Z.AI (GLM): полное руководство по моделям, цене и доступу в России
Андрей из LLMost
· 9 мин чтения
Короткий ответ: Z.AI (ранее Zhipu AI) — китайская ИИ-лаборатория, выросшая из университета Цинхуа, и семья её моделей GLM. Главное дифференциатор GLM — архитектура авторегрессивного заполнения пробелов (ABI), которая объединяет понимание и генерацию в одном трансформере, плюс флагманы с контекстным окном в 1 миллион токенов (GLM-5.2, GLM-5.3) и открытые веса под лицензией MIT. Ниже — разбор всей линейки, сравнение с конкурентами, матрица выбора под задачу и способы использовать модели из России.
Что такое GLM и в чём архитектурное превосходство
Семейство General Language Model (GLM) разрабатывается Z.ai на базе многолетних исследований университета Цинхуа. Фундамент экосистемы — метод предобучения «авторегрессивное заполнение пробелов» (Autoregressive Blank Infilling, ABI), заложенный ещё в первую модель GLM-1.
Вместо классического подхода GPT (предсказание следующего токена) или BERT (восстановление случайных токенов), GLM получает на вход текст, из которого вырезаны и заменены на маркер [MASK] непрерывные фрагменты (spans). Текст с маркерами — Часть A, а вырезанные фрагменты, перемешанные в случайном порядке — Часть B. Задача модели — авторегрессивно восстановить фрагменты из Части B, имея доступ ко всей Части A и уже восстановленным фрагментам.
Две ключевые инновации делают это возможным:
- Двумерная позиционная кодировка. Каждому токену присваивается два идентификатора: позиция в исходном тексте (Часть A) и позиция внутри восстанавливаемого спана (Часть B). Это позволяет восстанавливать фрагменты переменной длины без заранее известной общей длины.
- Шаффлинг спанов. Порядок фрагментов перемешивается случайным образом перед восстановлением, заставляя модель находить связи между удалёнными частями текста — полезно для длинных диалогов и документов.
Практические преимущества для разработчика:
- Универсальность. Одна модель справляется и с NLU (классификация, суммаризация), и с NLG (генерация, перевод, диалоги) — достаточно менять длину спанов при предобучении.
- Единый режим предобучения и дообучения. Модель всегда работает в авторегрессивном режиме, поэтому дообучение на диалогах или классификации проходит естественно.
- Открытые веса. Начиная с GLM-4.5 флагманы распространяются под MIT — можно скачивать, модифицировать и разворачивать локально через vLLM, SGLang или Transformers.
Вся линейка Z.AI в каталоге LLMost
В каталоге LLMost представлены модели Z.AI (GLM). Цены ниже — актуальные для каталога, в рублях за 1 млн токенов (с учётом наценки каталога; базовая цена в скобках в долларах).
| Модель | Специализация | Контекст (токены) | Вход, ₽/1M | Выход, ₽/1M |
|---|---|---|---|---|
| GLM-5.3 | Флагман, рассуждения, код | 1 048 576 | 280 ₽ | 880 ₽ |
| GLM-5.3-Prime | Скоростная версия GLM-5.3 (в 1,5–2× больше токенов/сек) | 1 000 000 | 560 ₽ | 1760 ₽ |
| GLM-5.2 | Флагман для долгосрочных задач | 1 048 576 | 280 ₽ | 880 ₽ |
| GLM-5.3-Flash | Мультимодальная, текст+изображения+видео | 1 310 720 | 15 ₽ | 50 ₽ |
| GLM-5.3-FlashX | Быстрая версия Flash (до 200 токенов/сек) | 1 048 576 | 74 ₽ | 250 ₽ |
Алиасы ~z-ai/glm-latest и ~z-ai/glm-flash-latest всегда направляют на самую актуальную модель из соответствующей семьи — удобно, чтобы не менять имя модели в коде при выходе новой версии.
Цены актуальны на момент публикации; свежие значения — всегда в каталоге моделей LLMost.
Как читать модели и зачем нужны режимы мышления
Серия GLM-5.3-Flash и GLM-5.3-FlashX поддерживают режимы мышления — глубину рассуждений можно настраивать (low/high/max), чтобы контролировать задержку и стоимость.
