے، وہ اپنے وزنوں کے مطابق برتاؤ کرتا ہے۔
یہ خاص طور پر ایجنٹوں کے لیے کیوں اہم ہے
انکار پر عموماً مواد کے سوال کے طور پر بات ہوتی ہے۔ ایجنٹی کام میں یہ زیادہ تر بھروسے کا سوال ہے۔ چالیس باریوں کے چکر کی اکتیسویں باری پر انکار کوئی مہذب معذرت نہیں جسے پڑھ کر آپ آگے بڑھ جائیں — یہ ایک بگڑا ہوا قدم ہے، ایک ایسا منتظم جسے آگے بڑھنا نہیں آتا، ایک ٹوٹا ہوا منصوبہ، اور 30 باریوں کے خرچ شدہ ٹوکن جن سے کچھ حاصل نہیں۔ سلامتی تحقیق، بدافزار کا تجزیہ، دخول آزمائی، ریڈ ٹیمنگ، بالغ افسانہ، طبی اور قانونی مسودہ سازی، اور حفاظتی تربیت کے لیے ڈیٹاسیٹ سازی — سب اس سے مسلسل ٹکراتے ہیں، اور یہ ناکامی اسی لیے مہنگی ہے کہ دیر سے آتی ہے۔
دوسرا رخ یہ ہے کہ پالیسی کی پرت اب آپ کی ہے۔ Shannon AI گیٹ وے کا استعمال ہماری ذمہ دارانہ استعمال کی پالیسی کے تحت ہے؛ فروخت کنندہ کی رائے کو چکر سے نکالنے کا مطلب ہے اپنی رائے فراہم کرنا۔
06یہ اینڈ پوائنٹ اصل میں آپ کو کیا دیتا ہے
| صلاحیت | GLM-5.2 · 3BIT-REAP |
|---|---|
| ماڈل شناخت | GLM-5.2-3BIT-REAP |
| سیاقی کھڑکی | 262,144 ٹوکن |
| فی درخواست زیادہ سے زیادہ اخراج | 16,384 ٹوکن |
| اسٹریمنگ | ہاں |
| ٹول کالنگ | ہاں |
استدلال / reasoning_effort | ہاں |
JSON Schema (json_schema) | ہاں |
response_format | ہاں |
| وژن / تصویری ان پٹ | نہیں — صرف متن |
| انکار کی پرت / اخراجی چھلنی | کوئی نہیں |
کچھ بنانے سے پہلے وژن والی قطار غور سے پڑھیے۔ ہمارے گیٹ وے پر GLM-5.2 صرف متن کا ہے۔ اگر آپ کو تصویری ان پٹ چاہیے تو فہرست میں وژن کے پانچ اختیارات ہیں — $0.50 / $2.00 کے فرش پر MiniMax-M3 اور MiMo-V2.5، $0.78 / $3.67 پر Kimi-K2.6، $1.42 / $6.07 پر inkling، اور $3.83 / $19.12 پر Kimi-K3۔ ایک معقول طریقہ یہ ہے کہ تصویری فہم MiniMax-M3 کو اور باقی سب GLM-5.2 کو بھیجا جائے، جس پر ایک ماڈل کی سطر کے علاوہ کچھ خرچ نہیں آتا۔
تین لہجے، ایک ماڈل
یہی ماڈل تین درخواستی صورتوں سے دستیاب ہے، سب اسٹریمنگ کے ساتھ: /v1/chat/completions (OpenAI لہجہ)، /v1/messages (Anthropic لہجہ)، اور /v1/responses۔ ان کے درمیان ماڈل میں کچھ نہیں بدلتا — جو بھی آپ کا SDK پہلے سے بولتا ہو وہ چنیے، اور آپ عموماً چلنے سے صرف ایک بیس URL کی تبدیلی دور ہوتے ہیں۔
# 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, )
تینوں لہجوں کے مکمل درخواست و جواب اسکیمے، ٹول کالنگ کی صورت، اسٹریمنگ واقعات کی ساخت، اور ایک متعامل پلے گراؤنڈ Shannon AI API دستاویزکاری میں ہیں۔
07GLM-5.2 کب چنیں — اور کب نہیں
اس تک پہنچیے جب
