Senzurasiz GLM API: token uchun eng foydali narx
Z.ai ning agentlik GLM poydevori o'z GPU klasterimizda rad etish qatlamisiz xizmat qiladi — 262K kontekst, vosita chaqirish va o'sha nasl birinchi tomonda turadigan narxning yarmidan kam aralash narx.
TL;DR
GLM-5.2-3BIT-REAP — Shannon AI Gateway ida biz standart sifatida tavsiya qiladigan model. U GLM naslidan chiqqan 744 milliard parametrli siyrak Mixture-of-Experts poydevorini — GLM-4.5 dan beri agentlik vosita ishlatishi uchun maxsus o'qitilgan poydevorni — 3-bitli og'irliklar va REAP ekspert kesish bilan siqilgan holda ishlatadi, shunda u sig'adi va tez qoladi. Siz 262,144 tokenli kontekst, 16,384 token chiqish, vosita chaqirish, sozlanadigan reasoning_effort bilan fikrlash va JSON Schema tuzilmali chiqishini million token uchun $0.73 / $2.34 narxida olasiz. Rad etish qatlami ham, chiqish filtri ham yo'q. Faqat matn — tasvir yo'q.
"Eng arzon model" taqqoslashlarining aksariyati halol emas, chunki arzon variant odatda katta modelning marketingini kiyib olgan kichik model bo'ladi. Bu yerda bunday emas. GLM-5.2 — kimdir chiqargan eng katta ochiq og'irlikli poydevorlardan biri va $0.73 kirish / $2.34 chiqish narxida u katalogimizning eng past darajasidan bir pog'ona yuqorida turadi, ammo o'sha daraja odatda sotib oladigan narsadan bir necha barobar katta poydevorni olib yuradi. Aynan shu tafovut — katta model, pastki darajaga yaqin narx — bu sahifaning mavjud bo'lish sababi.
01GLM qayerdan kelgan: Tsinghua, bo'shliqni to'ldirish va agentlar tomon keskin burilish
GLM — nomi o'zgartirilgan Llama hosilasi emas. Bu — o'z oldindan o'qitish maqsadiga ega, besh yil davomida bitta tadqiqot guruhi tomonidan takomillashtirilgan kam sonli model oilalaridan biri. Nom General Language Model degani va asos solgan maqola — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — BERT ning maskalangan til modellashtirishi va GPT ning qat'iy chapdan o'ngga avtoregressiyasi yonida uchinchi variantni taklif qildi. GLM tutash bo'laklarni bo'sh qoldiradi va ularni aralashtirilgan tartibda avtoregressiv qayta tiklaydi, ikki o'lchamli pozitsion kodlash esa tokenning buzilgan hujjatdagi o'rnini ham, to'ldirilayotgan bo'lak ichidagi o'rnini ham kuzatadi: bitta arxitektura tushunish va generatsiyani bir xil darajada uddalaydi.
Uning ortidagi guruh — Tsinghua universitetining Knowledge Engineering Group i bo'lib, undan hozir Z.ai (ilgari Zhipu AI) nomi bilan tanilgan kompaniya ajralib chiqqan. Uning birinchi yirik natijasi 2022-yil oktabrida chiqqan GLM-130B edi — 130 milliard parametrli ikki tilli ingliz/xitoy zich modeli, og'irliklari va kodi nashr paytining o'zida ommaga chiqarilgan. Shundan beri ochiq reliz — uy uslubi.
MoE davri va agentlar tomon burilish
Umumiy chiziq har qanday alohida relizdan muhimroq. GLM-4.5 dan beri har bir versiya bitta narsa uchun optimallashtirilgan: o'nlab vosita chaqirishlari bo'ylab izchil qolish. Bu bir navbatli benchmark ballarini maksimallashtirishdan boshqa maqsad va u kamroq noto'g'ri shakllangan vosita argumentlari, uzun rejada kamroq siljish hamda agent freymvorklarini qimmatga tushiradigan "14-navbatda vazifani ishonch bilan qaytadan boshlash" xatti-harakatining kamayishi tarzida ko'rinadi.
