API GLM aláìní ìhámọ́: iye tí ó dára jù fún token

Ọ̀pọ̀ ìfiwéra "àwòṣe tí ó pọ́n jù" kì í ṣe òtítọ́, nítorí pé àṣàyàn tí ó pọ́n náà sábà máa ń jẹ́ àwòṣe kékeré kan tí ó wọ ìpolówó àwòṣe ńlá. Kì í ṣe ohun tí ń ṣẹlẹ̀ níhìn-ín nìyẹn. GLM-5.2 jẹ́ ọ̀kan nínú àwọn ìpìlẹ̀ ìwúwo-ṣíṣí tí ó tóbi jù tí ẹnikẹ́ni ti tẹ̀ jáde, ní $0.73 wọlé / $2.34 jáde ó sì jókòó ní ìpele kan lórí ilẹ̀ àkójọ wa nígbà tí ó ń ru ìpìlẹ̀ kan tí ó tóbi ní ìlọ́po ohun tí ilẹ̀ yẹn sábà ń rà. Àlàfo yẹn — àwòṣe ńlá, iye tí ó sún mọ́ ilẹ̀ — ni ìdí tí ojú-ìwé yìí fi wà.

01Ibi tí GLM ti wá: Tsinghua, kíkún àlàfo, àti ìyípadà tí ó lágbára sí àwọn aṣojú

GLM kì í ṣe ẹ̀ka Llama tí a tún dárúkọ. Ó jẹ́ ọ̀kan nínú àwọn ìdílé àwòṣe díẹ̀ tí ó ní èròǹgbà ìdálẹ́kọ̀ọ́-ṣáájú tirẹ̀, tí ẹgbẹ́ ìwádìí kan náà ti ṣiṣẹ́ lé lórí fún ọdún márùn-ún. Orúkọ náà dúró fún General Language Model, ìwé ìpìlẹ̀ náà sì — GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 — dábàá àṣàyàn kẹta lẹ́gbẹ̀ẹ́ àwòṣe èdè tí a bò ti BERT àti ìsọtẹ́lẹ̀-tẹ̀lé òsì-sí-ọ̀tún tí ó le ti GPT. GLM ń pa àwọn apá tí ó tẹ̀ lé ara wọn rẹ́ ó sì ń tún wọn ṣẹ̀dá ní ọ̀wọ̀ọ̀wọ̀ tí a dàrú, pẹ̀lú àmì-ìpò onípò-méjì tí ń tọpasẹ̀ ipò token kan nínú àkọsílẹ̀ tí a bàjẹ́ àti ipò rẹ̀ nínú apá tí a ń kún: ìhun-ìkọ́ kan tí ń ṣe ìmọ̀ àti ìṣẹ̀dá ní ìwọ̀n kan náà dáadáa.

Ẹgbẹ́ tí ó wà lẹ́yìn rẹ̀ ni Knowledge Engineering Group ti Yunifásítì Tsinghua, tí ó dá ilé-iṣẹ́ tí a mọ̀ báyìí sí Z.ai (tí ó jẹ́ Zhipu AI tẹ́lẹ̀) sílẹ̀. Iṣẹ́ àkọ́kọ́ rẹ̀ tí ó gbajúmọ̀ ni GLM-130B ní October 2022 — àwòṣe kíkún onílédè-méjì Gẹ̀ẹ́sì/Ṣáínà onípárámítà bílíọ̀nù 130, tí a tẹ ìwúwo àti kóòdù rẹ̀ jáde fún gbogbo ènìyàn ní àkókò ìtẹ̀jáde. Ìtújáde ṣíṣí ti jẹ́ àṣà ilé láti ìgbà náà.

