无审查 GLM API：每 token 最划算的那一个

大多数「谁最便宜」的比较都不诚实，因为那个便宜选项通常是一个套着大模型营销外衣的小模型。这里的情况不是这样。GLM-5.2 是任何人发布过的最大开源权重基座之一，而以输入 $0.73 / 输出 $2.34 的价格，它只比我们目录的价格地板高一档，却扛着一个体量数倍于那条地板通常能买到的东西的基座。这个落差 —— 大模型、接近地板的价格 —— 就是这一页存在的理由。

01GLM 从哪来：清华、空白填充，以及一次对智能体的急转弯

GLM 不是换了标的 Llama 衍生品。它是极少数拥有自己预训练目标、并由同一个研究组连续迭代五年的模型家族之一。这个名字代表 General Language Model（通用语言模型），奠基论文 —— GLM: General Language Model Pretraining with Autoregressive Blank Infilling，ACL 2022 —— 在 BERT 的掩码语言建模和 GPT 严格从左到右的自回归之外提出了第三条路。GLM 把连续的片段挖空，再以打乱的顺序自回归地把它们重新生成出来，并用二维位置编码同时追踪一个 token 在被破坏文档中的位置，以及它在正被填充的片段内部的位置：一个架构把理解和生成同样处理得很好。

背后的团队是清华大学知识工程实验室，它孵化出的公司如今叫 Z.ai（此前是智谱 AI）。它第一个引人注目的成果是 2022 年 10 月的 GLM-130B —— 一个 1,300 亿参数的中英双语稠密模型，权重和代码在发表时就公开放出。从那以后，开放发布就成了这家的家风。

MoE 时代，以及向智能体的转向

比任何单次发布更重要的是这条主线。自 GLM-4.5 起，每一个版本都在为同一件事做优化：在几十次工具调用之间保持连贯。这和把单轮基准分数最大化是不同的目标，它体现为更少的畸形工具参数、长计划中更少的漂移，以及更少出现「第 14 轮时信心满满地把任务从头再来一遍」——正是这种行为让智能体框架变得昂贵。

02GLM-5.2 是什么，它被测出了什么成绩

Z.ai 在 GLM-5 仓库里公布了 GLM-5.2 的基准数据。其中两项对应的是真实的智能体工作，而不是冷知识记忆：

Terminal-Bench 2.1 —— 长时程命令行智能体任务。由 Z.ai 报告。

SWE-bench Pro —— 真实代码仓库上的问题修复。由 Z.ai 报告；GLM-5.1 在同一测试上得 58.4。

这些是那个实验室的数字，不是我们的，而且它们描述的是未压缩的基座。它们确立的是你面对的是哪一类模型，而不是一份质保书。

有一个数据点比基准分数更值钱，因为它来自一个没有动机去恭维这个模型的评估方。2026 年 7 月，美国国家标准与技术研究院下属的 AI 标准与创新中心评估了 GLM-5.2，结论是它大概是发布时可获得的能力最强的开源权重 AI 模型，整体能力可与 GPT-5.2 相比，网络安全相关能力可与 Claude Opus 4.6 相比。同一份评估还观察到，GLM-5.2 拦截的敏感请求比美国的参照模型更少，而且一旦这些权重被自行部署，烧进开放权重里的防护措施是可以被绕过的。第 05 节会回到这一点。

03「3BIT-REAP」是什么意思，它让你付出什么代价

REAP：剪掉专家，而不是合并它们

一个 744B 参数的 MoE 模型每层有 256 个专家，任意一个 token 上只有 8 个被点亮。路由器并不会把工作均匀铺开 —— 有些专家被反复命中，而很长一条尾巴很少被命中、命中时贡献也很小。REAP（路由加权专家激活剪枝）来自 Cerebras Research，已被 ICLR 2026 接收，它利用的正是这一点：用一个显著性判据给每个专家打分，把路由器给它的门控有多强、多频繁和它输出贡献的幅度结合起来，然后把低分者永久删除。

有意思的是 REAP 赢下的那场比较。删掉一个专家最显而易见的替代方案是把它合并进一个幸存者，这听上去更安全。这篇论文在 20B 到 1T 参数的一系列 MoE 模型上的发现是：对生成式工作而言，合并其实更差，而剪枝的表现出奇地稳：在 Qwen3-Coder-480B 和 Kimi-K2 等基座上，即使删掉一半专家，代码生成和工具调用基准仍然接近无损。代码和工具调用能完好幸存，正是你希望在一个存在意义就是智能体工程的模型上被保住的东西。