02GLM-5.2 nima va u qanday o'lchangan
Z.ai GLM-5.2 uchun benchmark ko'rsatkichlarini GLM-5 repozitoriysida chop etadi. Ulardan ikkitasi maydagap eslab qolishga emas, haqiqiy agentlik ishiga to'g'ri keladi:
Terminal-Bench 2.1 — uzoq ufqli buyruq qatori agent vazifalari. Z.ai xabar qilgan.
SWE-bench Pro — haqiqiy repozitoriydagi muammoni hal qilish. Z.ai xabar qilgan; GLM-5.1 shu testda 58.4 to'plagan.
Bular — laboratoriyaning raqamlari, bizniki emas, va ular siqilmagan poydevorni tavsiflaydi. Ular siz ish ko'rayotgan model sinfini belgilaydi, kafolat emas.
Bitta ma'lumot nuqtasi benchmarkdan qimmatroq, chunki u modelni maqtashdan manfaatdor bo'lmagan baholovchidan keladi. 2026-yil iyulda AQSh Milliy standartlar va texnologiyalar institutining AI standartlari va innovatsiyalari markazi GLM-5.2 ni baholab, u chiqarilgan paytda mavjud bo'lgan eng qobiliyatli ochiq og'irlikli AI modeli bo'lgan bo'lishi mumkin degan xulosaga keldi; umumiy qobiliyatlari GPT-5.2 bilan, kiber qobiliyatlari esa Claude Opus 4.6 bilan solishtirsa bo'ladi. O'sha baholash shuni ham kuzatdiki, GLM-5.2 AQSh etalon modellariga qaraganda kamroq nozik so'rovni bloklaydi, ochiq og'irliklarga singdirilgan himoya choralarini esa o'sha og'irliklar o'z-o'zini hosting qilgandan keyin chetlab o'tish mumkin. 05-bo'lim shunga qaytadi.
03"3BIT-REAP" nimani anglatadi va u sizga nimaga tushadi
REAP: ekspertlarni birlashtirish emas, kesish
744B parametrli MoE modelida har bir qatlamda 256 ekspert bor, ulardan 8 tasi har qanday tokenda ishga tushadi. Router ishni bir tekis taqsimlamaydi — ba'zi ekspertlarga doim murojaat qilinadi, uzun dumga esa kamdan-kam murojaat qilinadi va ular murojaat qilinganda ham kam hissa qo'shadi. REAP (Router-weighted Expert Activation Pruning), Cerebras Research dan chiqqan va ICLR 2026 ga qabul qilingan usul, aynan shundan foydalanadi: u har bir ekspertni router uni qanchalik kuchli va qanchalik tez-tez darvozalashi bilan uning chiqish hissasining kattaligini birlashtiruvchi ahamiyat mezoni bo'yicha baholaydi, so'ng past ball to'plaganlarni butunlay o'chiradi.
Qiziq joyi — REAP yutadigan taqqoslash. Ekspertni o'chirishning ravshan muqobili — uni omon qolgan ekspert ichiga birlashtirish, bu esa xavfsizroq eshitiladi. Maqolaning 20B dan 1T parametrgacha bo'lgan MoE modellari bo'ylab topgan xulosasi shuki, birlashtirish generativ ish uchun aslida yomonroq, kesish esa hayratlanarli darajada yaxshi turadi: ekspertlarning yarmini olib tashlagandan keyin ham kod generatsiyasi va vosita chaqirish benchmarklarida deyarli yo'qotishsiz, jumladan Qwen3-Coder-480B va Kimi-K2 poydevorlarida. Kod va vosita chaqirishning butun qolishi — mavjud bo'lish sababi agentlik muhandisligi bo'lgan modelda aynan siz saqlanishini xohlaydigan narsa.
3-bitli og'irliklar va halol kelishuv
Kesish ustiga, omon qolgan og'irliklar 3 bitda saqlanadi — bu katalogimizning boshqa joyidagi W4A16-AUTOROUND-REAP va W8A16 darajalaridan agressivroq va faqat eng katta poydevorlarga ajratilgan, chunki uch chorak trillion parametrli modelni xizmat tuguniga joylashtirib, tokenlarni ishlatsa bo'ladigan tezlikda oqizib turishning boshqa yo'li yo'q.