Ìgbà MoE, àti ìyípadà sí àwọn aṣojú

Ìlà tí ó ń kọjá gbogbo rẹ̀ ṣe pàtàkì ju ìtújáde kankan lọ. Láti ìgbà GLM-4.5, a ti mú ẹ̀dà kọ̀ọ̀kan dára fún ohun kan náà: dídúró ní ìbámu kọjá ọ̀pọ̀lọpọ̀ ìpe ohun-èlò. Èròǹgbà tí ó yàtọ̀ sí gbígbé àwọn àmì ìdíwọ̀n ìyípo-kan ga jù ni ìyẹn, ó sì ń hàn gẹ́gẹ́ bí àríyànjiyàn ohun-èlò tí ó bàjẹ́ tí ó kéré sí i, ìṣíkúrò tí ó kéré sí i nínú ètò gígùn, àti ìhùwàsí "ó ń tún iṣẹ́ náà bẹ̀rẹ̀ ní ìgbọ́kànlé ní ìyípo 14" tí ó kéré sí i, èyí tí ó ń mú kí àwọn ìlànà aṣojú gbówó lórí.

02Kí ni GLM-5.2, àti kí ni a díwọ̀n rẹ̀ ní

Z.ai ń tẹ àwọn nọ́mbà ìdíwọ̀n fún GLM-5.2 jáde nínú àpò-kóòdù GLM-5. Méjì bá iṣẹ́ aṣojú gidi mu dípò ìrántí ọ̀rọ̀ kékeré:

Terminal-Bench 2.1 — àwọn iṣẹ́ aṣojú ìlà-àṣẹ tí ó gùn. Z.ai ni ó ròyìn rẹ̀.

SWE-bench Pro — yíyanjú ọ̀rọ̀ nínú àpò-kóòdù gidi. Z.ai ni ó ròyìn rẹ̀; GLM-5.1 gbá 58.4 lórí ìdánwò kan náà.

Nọ́mbà ilé-ìwádìí náà ni àwọn wọ̀nyẹn, kì í ṣe tiwa, wọ́n sì ń ṣàpèjúwe ìpìlẹ̀ náà tí a kò fúnpọ̀. Wọ́n ń fi ẹ̀ka àwòṣe tí o ń bá lò hàn, kì í ṣe ẹ̀rí ìlérí.

Ohun kan tọ́ ju ìdíwọ̀n lọ, nítorí pé ó wá láti ọ̀dọ̀ olùdíwọ̀n tí kò ní ìdí láti ṣàwátẹ̀wọ́ fún àwòṣe náà. Ní July 2026, Center for AI Standards and Innovation ti National Institute of Standards and Technology ti Amẹ́ríkà ṣàyẹ̀wò GLM-5.2 ó sì parí pé ó jẹ́ bóyá àwòṣe AI ìwúwo-ṣíṣí tí ó lágbára jù tí ó wà nígbà tí a tẹ̀ ẹ́ jáde, pẹ̀lú agbára gbogbogbò tí ó bá GPT-5.2 mu àti agbára ààbò-ẹ̀rọ tí ó bá Claude Opus 4.6 mu. Àyẹ̀wò kan náà ṣàkíyèsí pé GLM-5.2 ń dí àwọn ìbéèrè tí ó ní ìfarabalẹ̀ tí ó kéré ju àwọn àwòṣe ìtọ́kasí Amẹ́ríkà lọ, àti pé a lè yí àwọn ààbò tí a yan sínú ìwúwo ṣíṣí ká ní ìṣẹ́jú tí ẹnìkan bá gbé ìwúwo yẹn sórí ẹ̀rọ tirẹ̀. Apá 05 padà sí ìyẹn.