- آپ ایجنٹ چلا رہے ہوں۔ لمبے ٹول کالنگ چکر ہی وہ چیز ہیں جن کے لیے یہ سلسلہ بنایا گیا اور بار بار بعد از تربیت دیا گیا، اور داخلی قیمت بڑھتی ہوئی گفتگو کو ہر باری دوبارہ بھیجنا سستا بنا دیتی ہے۔
- آپ کسی بڑے کوڈ بیس پر کام کر رہے ہوں۔ 262K سیاق، قابلِ اعتماد ٹول کال صورت گری، اور پوری کھڑکی پڑھنے کے $0.19۔
- آپ کی رکاوٹ حجم ہو۔ درجہ بندی، اخراج، مصنوعی ڈیٹا سازی، انبوہی دوبارہ تحریر — ہر وہ کام جہاں فی کال لاگت کو بڑی تعداد سے ضرب دینا طے کرتا ہے کہ منصوبہ قابلِ عمل ہے یا نہیں۔
- انکار آپ کی پائپ لائن توڑ رہے ہوں۔ سلامتی تحقیق، مخالفانہ آزمائش، بغیر سنسر شپ افسانہ، حساس مسودہ سازی — یہ ناکامی کا انداز یہاں موجود نہیں۔
کچھ اور چنیے جب
- آپ کو وژن چاہیے۔ صرف متن۔ اوپر دیے گئے وژن والے اختیارات دیکھیے۔
- آپ کو ایک باری کا گہرا ترین استدلال چاہیے۔ سب سے مشکل یک بارگی تجزیاتی مسائل کے لیے DeepSeek-V4-Pro-0813 · 3BIT-REAP بھاری اوزار ہے، 2.2 گنا آمیزہ لاگت پر — اُن کالوں میں جہاں رکاوٹ چھت ہو، یہی درست سودا ہے۔
- آپ کو غیر معروف علم پر زیادہ سے زیادہ وفاداری چاہیے۔
W8A16درجہ — MiMo-V2.5-Pro اور Hy3 — کہیں کم شدت سے سکڑا ہوا ہے اور $0.50 / $2.00 کے فرش پر بیٹھا ہے، مگر چھوٹی بنیادوں پر۔
اس صفحے پر بنیاد سے متعلق ہر عدد ہمارے علاوہ کسی اور کا شائع کردہ ہے۔ قیمت اور صلاحیت کے اعداد ہماری اپنی زندہ فہرست کی اقدار ہیں، جنہیں آپ اپنی کلید پر /v1/models کے مقابلے میں جانچ سکتے ہیں۔ بنیادی مآخذ خود دیکھیے۔
GLM-5.2 کے بینچ مارک اعداد (Terminal-Bench 2.1، SWE-bench Pro) Z.ai نے غیر سکڑی ہوئی بنیاد کے لیے بتائے ہیں؛ آزاد تصدیق ابھی باقی ہے۔ Claude Opus 4.8 اور GPT-5.5 کے اعداد صرف حوالے کے لیے دکھائے گئے ہیں۔ فریقِ اول GLM-5.2 API فہرست قیمت وہی ہے جو Z.ai نے ستمبر 2026 میں شائع کی۔
08اکثر پوچھے جانے والے سوالات
Shannon AI پر بغیر سنسر شپ GLM API کیا ہے؟
یہ Shannon AI گیٹ وے پر ماڈل شناخت GLM-5.2-3BIT-REAP ہے: Z.ai کی GLM-5.2 ایجنٹی بنیاد کا ایک سکڑا ہوا بلڈ، جو ہمارے اپنے GPU کلسٹر پر بغیر کسی انکار کی پرت اور بغیر اخراجی چھلنی کے پیش کیا جاتا ہے۔ اس کی قیمت فی ملین داخل ٹوکن $0.73 اور فی ملین خارج ٹوکن $2.34 ہے، اس کی سیاقی کھڑکی 262,144 ٹوکن کی ہے، اور یہ /v1/chat/completions، /v1/messages اور /v1/responses پر دستیاب ہے۔
بغیر سنسر شپ GLM 5.2 فہرست کے دوسرے بڑے ماڈلوں سے سستا کیوں ہے؟