Siqish bepul emas. To'g'ri fikriy model: kesish va kvantlash avval uzun dumni yemiradi. Zich, tez-tez ishlatiladigan xatti-harakatlar — ko'rsatmaga amal qilish, kod tuzilishi, vosita chaqirish formati, ko'p bosqichli rejalashtirish — yaxshi omon qoladi va REAP natijalari aynan shuni ko'rsatadi. Kam uchraydigan faktlarni eslash, noyob tillar va tor domen maydagaplari — siqilmagan GLM-5.2 ga nisbatan farq kutishingiz kerak bo'lgan joylar. Agar ish yukingiz "g'ayrioddiy faktni mukammal bilish" bo'lsa, yuqoriroq sadoqatli daraja uchun to'lang. Agar u "qirq vosita chaqirishi bo'ylab rejani yo'ldan chiqmasdan bajarish" bo'lsa, bu usul aynan shu daraja uchun ishlab chiqilgan.
04Qiymat masalasi: arzon senzurasiz LLM API sini ishlatish aslida qancha turadi
Z.ai ning GLM-5.2 uchun o'zi chop etgan API ro'yxat narxi — million kirish tokeni uchun $1.40 va million chiqish uchun $4.40. Bizning o'sha poydevordagi narximiz $0.73 / $2.34 — taxminan kirishda 48% va chiqishda 47% kam. Bu chegirmani siqish sotib oladi va u bilan birga birinchi tomonda hech qanday narxga sotib ololmaydigan ikkinchi narsa keladi: rad etish qatlamining yo'qligi.
O'z katalogimiz ichida esa aralash narx — muhim raqam. Mana u 3:1 kirish-chiqish nisbatida, ya'ni vosita chaqiruvchi agent amalda qanday ko'rinsa shunday: ko'p kontekst va vosita natijalari kiradi, nisbatan kam token chiqadi.
| Model | Kirish / 1M | Chiqish / 1M | Aralash 3:1 | Tasvir |
|---|---|---|---|---|
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | $1.13 | Yo'q |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | $1.39 | Yo'q |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | $1.50 | Ha |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | $2.44 | Yo'q |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | $2.58 | Ha |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | $7.65 | Ha |
Oltita model $0.50 / $2.00 pastki darajasida turadi — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro va Hy3 — bu $0.875 aralash stavka. GLM-5.2 o'sha pastki darajadan 29% yuqorida va sizga ortida agentlik xatti-harakatiga uzluksiz investitsiya turgan 744B sinfidagi poydevorni beradi. Undan yuqorida narxlangan hamma narsa aralash hisobda kamida 23% qimmatroq, Kimi-K3 esa 6.8× qimmat. Bitta qatordagi qiymat dalili shu: katalogda yuqori darajali agentlik poydevorini sotib olish uchun eng arzon joy.
Ishga aylantirilganda
- Bitta to'liq kontekstni to'ldirish — 262,144 kirish tokeni: $0.19. Butun boshli katta repozitoriy yigirma sentdan kamga oynaga o'qib olinadi.
- Bitta maksimal uzunlikdagi yakunlash — 16,384 chiqish tokeni: $0.038.
- Bitta agent navbati — 20K kirish, 2K chiqish: $0.019. O'sha navbat Kimi-K3 da $0.115, DeepSeek-V4-Pro da esa $0.047 turadi.
- Yuzta agent navbati: $1.93, katalogdagi eng qimmat modeldagi $11.48 ga qarshi.
Agentlik ish yuklari kirishga og'ir bo'ladi va GLM ning ustunligi aynan shu yerda eng katta: uning kirish narxi Kimi-K3 nikidan 5.2× va DeepSeek-V4-Pro nikidan 2.7× past. Agar agentingiz o'sib borayotgan suhbatni har navbatda qayta jo'natsa — deyarli har bir agent shunday qiladi — hisob-fakturangizda oxir-oqibat aynan shu ko'paytuvchi paydo bo'ladi.