03Kí ni "3BIT-REAP" túmọ̀ sí, àti kí ni ó ń ná ọ

REAP: gígé àwọn amòye dípò dídà wọ́n pọ̀

Àwòṣe MoE onípárámítà 744B ní amòye 256 fún ìpele kọ̀ọ̀kan, mẹ́jọ nínú wọn ni ó ń tanná lórí token èyíkéyìí. Olùdarí náà kì í pín iṣẹ́ ní dọ́gba — a ń lu àwọn amòye kan nígbà gbogbo, a sì ń lu ìrù gígùn kan lọ́wọ́ọ́rọ̀ tí wọ́n sì ń dá díẹ̀ kún un nígbà tí a bá ṣe é. REAP (Router-weighted Expert Activation Pruning), láti Cerebras Research tí a sì gbà sí ICLR 2026, ń lo ìyẹn: ó ń fún amòye kọ̀ọ̀kan ní àmì nípa ìwọ̀n ìjáfáfá tí ń da bí olùdarí náà ṣe ń ṣí ẹnu-ọ̀nà rẹ̀ lágbára tó àti lọ́pọ̀ ìgbà tó pọ̀ mọ́ ìwọ̀n ìdásí ìtújáde rẹ̀, lẹ́yìn náà ó ń pa àwọn tí ó ní àmì kékeré rẹ́ pátápátá.

Apá tí ó fani-lọ́kàn-mọ́ra ni ìfiwéra tí REAP borí. Àṣàyàn tí ó hàn kedere sí gígé amòye kúrò ni dídà á pọ̀ mọ́ èyí tí ó yè, èyí tí ó dún bí èyí tí ó ní ààbò jù. Àbájáde ìwé náà kọjá àwọn àwòṣe MoE láti párámítà 20B sí 1T ni pé dídàpọ̀ ń burú sí i ní tòótọ́ fún iṣẹ́ ìṣẹ̀dá, gígé sì ń dúró dáadáa lọ́nà àrà: ó fẹ́rẹ̀ẹ́ jẹ́ aláìpàdánù lórí àwọn ìdíwọ̀n ìṣẹ̀dá kóòdù àti ìpe ohun-èlò kódà lẹ́yìn yíyọ ìdajì àwọn amòye kúrò, lórí àwọn ìpìlẹ̀ tí ó fi Qwen3-Coder-480B àti Kimi-K2 kún. Kóòdù àti ìpe ohun-èlò tí ó yè pátápátá ni ohun tí o fẹ́ kí a pa mọ́ gan-an lórí àwòṣe tí ìdí ìwàláàyè rẹ̀ jẹ́ iṣẹ́-ẹ̀rọ aṣojú.

Ìwúwo 3-bit, àti ìpàṣípààrọ̀ òtítọ́ náà

Lórí gígé náà, a ń tọ́jú àwọn ìwúwo tí ó yè ní bit mẹ́ta — ó lágbára ju àwọn ìpele W4A16-AUTOROUND-REAP àti W8A16 ní ibòmíràn nínú àkójọ wa, a sì fi pamọ́ fún àwọn ìpìlẹ̀ tí ó tóbi jù, níbi tí kò sí ọ̀nà mìíràn láti gbé àwòṣe onípárámítà ìdámẹ́ta-mẹ́rin-trílíọ̀nù sórí ojú ìsìn kí a sì mú kí àwọn token máa ṣàn ní ìwọ̀n tí a lè lò.

Ìfúnpọ̀ kì í ṣe ọ̀fẹ́. Àwòṣe èrò tí ó tọ́: gígé àti ìdínwọ̀n ń ba ìrù gígùn jẹ́ ní àkọ́kọ́. Àwọn ìhùwàsí tí ó nípọn, tí a ń lò nígbà gbogbo — títẹ̀lé ìtọ́ni, ìhun kóòdù, ìtòlẹ́sẹẹsẹ ìpe-ohun-èlò, ìṣètò oníkọ̀ọ̀kan — ń yè dáadáa, èyí sì ni gan-an ohun tí àwọn àbájáde REAP ń fi hàn. Ìrántí òtítọ́ tí ó ṣọ̀wọ́n, àwọn èdè tí kò wọ́pọ̀ àti ọ̀rọ̀ kékeré ẹ̀ka pàtó ni ibi tí o gbọ́dọ̀ retí ìyàtọ̀ lòdì sí GLM-5.2 tí a kò fúnpọ̀. Bí iṣẹ́ rẹ bá jẹ́ "mọ òtítọ́ tí kò wọ́pọ̀ dáadáa," san fún ìpele ìdúróṣinṣin tí ó ga jù. Bí ó bá jẹ́ "sá ètò kan kọjá ìpe ohun-èlò ogójì láìsí ṣíṣì kúrò," ìpele tí a ṣe ọ̀nà náà fún nìyí.