اس کی وجہ اس کی ترکیب کا طریقہ ہے۔ 3BIT-REAP، 3-bit وزنوں کو REAP کے ساتھ ملاتا ہے، جو Mixture-of-Experts ماڈلوں کے لیے ماہر کٹائی کا ایک طریقہ ہے اور کوانٹائز کرنے سے پہلے شاذ راستہ پانے والے ماہرین کو نکال دیتا ہے۔ فی ٹوکن تقریباً 40B فعال پیرامیٹر والی خلوت دار MoE بنیاد، اس طرح کاٹی اور کوانٹائز کی جائے تو، اسی معیار کے گنجان ماڈل کے مقابلے میں کہیں کم یادداشت اور فی ٹوکن کہیں کم GPU سیکنڈ لیتی ہے، اور قیمت اسی کی عکاسی کرتی ہے۔
کیا بغیر انکار GLM کا مطلب یہ ہے کہ ماڈل پر سرے سے کوئی حفاظتی باڑ نہیں؟
اس کا مطلب یہ ہے کہ Shannon کوئی باڑ نہیں لگاتا۔ ماڈل کے آگے کوئی انکار کا درجہ بند نہیں اور اس سے نکلنے والے ٹوکنوں پر کوئی چھلنی نہیں۔ بنیاد اپنی تربیت سے ملنے والے جو بھی رجحان رکھتی ہے وہ برقرار رہتے ہیں، مگر کوئی بیرونی چیز انہیں رد نہیں کرتی۔ پالیسی کی پرت آپ کی ہے، اور استعمال Shannon AI کی ذمہ دارانہ استعمال کی پالیسی کے تابع ہے۔
کیا GLM-5.2 3BIT-REAP وژن یا تصویری ان پٹ کی حمایت کرتا ہے؟
نہیں۔ یہ ماڈل صرف متن کا ہے۔ اگر آپ کو کسی بغیر سنسر شپ اینڈ پوائنٹ پر تصویری ان پٹ چاہیے تو فہرست کے وژن والے ماڈلوں میں سے کوئی استعمال کیجیے، جیسے MiniMax-M3، Kimi-K2.6، Kimi-K3، MiMo-V2.5 یا inkling۔ GLM-5.2 ساختی اخراج کی حمایت ضرور کرتا ہے — json_schema اور response_format دونوں — اور ٹول کالنگ کی بھی۔
سیاق کی کھڑکی اور زیادہ سے زیادہ اخراج کی لمبائی کتنی ہے؟
262,144 ٹوکن کا سیاق اور فی درخواست 16,384 ٹوکن کا اخراج۔ فی ملین داخل ٹوکن $0.73 پر پوری سیاقی کھڑکی ایک بار بھرنے کی لاگت تقریباً 19 سینٹ ہے، اور زیادہ سے زیادہ لمبائی کی ایک تکمیل 4 سینٹ سے کم میں پڑتی ہے۔
کیا یہ لمبے ٹول کالنگ چکروں کے لیے اچھا ایجنٹی بغیر سنسر شپ ماڈل ہے؟
ہم سب سے پہلے اسی تک پہنچتے ہیں۔ GLM سلسلہ GLM-4.5 کے بعد سے صراحتاً ایجنٹی کام کے لیے تربیت یافتہ ہے، ٹول کالنگ اور reasoning_effort دونوں دستیاب ہیں، اور قیمت کا مطلب یہ ہے کہ بیس بیس ہزار ٹوکن کی سو ایجنٹ باریاں گیارہ کے بجائے تقریباً دو ڈالر میں پڑتی ہیں۔ ایجنٹ چکروں میں انکار بھی ایک حقیقی ناکامی کا انداز ہے، اور یہاں اسے چھیڑنے کے لیے کوئی انکار کی پرت موجود ہی نہیں۔
بغیر سنسر شپ GLM API آزمائیے
$0.73 داخل · $2.34 خارج · 262K سیاق · کوئی انکار کی پرت نہیں۔
API دستاویزکاری پڑھیں تمام ماڈل دیکھیںShannon Lab LLC، نیو میکسیکو، امریکہ · استعمال ذمہ دارانہ استعمال کی پالیسی کے تحت ہے
مآخذ: Z.ai GLM-5 ریپازٹری · 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، جولائی 2026۔ بنیاد کے بینچ مارک نمبر لیب کے بتائے ہوئے اور عبوری ہیں؛ وہ غیر سکڑے ہوئے GLM-5.2 کو بیان کرتے ہیں، اس سکڑے ہوئے بلڈ کو نہیں۔ قیمت، سیاق اور صلاحیت کے اعداد 5 ستمبر 2026 تک Shannon AI کی فہرست کی اقدار ہیں۔