05Bu endpointda "senzurasiz" nimani anglatadi
Aniq ikkita narsani: rad etish qatlami yo'q — model qaysi so'rovlarni ko'rishi mumkinligini hal qiladigan klassifikator ham, promptingiz yetib borishidan oldin uni qayta yozadigan siyosat modeli ham yo'q — va chiqish filtri yo'q, ya'ni model ishlab chiqargan tokenlar siz qabul qiladigan tokenlarning aynan o'zi, tahrirsiz va almashtirilmagan.
Bu "yumshatilgan" yoki "dasturchi" rejimini reklama qiladigan tijorat API sidan boshqa taklif. Ular hali ham trafikni yetkazib beruvchining siyosat stegi orqali o'tkazadi; o'zgaradigan narsa — chegara, darvozaning mavjudligi emas. Bu yerda sozlaydigan darvoza yo'q — model o'z GPU klasterimizda ishlaydi va uning xatti-harakati poydevorning xatti-harakatidir. 02-bo'limdagi NIST CAISI xulosasini ogohlantirish emas, texnik bayonot sifatida o'qing va u mahsulotni tushuntiradi: tekislashi o'z og'irliklari ichida yashaydigan model tashqi siyosat qatlamisiz xizmat qilganda o'z og'irliklariga muvofiq o'zini tutadi.
Bu nega aynan agentlar uchun muhim
Rad etishlar odatda kontent masalasi sifatida muhokama qilinadi. Agentlik ishida esa ular asosan ishonchlilik masalasi. 40 navbatli yurishning 31-navbatidagi rad etish — siz o'qib o'tib ketadigan xushmuomala bosh tortish emas; bu — noto'g'ri shakllangan qadam, qanday davom etishni bilmaydigan orkestrator, buzilgan reja va ko'rsatadigan hech narsasi yo'q 30 navbatlik sarflangan token. Xavfsizlik tadqiqoti, zararli dastur tahlili, penetratsion test, red-teaming, kattalar uchun badiiy matn, tibbiy va yuridik hujjat tayyorlash hamda xavfsizlik o'qitishi uchun ma'lumotlar to'plamini yaratish — bularning hammasi bunga doim duch keladi va nosozlik aynan kech yuz bergani uchun qimmatga tushadi.
Buning teskari tomoni shuki, siyosat qatlami endi sizniki. Shannon AI Gateway idan foydalanish bizning Mas'uliyatli foydalanish siyosatimiz bilan tartibga solinadi; yetkazib beruvchining hukmini zanjirdan chiqarish o'zingiznikini taqdim etishni anglatadi.
06Endpoint sizga aslida nima beradi
| Imkoniyat | GLM-5.2 · 3BIT-REAP |
|---|---|
| Model id | GLM-5.2-3BIT-REAP |
| Kontekst oynasi | 262,144 token |
| So'rov uchun maksimal chiqish | 16,384 token |
| Striming | Ha |
| Vosita chaqirish | Ha |
Fikrlash / reasoning_effort | Ha |
JSON Schema (json_schema) | Ha |
response_format | Ha |
| Tasvir / rasm kirishi | Yo'q — faqat matn |
| Rad etish qatlami / chiqish filtri | Yo'q |
Qurishdan oldin tasvir qatorini diqqat bilan o'qing. GLM-5.2 bizning gatewayimizda faqat matnli. Agar sizga rasm kirishi kerak bo'lsa, katalogda tasvirni qo'llab-quvvatlaydigan beshta variant bor — $0.50 / $2.00 pastki darajasida MiniMax-M3 va MiMo-V2.5, $0.78 / $3.67 da Kimi-K2.6, $1.42 / $6.07 da inkling va $3.83 / $19.12 da Kimi-K3. Oqilona qolip — tasvirni tushunishni MiniMax-M3 ga, qolgan hamma narsani GLM-5.2 ga yo'naltirish; bu model satridan boshqa hech narsaga tushmaydi.