04Ìdí iye: ẹ̀lòó ni API LLM aláìní ìhámọ́ tí ó pọ́n ń ná láti sá ní tòótọ́

Iye àtòjọ API tí Z.ai fúnra rẹ̀ tẹ̀ jáde fún GLM-5.2 ni $1.40 fún token wọlé mílíọ̀nù kan àti $4.40 fún mílíọ̀nù kan jáde. Iye wa lórí ìpìlẹ̀ kan náà ni $0.73 / $2.34 — nǹkan bí 48% kéré lórí ìwọlé àti 47% kéré lórí ìjáde. Ìdínkù yẹn ni ohun tí ìfúnpọ̀ náà ń rà, ó sì wá pẹ̀lú ohun kejì tí o kò lè rà lọ́dọ̀ ẹni-àkọ́kọ́ ní iye kankan: kò sí ìpele ìkọ̀sílẹ̀.

Nínú àkójọ tiwa, iye àdàpọ̀ ni nọ́mbà tí ó ṣe pàtàkì. Èyí ni ní ìwọ̀n ìwọlé-sí-ìjáde 3:1, nǹkan bí bí aṣojú ìpe-ohun-èlò ṣe rí ní ìṣe — kọ́ńtẹ́kìsì púpọ̀ àti àbájáde ohun-èlò ń wọlé, token díẹ̀ ni ó ń jáde.

Àwòṣe	Wọlé / 1M	Jáde / 1M	Àdàpọ̀ 3:1	Ìríran
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	Rárá
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	Rárá
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	Bẹ́ẹ̀ ni
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	Rárá
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	Bẹ́ẹ̀ ni
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	Bẹ́ẹ̀ ni

Àwòṣe mẹ́fà jókòó ní ilẹ̀ $0.50 / $2.00 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro àti Hy3 — ìwọ̀n àdàpọ̀ $0.875. GLM-5.2 wà ní 29% lókè ilẹ̀ yẹn ó sì ń rà fún ọ ìpìlẹ̀ ẹ̀ka 744B pẹ̀lú ìdókòwò tí ó dúró nínú ìhùwàsí aṣojú lẹ́yìn rẹ̀. Gbogbo ohun tí iye rẹ̀ wà lókè rẹ̀ ń ná ó kéré tán 23% sí i ní àdàpọ̀, Kimi-K3 sì ń ná 6.8× sí i. Ìyẹn ni àríyànjiyàn iye náà ní ìlà kan: ibi tí ó pọ́n jù nínú àkójọ náà láti ra ìpìlẹ̀ aṣojú ipele-òkè.

Tí a yí padà sí iṣẹ́

• Ìkúnnú kọ́ńtẹ́kìsì kíkún kan — token 262,144 wọlé: $0.19. Gbogbo àpò-kóòdù ńlá kan tí a kà sínú fèrèsé náà fún abẹ́ sẹ́ǹtì ogún.
• Ìparí gígùn jùlọ kan — token 16,384 jáde: $0.038.
• Ìyípo aṣojú kan — 20K wọlé, 2K jáde: $0.019. Ìyípo kan náà ń ná $0.115 lórí Kimi-K3 àti $0.047 lórí DeepSeek-V4-Pro.
• Ìyípo aṣojú ọgọ́rùn-ún: $1.93, lòdì sí $11.48 lórí àwòṣe tí ó gbówó lórí jù nínú àkójọ náà.