3 比特权重，以及那笔老实的取舍

在剪枝之上，幸存下来的权重以 3 比特存储 —— 比我们目录里别处的 W4A16-AUTOROUND-REAP 和 W8A16 档更激进，只留给最大的那些基座，因为在那里没有别的办法把一个近四分之三万亿参数的模型塞进一个服务节点，同时让 token 以可用的速率流出来。

压缩不是免费的。正确的心智模型是：剪枝和量化最先侵蚀的是长尾。稠密的、被频繁调用的行为 —— 指令遵循、代码结构、工具调用格式、多步规划 —— 保存得很好，这恰恰就是 REAP 的结果所显示的。冷僻的事实性记忆、稀有语言和小众领域的琐碎知识，才是你应当预期与未压缩 GLM-5.2 存在差距的地方。如果你的工作负载是「把一个不常见的事实记得死死的」，那就为更高保真的一档付钱。如果是「让一个计划跨四十次工具调用而不脱轨」，这一档正是这套方法当初设计出来要服务的。

04性价比这笔账：一个便宜的无审查大模型 API 究竟要花多少

Z.ai 自己为 GLM-5.2 公布的 API 标价是每 100 万输入 token $1.40、每 100 万输出 $4.40。我们在同一基座上的价格是 $0.73 / $2.34 —— 输入大约低 48%，输出低 47%。这份折扣正是压缩换来的，而且它还附带另一样你在第一方那里出多少钱都买不到的东西：没有拒答层。

在我们自己的目录里，混合成本才是那个要紧的数字。下面按 3:1 的输入输出比列出，这大致就是一个工具调用智能体在实际中的样子 —— 大量上下文和工具结果进去，出来的 token 相对少。

模型	输入 / 100 万	输出 / 100 万	3:1 混合价	视觉
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	无
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	无
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	有
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	无
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	有
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	有

有六个模型停在 $0.50 / $2.00 的地板上 —— MiniMax-M3、DeepSeek-V4-Flash、Laguna-S-2.1、MiMo-V2.5、MiMo-V2.5-Pro 和 Hy3 —— 混合价 $0.875。GLM-5.2 比那条地板高 29%，换来的是一个 744B 级别、背后有持续智能体行为投入的基座。所有定价在它之上的模型混合价至少贵 23%，而 Kimi-K3 贵 6.8 倍。性价比的论证就浓缩在这一行里：目录中买到一个顶级智能体基座最便宜的地方。

换算成实际工作

• 填满一次完整上下文 —— 262,144 个输入 token：$0.19。用不到二十美分把一整个大型代码仓库读进窗口。
• 一次最大长度的补全 —— 16,384 个输出 token：$0.038。
• 一个智能体回合 —— 输入 20K，输出 2K：$0.019。同样一个回合在 Kimi-K3 上要 $0.115，在 DeepSeek-V4-Pro 上要 $0.047。
• 一百个智能体回合：$1.93，相比之下目录里最贵的模型要 $11.48。

智能体工作负载是输入密集的，而 GLM 的优势恰恰在那里最大：它的输入价格比 Kimi-K3 低 5.2 倍，比 DeepSeek-V4-Pro 低 2.7 倍。如果你的智能体每一轮都要把一段不断变长的对话重新发一次 —— 几乎每个智能体都这么干 —— 那个倍数最终就会出现在你的账单上。

05在这个接口上，「无审查」意味着什么

准确地说是两件事：没有拒答层 —— 没有分类器去决定模型被允许看到哪些请求，也没有策略模型在你的提示词抵达之前重写它 —— 以及没有输出过滤，意思是模型产出的 token 就是你收到的 token，不打码、不替换。

这和一个商业 API 宣传自己有「宽松」或「开发者」模式是两回事。那些流量仍然要穿过厂商的策略栈；变的是阈值，而不是那道闸门存不存在。这里没有闸门可调 —— 模型跑在我们自己的 GPU 集群上，它的行为就是基座的行为。把第 02 节里 NIST CAISI 的结论当作一句技术陈述而不是一句警告来读，它正好解释了这个产品：一个对齐住在自己权重里的模型，在没有外部策略层的情况下提供服务，就会按它的权重行事。