Uchta dialekt, bitta model
O'sha model uchta so'rov formati orqali mavjud, hammasi striming bilan: /v1/chat/completions (OpenAI dialekti), /v1/messages (Anthropic dialekti) va /v1/responses. Ular orasida modelda hech narsa o'zgarmaydi — SDK ingiz allaqachon gapiradiganini tanlang, odatda ishga tushishingizga bitta base URL o'zgarishi qoladi.
# OpenAI dialekti — mavjud klientingizni gatewayga yo'naltiring 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, # vosita chaqirish qo'llab-quvvatlanadi reasoning_effort="medium", # low | medium | high stream=True, )
Uchala dialekt uchun to'liq so'rov va javob sxemalari, vosita chaqirish formati, striming hodisalarining shakllari va interaktiv playground Shannon AI API hujjatlarida.
07GLM-5.2 ni qachon tanlash kerak — va qachon kerak emas
Unga murojaat qiling, agar
- Agentlar ishlatayotgan bo'lsangiz. Uzun vosita chaqirish sikllari — bu nasl qurilgan va qayta-qayta post-training qilingan narsa, kirish narxi esa o'sib borayotgan suhbatni har navbatda qayta jo'natishni arzon qiladi.
- Katta kod bazasi bilan ishlayotgan bo'lsangiz. 262K kontekst, ishonchli vosita chaqirish formati va butun oynani o'qish uchun $0.19.
- Hajm sizning cheklovingiz bo'lsa. Tasniflash, ajratib olish, sintetik ma'lumot yaratish, ommaviy qayta yozish — har bir chaqiriq narxi katta songa ko'paytirilishi loyihaning hayotiyligini hal qiladigan har qanday ish.
- Rad etishlar quvuringizni buzayotgan bo'lsa. Xavfsizlik tadqiqoti, adversarial test, senzurasiz badiiy matn, nozik hujjat tayyorlash — bu nosozlik rejimi bu yerda yo'q.
Boshqasiga murojaat qiling, agar
- Sizga tasvir kerak bo'lsa. Faqat matn. Yuqoridagi tasvirni qo'llab-quvvatlaydigan variantlarga qarang.
- Sizga eng chuqur bir navbatli fikrlash kerak bo'lsa. Eng qiyin bir zarbali analitik muammolar uchun DeepSeek-V4-Pro-0813 · 3BIT-REAP — aralash narxi 2.2× bo'lgan og'irroq asbob; shift cheklov bo'lgan chaqiriqlarda bu to'g'ri almashuv.
- Sizga noyob bilimda maksimal sadoqat kerak bo'lsa.
W8A16darajasi — MiMo-V2.5-Pro va Hy3 — ancha kamroq agressiv siqilgan va $0.50 / $2.00 pastki darajasida, kichikroq poydevorlarda turadi.
Bu sahifadagi har bir poydevor ko'rsatkichi bizdan boshqa kimdir tomonidan chop etilgan. Narx va imkoniyat ko'rsatkichlari — bizning o'z jonli katalog qiymatlarimiz, ularni o'z kalitingiz bilan /v1/models ga qarab tekshirsa bo'ladi. Birlamchi manbalarni o'zingiz ko'ring.
GLM-5.2 benchmark ko'rsatkichlari (Terminal-Bench 2.1, SWE-bench Pro) siqilmagan poydevor uchun Z.ai tomonidan xabar qilingan; mustaqil takrorlash kutilmoqda. Claude Opus 4.8 va GPT-5.5 ko'rsatkichlari faqat solishtirish uchun keltirilgan. Birinchi tomon GLM-5.2 API ro'yxat narxi Z.ai tomonidan chop etilganidek, 2026-yil sentabr holatiga ko'ra.
08Ko'p beriladigan savollar
Shannon AI dagi senzurasiz GLM API nima?
Bu — Shannon AI Gateway idagi GLM-5.2-3BIT-REAP model id si: Z.ai ning GLM-5.2 agentlik poydevorining siqilgan yig'masi bo'lib, o'z GPU klasterimizda rad etish qatlamisiz va chiqish filtrisiz xizmat qiladi. U million kirish tokeni uchun $0.73 va million chiqish tokeni uchun $2.34 turadi, 262,144 tokenli kontekst oynasini olib yuradi hamda /v1/chat/completions, /v1/messages va /v1/responses da mavjud.