Àwọn iṣẹ́ aṣojú kún fún ìwọlé, èrè GLM sì tóbi jùlọ gan-an níbẹ̀: iye ìwọlé rẹ̀ kéré ní 5.2× ju ti Kimi-K3 lọ àti 2.7× ju ti DeepSeek-V4-Pro lọ. Bí aṣojú rẹ bá ń tún ìfọ̀rọ̀wérọ̀ tí ń dàgbà ránṣẹ́ ní ìyípo kọ̀ọ̀kan — ó sì fẹ́rẹ̀ẹ́ jẹ́ pé gbogbo aṣojú ń ṣe bẹ́ẹ̀ — ìsọdipúpọ̀ yẹn ni ó ń parí sí orí ìwé owó rẹ.

05Kí ni "aláìní ìhámọ́" túmọ̀ sí lórí ẹnu-ọ̀nà yìí

Nǹkan méjì, ní pàtó: kò sí ìpele ìkọ̀sílẹ̀ — kò sí olùpín tí ń pinnu ìbéèrè wo ni a gba àwòṣe náà láàyè láti rí, kò sì sí àwòṣe ìlànà tí ń tún ìtọ́ni rẹ kọ kí ó tó dé — àti kò sí ìṣẹ́sẹ̀ ìtújáde, ìyẹn ni pé àwọn token tí àwòṣe náà ṣe ni àwọn token tí o ń rí, láìsí ìpalẹ̀mọ́ àti láìsí ìpààrọ̀.

Ìyẹn yàtọ̀ sí API ti òwò tí ń polówó ipò "tí ó rọ̀" tàbí ipò "olùdàgbàsókè". Àwọn wọ̀nyẹn ṣì ń darí ìjìnà nípasẹ̀ àkópọ̀ ìlànà olùtajà; ohun tí ó ń yí padà ni ààlà náà, kì í ṣe wíwàláàyè ẹnu-ọ̀nà náà. Níhìn-ín kò sí ẹnu-ọ̀nà láti ṣàtúnṣe — àwòṣe náà ń sá lórí ìdìpọ̀ GPU tiwa, ìhùwàsí rẹ̀ sì jẹ́ ìhùwàsí ìpìlẹ̀ náà. Ka àbájáde NIST CAISI láti apá 02 gẹ́gẹ́ bí gbólóhùn ìmọ̀-ẹ̀rọ dípò ìkìlọ̀ ó sì ń ṣàlàyé ọjà náà: àwòṣe kan tí ìbámu rẹ̀ ń gbé inú ìwúwo rẹ̀, tí a ń pèsè láìsí ìpele ìlànà ti òde, ń hùwà gẹ́gẹ́ bí ìwúwo rẹ̀.

Ìdí tí èyí fi ṣe pàtàkì fún àwọn aṣojú ní pàtó

A sábà ń jíròrò àwọn ìkọ̀sílẹ̀ gẹ́gẹ́ bí ìbéèrè àkóónú. Nínú iṣẹ́ aṣojú, ìbéèrè ìgbẹ́kẹ̀lé ni wọ́n jẹ́ jùlọ. Ìkọ̀sílẹ̀ ní ìyípo 31 nínú ìsáré ìyípo 40 kì í ṣe ìkọ̀ pẹ̀lú ọ̀wọ̀ tí o ka tí o sì kọjá — ìgbésẹ̀ tí ó bàjẹ́ ni, olùṣàkóso ìlànà tí kò mọ bí ó ṣe lè tẹ̀síwájú, ètò tí ó bàjẹ́, àti ìyípo 30 ti token tí a ná láìsí nǹkan kan láti fi hàn. Ìwádìí ààbò, ìtúpalẹ̀ malware, ìdánwò ìwọ̀lú, red team, ìtàn àròsọ àgbà, ìkọ̀wé ìṣègùn àti ti òfin, àti ìṣẹ̀dá àkójọ dátà fún ìdálẹ́kọ̀ọ́ ààbò ni gbogbo wọn ń kọlu èyí nígbà gbogbo, ìkùnà náà sì gbówó lórí gan-an nítorí pé ó ń dé pẹ́.

