ChatGLM, GLM-4.5 и GLM-5.2 от Zhipu AI (z.ai) в 2026: китайский конкурент DeepSeek

Автор: Silvana · Дата: 02.08.2026 · Verified: 01.09.2026 · Reading time: 11 минут · Prerequisite: 002, 011

Zhipu AI (латиница — z.ai, чат-интерфейс — 智谱清言) — китайский AI-стартап и spin-out из Tsinghua University, конкурент DeepSeek и Moonshot Kimi. Актуальный флагман — GLM-5.2 (1M контекста, 128k на выход, $1.4/$4.4 за 1M токенов через API z.ai). Живая open-source ветка — GLM-4.5 под MIT ($0.6/$2.2, 355B MoE), экономный GLM-4.5-Air ($0.2/$1.1) и GLM-4.5-Flash без оплаты в API для прототипов. В линейке также CogVideoX-3 (видео), CogAgent (GUI-агент), GLM-OCR и GLM-ASR (речь). Веса — на HuggingFace zai-org/GLM-4.5, доступ из РФ — только через посредника или карту дружественной юрисдикции.

Кратко

Zhipu AI (智谱, латиница — Zhipu) — китайский AI-стартап, spin-out из Tsinghua University. Известен на международном рынке как z.ai, чат-интерфейс называется 智谱清言 (Zhipu Qingyan) на chatglm.cn для Китая и chat.z.ai для остального мира.
Актуальная флагманская линейка на 02.08.2026 — GLM-5.2. Плюс живая ветка GLM-4.5 (открытые веса под MIT), GLM-4.5V (мультимодальная), GLM-4.5-Flash (бесплатная в API) и специализированные CogVideoX-3 (видео), CogAgent (GUI-агент), GLM-OCR, GLM-ASR (речь).
GLM-5.2 — 1M токенов контекста, 128k токенов на выход, $1.4/$4.4 за миллион input/output токенов через API z.ai. Позиционируется как «сильнейшая coding-модель» Zhipu.
GLM-4.5 — $0.6/$2.2 за 1M, MoE 355B параметров с 32B активными, 128k контекст. Открытые веса на HuggingFace zai-org/GLM-4.5.
GLM-4.5-Air — $0.2/$1.1 за 1M, MoE 106B с 12B активными. Экономный «рабочий» вариант.
GLM-4.5-Flash — бесплатная в API. Для прототипов, тестов, low-volume задач.
Open-source статус: MIT-лицензия на GLM-4.5 family. CogVideoX-2B тоже Apache-2.0. Крупные версии (CogVideoX-5B, CogAgent-9B) — под отдельной proprietary Model License.
RU-доступ: прямой платёж российской картой не проходит ни на open.bigmodel.cn, ни на z.ai. Работает USDT через посредников или карта дружественной юрисдикции. Open-source веса можно скачивать без ограничений и запускать локально.

Что это и зачем

В китайской AI-волне 2026 года три главных имени: DeepSeek (сильные reasoning-модели, R1/V4), Moonshot Kimi K2 (длинный контекст) и Zhipu AI (GLM). Это три разных школы, три разных подхода к архитектуре и три разных бизнес-модели.

Zhipu — самый академический из тройки. Компания выросла из лаборатории KEG (Knowledge Engineering Group) в Tsinghua University в Пекине, ключевые исследователи одновременно ведут PhD-курсы и публикуют в NeurIPS/ICLR. Отсюда особенности продуктовой линейки: серия GLM исторически двуязычная (китайский + английский, русский подтягивается через мультиязычный корпус), сильные vision-language модели (CogVLM, GLM-4.5V), собственные бенчмарки для агентов (AgentBench), open-source по умолчанию.

Для российского пользователя это интересно по двум причинам. Первая — веса открыты по MIT, значит можно запускать на своей машине или на VPS без облачного API. Вторая — API z.ai поддерживает OpenAI-совместимый интерфейс, значит миграция с GPT-5.6 → GLM-5.2 или обратно занимает 30 минут: меняете base_url и model в SDK, остальной код не трогается.

Мысленный образ: DeepSeek — про «reasoning на пределе за копейки», Moonshot — про «залил Илиаду в контекст», Zhipu — про «универсальная китайская платформа, где рядом стоит текст, vision, видео и GUI-агент». Универсальность — не всегда плюс: специализированные конкуренты обгоняют на своих узких сценариях. Но если у вас продукт с 4-5 разными типами задач и вы не хотите гонять их через 4-5 разных вендоров — Zhipu удобен.