Nega senzurasiz GLM 5.2 katalogdagi boshqa katta modellardan arzonroq?
Buning sababi — uning qanday siqilgani. 3BIT-REAP 3-bitli og'irliklarni REAP bilan birlashtiradi; REAP — Mixture-of-Experts modellari uchun ekspert kesish usuli bo'lib, u kvantlashdan oldin kamdan-kam yo'naltiriladigan ekspertlarni olib tashlaydi. Har bir tokenda taxminan 40B aktiv parametrga ega siyrak MoE poydevori shu tarzda kesilib va kvantlanib, ekvivalent sifatdagi zich modelga qaraganda ancha kam xotira va har bir tokenga ancha kam GPU-soniya egallaydi, narx esa buni aks ettiradi.
Rad etishsiz GLM modelda umuman himoya to'siqlari yo'qligini anglatadimi?
Bu Shannon hech qanday to'siq qo'shmasligini anglatadi. Model oldida rad etish klassifikatori yo'q va undan chiqayotgan tokenlarga filtr qo'llanmaydi. Poydevor o'z o'qitishi bergan moyilliklarni saqlab qoladi, lekin tashqaridan hech narsa ularni bekor qilmaydi. Siyosat qatlami sizniki va foydalanish Shannon AI ning Mas'uliyatli foydalanish siyosatiga bo'ysunadi.
GLM-5.2 3BIT-REAP tasvirni yoki rasm kirishini qo'llab-quvvatlaydimi?
Yo'q. Bu model faqat matnli. Agar sizga senzurasiz endpointda rasm kirishi kerak bo'lsa, katalogdagi tasvirni qo'llab-quvvatlaydigan modellardan birini — MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 yoki inkling ni — ishlating. GLM-5.2 tuzilmali chiqishni — json_schema va response_format ning ikkalasini ham — hamda vosita chaqirishni qo'llab-quvvatlaydi.
Kontekst oynasi va maksimal chiqish uzunligi qanday?
Har bir so'rov uchun 262,144 token kontekst va 16,384 token chiqish. Butun kontekst oynasini bir marta to'ldirish million kirish tokeni uchun $0.73 narxida taxminan 19 sent turadi, maksimal uzunlikdagi yakunlash esa 4 sentdan kam turadi.
Bu uzun vosita chaqirish sikllari uchun yaxshi senzurasiz agentlik modelimi?
Biz birinchi bo'lib aynan shunga murojaat qilamiz. GLM naslida GLM-4.5 dan beri agentlik ishi uchun maxsus o'qitish olib borilgan, vosita chaqirish ham, reasoning_effort ham qo'llab-quvvatlanadi, narx esa yigirma ming tokenli yuzta agent navbati o'n bir dollar o'rniga taxminan ikki dollarga tushishini anglatadi. Rad etishlar agent sikllarida ham haqiqiy nosozlik rejimi, bu yerda esa uni ishga tushiradigan rad etish qatlami yo'q.
Senzurasiz GLM API sini sinab ko'ring
$0.73 kirish · $2.34 chiqish · 262K kontekst · rad etish qatlami yo'q.
API hujjatlarini o'qish Barcha modellarni ko'rishShannon Lab LLC, Nyu-Meksiko, AQSh · foydalanish Mas'uliyatli foydalanish siyosati bilan tartibga solinadi
Manbalar: Z.ai GLM-5 repozitoriysi · Du va boshq., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng va boshq., GLM-130B: An Open Bilingual Pre-trained Model · Lasby va boshq., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI ning Z.ai GLM-5.2 baholovi, 2026-yil iyul. Poydevor benchmark ballari laboratoriya tomonidan xabar qilingan va vaqtinchalik; ular bu siqilgan yig'mani emas, siqilmagan GLM-5.2 ni tavsiflaydi. Narx, kontekst va imkoniyat ko'rsatkichlari — 2026-yil 5-sentabr holatiga ko'ra Shannon AI katalog qiymatlari.