为什么这对智能体尤其重要

拒答通常被当成一个内容问题来讨论。在智能体工作里，它主要是一个可靠性问题。一次 40 轮运行的第 31 轮被拒答，不是一句你读完就翻过去的礼貌回绝 —— 它是一个畸形的步骤、一个不知道该怎么往下走的编排器、一个破掉的计划，以及 30 轮白烧的 token 却什么都没换来。安全研究、恶意软件分析、渗透测试、红队、成人向虚构写作、医疗与法律文书起草，以及为安全训练生成数据集，都会不断撞上这个问题，而它之所以昂贵，恰恰是因为它总是很晚才发作。

另一面是，策略层现在归你了。使用 Shannon AI 网关受我们的负责任使用政策约束；把厂商的判断从回路里拿掉，意味着你得自己补上判断。

06这个接口实际给你什么

能力	GLM-5.2 · 3BIT-REAP
模型 id	GLM-5.2-3BIT-REAP
上下文窗口	262,144 tokens
单次请求最大输出	16,384 tokens
流式输出	支持
工具调用	支持
推理 / reasoning_effort	支持
JSON Schema（json_schema）	支持
response_format	支持
视觉 / 图像输入	不支持 —— 纯文本
拒答层 / 输出过滤	没有

动手前请仔细读视觉那一行。在我们的网关上，GLM-5.2 是纯文本的。如果你需要图像输入，目录里有五个具备视觉能力的选项 —— 位于 $0.50 / $2.00 地板价的 MiniMax-M3 和 MiMo-V2.5、$0.78 / $3.67 的 Kimi-K2.6、$1.42 / $6.07 的 inkling，以及 $3.83 / $19.12 的 Kimi-K3。一个明智的做法是把图像理解路由给 MiniMax-M3，其余全部交给 GLM-5.2，这除了改一个模型字符串之外不花任何成本。

三种方言，一个模型

同一个模型可以通过三种请求格式访问，全都支持流式：/v1/chat/completions（OpenAI 方言）、/v1/messages（Anthropic 方言）和 /v1/responses。模型本身在它们之间没有任何变化 —— 挑你的 SDK 已经会说的那一种，通常改一个 base URL 就能跑起来。

# 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,
)

三种方言的完整请求与响应结构、工具调用格式、流式事件形状，以及一个交互式试玩台，都在 Shannon AI API 文档里。

07什么时候该选 GLM-5.2 —— 什么时候不该

下列情况就用它

• 你在跑智能体。长工具调用循环正是这条血统被构建、并被反复做后训练所针对的东西，而它的输入价格让每一轮都重发一段不断变长的对话变得负担得起。
• 你在一个大型代码库上工作。262K 上下文、可靠的工具调用格式，以及 $0.19 读完整个窗口。
• 规模是你的约束。分类、抽取、合成数据生成、批量改写 —— 凡是单次调用成本乘以一个大数就决定项目可不可行的场合。
• 拒答正在把你的流水线搞坏。安全研究、对抗测试、无审查虚构写作、敏感文书起草 —— 这种失败模式在这里不存在。

下列情况请另选

• 你需要视觉。纯文本。请看上面那些具备视觉能力的选项。
• 你需要最深的单轮推理。面对最难的一次性分析问题，DeepSeek-V4-Pro-0813 · 3BIT-REAP 是更重的那把家伙，混合成本为 2.2 倍 —— 在天花板才是约束的那些调用上，这笔交换是对的。
• 你需要在冷僻知识上有最高保真度。W8A16 这一档 —— MiMo-V2.5-Pro 和 Hy3 —— 压缩程度轻得多，并且停在 $0.50 / $2.00 的地板上，只是基座更小。

GLM-5.2 的基准数字（Terminal-Bench 2.1、SWE-bench Pro）由 Z.ai 针对未压缩基座报告；独立复现尚未完成。Claude Opus 4.8 和 GPT-5.5 的数字仅供参照。第一方 GLM-5.2 API 标价为 Z.ai 于 2026 年 9 月公布的价格。

08常见问题

---

来源：Z.ai GLM-5 仓库 · Du 等，GLM: General Language Model Pretraining with Autoregressive Blank Infilling，ACL 2022 · Zeng 等，GLM-130B: An Open Bilingual Pre-trained Model · Lasby 等，REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression，ICLR 2026 · NIST CAISI 对 Z.ai GLM-5.2 的评估，2026 年 7 月。基座的基准分数由实验室报告且为暂定值；它们描述的是未压缩的 GLM-5.2，而不是这个压缩构建。价格、上下文和能力数字为 Shannon AI 截至 2026 年 9 月 5 日的目录值。