Открытые веса под MIT означают, что флагманы вроде GLM-5.2 можно развернуть на собственном оборудовании — правда, для этого потребуется многокартовая станция с GPU класса H100/H200.
Сравнение с конкурентами: Qwen, DeepSeek, Llama
GLM занимает уникальную нишу: рекордный контекст, сильные агентные способности, лучшее понимание китайского языка и открытые веса. Но у каждого конкурента свои сильные стороны.
| Характеристика | GLM-5.2 (Z.ai) | Qwen3.8 Flash (Alibaba) | DeepSeek V4 Pro (DeepSeek) | Llama 4 Maverick (Meta) |
|---|---|---|---|---|
| Контекст (макс.) | 1 048 576 | 1 000 000 | 1 048 576 | 1 000 000 |
| Лицензия | MIT | Apache 2.0 | Custom | Llama 4 Community |
| Кодинг (SWE-bench) | 62.1% (Pro) | — | 55.4% (Pro) | — |
| Поддержка русского | Хорошая | Очень сильная | Хорошая | Очень сильная |
| Цена ввод (₽/M) | 280 ₽ | 30 ₽ | 87 ₽ | 38 ₽ |
| Цена вывод (₽/M) | 880 ₽ | 94 ₽ | 174 ₽ | 131 ₽ |
GLM против Qwen. Qwen чаще сильнее на общих англоязычных бенчмарках (MMLU, HumanEval), но GLM лидирует в понимании китайского языка (C-Eval). Qwen имеет более полный медиастек (картинки Qwen-Image, видео Wan, голос), у GLM — мультимодальные модели GLM-5.3-Flash и GLM-5.3-FlashX с поддержкой изображений и видео.
GLM против DeepSeek. DeepSeek исторически лидирует в кодинге и математике (HumanEval 78.6% у V3 против 67.3% у GLM-4 32B) и позиционируется как самая дешёвая модель на рынке. GLM выигрывает контекстом (1M токенов с проверенной практикой) и агентными задачами (Terminal-Bench 2.1 81.0%, FrontierSWE 74.4%).
GLM против Llama. Llama 4 — сбалансированная модель с огромной экосистемой и сильным русским языком, но Llama 4 Scout с заявленными 10 млн токенов контекста — больше заявка, чем проверенная практика. GLM-5.2 с 1M токенами более предсказуем для промышленных задач.
Матрица выбора: какую модель GLM брать под задачу
| Задача | Рекомендуемая модель | Обоснование |
|---|---|---|
| Анализ огромных кодовых баз (>100k строк), агентная разработка ПО | GLM-5.2 / GLM-5.3 | Максимальный контекст (1M токенов), топовые результаты на SWE-bench Pro, FrontierSWE, Terminal-Bench 2.1 |
| Бюджетные RAG-системы, чат-боты, рутина | GLM-5.3-Flash | Самая недорогая модель в линейке — 15 ₽ вход / 50 ₽ выход за 1M токенов, мультимодальная |
| Агентные системы, работа с инструментами | GLM-5.3-Flash | Оптимизирована для вызова инструментов, низкая задержка, режимы мышления |
| Картинки и видео, визуальный поиск, анализ графиков | GLM-5.3-Flash | Принимает текст, изображения и видео, отвечает текстом |
| Высокочастотные задачи на русском | GLM-5.3-FlashX | Скорость до 200 токенов в секунду, доступная цена |
| Быстрая генерация текста, суммаризация (до 200k токенов) | GLM-5.3-FlashX | Высокая скорость вывода, доступная цена, мультимодальная |
| Максимальная скорость вывода | GLM-5.3-Prime | В 1,5–2× больше токенов в секунду, чем базовый GLM-5.3 |
Пример 1: помощник для разработчика. IDE-плагин, который анализирует весь проект и предлагает исправления — берите GLM-5.2. Контекст 1M токенов позволяет видеть всю кодовую базу за раз, а высокая производительность на SWE-bench гарантирует качество на реальных задачах.
Пример 2: автоматизация документации. Создание презентаций и отчётов из базы знаний — GLM-5.3-Flash. Дешёвая мультимодальная модель, контекста свыше 1 млн токенов хватает на длинные документы.