Ìdojúkọ kejì ni pé ìpele ìlànà náà jẹ́ tìrẹ báyìí. Ìlànà Ìlò Onídùúró wa ni ó ń ṣàkóso ìlò Ẹnu-ọ̀nà Shannon AI; yíyọ ìdájọ́ olùtajà kúrò nínú ìyípo náà túmọ̀ sí pípèsè tìrẹ.

06Kí ni ẹnu-ọ̀nà náà ń fún ọ ní tòótọ́

Agbára	GLM-5.2 · 3BIT-REAP
Id àwòṣe	GLM-5.2-3BIT-REAP
Fèrèsé kọ́ńtẹ́kìsì	token 262,144
Ìtújáde gíga jù fún ìbéèrè	token 16,384
Ṣíṣàn	Bẹ́ẹ̀ ni
Ìpe ohun-èlò	Bẹ́ẹ̀ ni
Ìrònú / reasoning_effort	Bẹ́ẹ̀ ni
JSON Schema (json_schema)	Bẹ́ẹ̀ ni
response_format	Bẹ́ẹ̀ ni
Ìríran / àwòrán wọlé	Rárá — ọ̀rọ̀ nìkan
Ìpele ìkọ̀sílẹ̀ / ìṣẹ́sẹ̀ ìtújáde	Kò sí

Ka ìlà ìríran náà dáadáa kí o tó kọ́. GLM-5.2 jẹ́ ọ̀rọ̀ nìkan lórí ẹnu-ọ̀nà wa. Bí o bá nílò àwòrán wọlé, àkójọ náà ní àṣàyàn márùn-ún tí ó lè ríran — MiniMax-M3 àti MiMo-V2.5 ní ilẹ̀ $0.50 / $2.00, Kimi-K2.6 ní $0.78 / $3.67, inkling ní $1.42 / $6.07, àti Kimi-K3 ní $3.83 / $19.12. Ìlànà tí ó bọ́gbọ́n mu ni láti darí ìmọ̀ àwòrán sí MiniMax-M3 àti gbogbo ohun mìíràn sí GLM-5.2, èyí tí kò ná ohunkóhun ju okùn àwòṣe kan lọ.

Èdè mẹ́ta, àwòṣe kan

A lè dé ọ̀dọ̀ àwòṣe kan náà nípasẹ̀ ìtòlẹ́sẹẹsẹ ìbéèrè mẹ́ta, gbogbo wọn ní ṣíṣàn: /v1/chat/completions (èdè OpenAI), /v1/messages (èdè Anthropic), àti /v1/responses. Kò sí ohunkóhun nípa àwòṣe náà tí ó ń yí padà láàrin wọn — yan èyí tí SDK rẹ ti ń sọ, o sì sábà wà ní ìyípadà URL-ìpìlẹ̀ kan sí ṣíṣiṣẹ́.

# 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,
)

Àwọn schema ìbéèrè àti ìdáhùn kíkún fún gbogbo èdè mẹ́tẹ̀ẹ̀ta, ìtòlẹ́sẹẹsẹ ìpe-ohun-èlò, ìrísí ìṣẹ̀lẹ̀ ṣíṣàn, àti ibi ìdánwò aláṣepọ̀ wà nínú àkọsílẹ̀ API Shannon AI.