Пример 3: визуальный ассистент. Фото товара → распознавание → веб-поиск → корзина — GLM-5.3-Flash. Нативное взаимодействие с изображениями, низкая цена снижает порог входа.
Важное ограничение: контекст — это не гарантия качества
Заявленные 1 миллион токенов — это только максимальная ёмкость, а не обещание высокого точного извлечения на всём протяжении. Качество рассуждений деградирует по мере роста контекста, модели «теряются в середине». Для критически важных задач на длинных последовательностях используйте RAG — извлекайте релевантную информацию вместо того чтобы скормить модель весь массив данных.
Доступ в России и оплата
Прямой доступ к API Z.AI из России ограничен: российские карты Visa/Mastercard часто не проходят 3-D Secure, которое требует Z.AI. Самый удобный путь — использовать те же модели через LLMost: OpenAI-совместимый API на https://llmost.ru/api/v1, оплата в рублях по факту использования, без VPN и зарубежных карт.
Варианты:
- LLMost API. Подключайтесь как к обычному OpenAI-совместимому провайдеру: Base URL
https://llmost.ru/api/v1, ключllmost_...— вся линейка GLM доступна в каталоге моделей. - Самостоятельное развертывание (open weights). Флагманы под лицензией MIT можно скачать на Hugging Face или ModelScope и развернуть локально через vLLM, SGLang или Transformers — полный контроль над данными, но нужны мощные GPU.
Запросы к API Z.AI обрабатываются на серверах в Китае — учитывайте это при работе с чувствительными данными и требованиях к юрисдикции (GDPR и т.д.).
Мифы о GLM
- «GLM — слабая, потому что китайская». Нет: по независимым рейтингам открытые модели GLM идут вровень с закрытыми флагманами США. Реальные оговорки — данные в КНР и цензура некоторых тем.
- «Открытые веса хуже закрытых». Наоборот: открытость даёт контроль и локальный запуск, качество флагманских GLM не уступает проприетарным.
- «1M токенов контекста = качество на всём протяжении». Это только ёмкость. Точность падает на длинных контекстах — добавляйте RAG для критических задач.
- «GLM не понимает русский». Поддержка есть и растёт, хотя на уровне нативных моделей (Llama, Qwen) для русского языка она пока не всегда доходит.
Частые вопросы
Z.AI работает в России без VPN?
Прямой доступ к api.z.ai из РФ ограничен, но модели GLM доступны без VPN через LLMost — OpenAI-совместимый API с оплатой в рублях по факту использования.
Z.AI бесплатный?
Бесплатных моделей GLM в каталоге LLMost нет — все модели платные по факту использования токенов. Актуальные цены в рублях — в каталоге моделей LLMost. Новым пользователям LLMost начисляются бесплатные кредиты, чтобы попробовать любую модель из каталога.
Чем GLM-5.2 отличается от GLM-5.3?
GLM-5.3 — результат дополнительного пост-дообучения GLM-5.2 с той же базовой архитектурой и контекстом 1M токенов. Лидирует в рейтинге Artificial Analysis Intelligence Index среди моделей с открытыми весами.
Можно ли запустить GLM у себя?
Да, флагманы под лицензией MIT (GLM-4.5, GLM-5.2 и др.) можно скачать на Hugging Face или ModelScope и развернуть через vLLM, SGLang или Transformers. Требуются серверные GPU.
GLM или DeepSeek?
Для кодирования и самой низкой цены — DeepSeek. Для огромного контекста, агентных задач и понимания китайского — GLM. Для русского языка и сбалансированного качества — Llama или Qwen.
Итог
З.AI (GLM) — мощный и гибкий инструмент для разработчика: рекордный контекст в 1 миллион токенов, открытые веса под MIT, сильные агентные способности и конкурентоспособные цены. Ключ к успеху — вдумчивый выбор модели под задачу: не всегда нужен флагман GLM-5.3, часто достаточно GLM-5.3-Flash или GLM-5.3-FlashX. Все модели линейки доступны в каталоге LLMost с оплатой в рублях и без VPN, а новичкам начисляются бесплатные кредиты — достаточно, чтобы сравнить GLM с конкуренцией на своей реальной задаче.