07Ìgbà tí o gbọ́dọ̀ yan GLM-5.2 — àti ìgbà tí o kò gbọ́dọ̀

Dé ọ̀dọ̀ rẹ̀ nígbà tí

• O ń sá àwọn aṣojú. Ìyípo ìpe-ohun-èlò gígùn ni ohun tí a kọ́ ìdílé yìí fún tí a sì tún kọ́ ọ fún léraléra, iye ìwọlé náà sì ń mú kí ìfọ̀rọ̀wérọ̀ tí ń dàgbà ṣeé fi ránṣẹ́ lẹ́ẹ̀kan sí i ní ìyípo kọ̀ọ̀kan.
• O ń ṣiṣẹ́ kọjá àpò-kóòdù ńlá kan. Kọ́ńtẹ́kìsì 262K, ìtòlẹ́sẹẹsẹ ìpe-ohun-èlò tí ó ṣeé gbẹ́kẹ̀lé, àti $0.19 láti ka gbogbo fèrèsé náà.
• Ìwọ̀n ni ààlà rẹ. Ìpínsọ́wọ̀, ìyọjáde, ìṣẹ̀dá dátà àtọ̀wọ́dá, ìtúnkọ ńlá — ohunkóhun tí ìnáwó fún ìpè kọ̀ọ̀kan ní ìlọ́po nọ́mbà ńlá ń pinnu bóyá iṣẹ́ náà ṣeé ṣe.
• Àwọn ìkọ̀sílẹ̀ ń ba pàìpù rẹ jẹ́. Ìwádìí ààbò, ìdánwò atako, ìtàn àròsọ aláìní ìhámọ́, ìkọ̀wé tí ó ní ìfarabalẹ̀ — ọ̀nà ìkùnà náà kò sí níbí.

Dé ọ̀dọ̀ ohun mìíràn nígbà tí

• O nílò ìríran. Ọ̀rọ̀ nìkan. Wo àwọn àṣàyàn tí ó lè ríran lókè.
• O nílò ìrònú ìyípo-kan tí ó jinlẹ̀ jù. Fún àwọn ìṣòro ìtúpalẹ̀ ìbọn-kan tí ó le jù, DeepSeek-V4-Pro-0813 · 3BIT-REAP ni ohun-èlò tí ó wúwo jù ní 2.2× ìnáwó àdàpọ̀ — lórí àwọn ìpè níbi tí àjà ni ààlà, ìpàṣípààrọ̀ tí ó tọ́ ni ìyẹn.
• O nílò ìdúróṣinṣin gíga jù lórí ìmọ̀ tí ó ṣọ̀wọ́n. Ìpele W8A16 — MiMo-V2.5-Pro àti Hy3 — ni a fúnpọ̀ lọ́nà tí kò lágbára tó bẹ́ẹ̀ ó sì jókòó ní ilẹ̀ $0.50 / $2.00, lórí àwọn ìpìlẹ̀ tí ó kéré sí i.

Z.ai ni ó ròyìn àwọn nọ́mbà ìdíwọ̀n GLM-5.2 (Terminal-Bench 2.1, SWE-bench Pro) fún ìpìlẹ̀ tí a kò fúnpọ̀; àtúnṣe ọ̀tọ̀ ṣì ń dúró de. A fi àwọn nọ́mbà Claude Opus 4.8 àti GPT-5.5 hàn fún ìtọ́kasí nìkan. Iye àtòjọ API GLM-5.2 ti ẹni-àkọ́kọ́ gẹ́gẹ́ bí Z.ai ṣe tẹ̀ ẹ́ jáde, September 2026.

08Àwọn ìbéèrè tí a sábà ń bèèrè

---

Àwọn orísun: Àpò-kóòdù GLM-5 ti Z.ai · 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 · Àyẹ̀wò NIST CAISI ti GLM-5.2 ti Z.ai, July 2026. Ilé-ìwádìí ni ó ròyìn àwọn àmì ìdíwọ̀n ìpìlẹ̀ wọ́n sì jẹ́ ti ìgbà díẹ̀; wọ́n ń ṣàpèjúwe GLM-5.2 tí a kò fúnpọ̀, kì í ṣe ẹ̀dà tí a fúnpọ̀ yìí. Àwọn nọ́mbà iye, kọ́ńtẹ́kìsì àti agbára jẹ́ iye àkójọ Shannon AI bí ó ti wà ní September 5, 2026.