Основной разбор

История: от GLM-130B до GLM-5.2

2019 — команда KEG в Tsinghua публикует GLM (General Language Model) — базовую архитектуру, где предобучение сочетает autoregressive и masked language modeling.
2022 — открывается GLM-130B (130 миллиардов параметров, двуязычная модель, ранняя альтернатива LLaMA до её появления).
2023 — выходит ChatGLM-6B, лёгкая instruction-tuned версия для локального запуска. Быстро становится популярной в Азии для локальных чат-ботов на 24GB GPU.
2024, июнь — GLM-4-9B серия (9B базовая, 128k и 1M контекст), первая мультимодальная GLM-4V-9B.
2024, декабрь — CogAgent-9B-20241220, GUI-агент на базе GLM-4V.
2025, апрель — GLM-4-32B-0414 серия (базовая, chat, Z1 reasoning, Z1-Rumination) — переход на 32B dense-модели и первые reasoning-варианты.
2025, июль — GLM-4.1V-9B-Thinking, vision-модель с thinking-режимом.
2026, конец Q1 — Q2 — линейка GLM-4.5 (MoE, 355B/32B и 106B/12B Air), затем итерации GLM-4.6 и GLM-4.7 с расширением контекста до 200k и interleaved thinking.
2026, июль — флагман GLM-5.2 с 1M контекста и позиционированием «сильнейшая coding-модель».

По ходу вышли специализированные семейства:

CogVideoX — text-to-video и image-to-video, актуальная CogVideoX-3 через API + open-source CogVideoX1.5-5B.
CogVLM / CogVLM2 — vision-language backbone для CogAgent.
GLM-OCR (1B) — специализированная OCR-модель, 3.67M скачиваний на HF.
GLM-ASR — распознавание речи.
CodeGeeX4 — кодогенерация.

Компания привлекла раунды от Alibaba, Tencent и китайских госфондов, оценка на конец 2025 года превышала $3 млрд. На международном рынке позиционируется через бренд z.ai и домен chat.z.ai (для рынков вне Китая), чтобы отделить продукт от chatglm.cn с китайскими требованиями по регистрации.

GLM-5.2 (флагман)

Актуальная топовая модель Zhipu на 02.08.2026. Позиционируется как coding-first: акцент на длинные инженерные задачи, работа с проектом на десятки файлов, стабильность на многочасовых цепочках рассуждения.

Verified specs из docs.z.ai/guides/llm/glm-5.2 и docs.z.ai/guides/overview/pricing (проверено 02.08.2026):

Параметр	Значение
Model ID	`glm-5.2`
Контекст	1 000 000 токенов
Максимум выхода	128 000 токенов
Reasoning	`reasoning_effort` (multiple levels, включая `max`)
Цена input	$1.40 за 1M токенов
Cached input	$0.26 за 1M токенов
Цена output	$4.40 за 1M токенов
Модальности вход	Текст
Модальности выход	Текст
Endpoints	Chat Completions (OpenAI-compat), Responses
Features	Streaming, function calling, context caching, MCP integration, structured JSON output

Бенчмарки, которые Zhipu указывает в docs как «свои» (проверять на своей задаче): Terminal-Bench 2.1 — 81.0 (против 62.0 у предшественника), SWE-bench Pro — 62.1 (против 58.4). Указаны также FrontierSWE, PostTrainBench, SWE-Marathon без детальных цифр.

Когда брать GLM-5.2:

Долгий проект на 20+ файлов, где важна связность рассуждения по всему коду.
Разбор больших договоров, юридических документов, где контекст 200-500k токенов.
Инженерные агенты, которые запускают код, читают результат, итеративно правят.

Когда переплата не оправдана: короткие однократные ответы, простая генерация текста, классификация. Возьмите GLM-4.5-Air или GLM-4.5-Flash.

GLM-4.5 (открытая ветка)

Семейство GLM-4.5 — это то, что Zhipu вывела в open-source по MIT-лицензии (github.com/zai-org/GLM-4.5). Именно эту ветку скачивают чаще всего для локального запуска и она же лежит в основе платного API.

Архитектура — MoE (Mixture of Experts). Общее число параметров большое, но на каждый токен активны только эксперты в фиксированном количестве. Это позволяет держать «умного» флагмана в разумных требованиях по железу.

Verified specs из docs.z.ai/guides/llm/glm-4.5 и docs.z.ai/guides/overview/pricing:

Модель	Параметры (total/active)	Контекст	Max output	Input $/1M	Output $/1M
GLM-4.5	355B / 32B	128 000	96 000	$0.60	$2.20
GLM-4.5-Air	106B / 12B	128 000	96 000	$0.20	$1.10
GLM-4.5-Flash	~9B (не раскрыто)	128 000	96 000	Бесплатно	Бесплатно
GLM-4.5V (vision)	106B / 12B	не раскрыт	16 000	$0.60	$1.80
GLM-4.5-X	скорость	128 000	96 000	по прайсу	по прайсу

Все модели GLM-4.5 поддерживают hybrid reasoning: параметр thinking.type включает «глубокий» режим для сложных задач или «быстрый» для интерактивных сценариев. Это архитектурная особенность семейства — не отдельная reasoning-модель, а переключатель на той же модели.

Бенчмарки в документации: GLM-4.5 — 63.2 балла среднего по 12 индустриальным бенчмаркам (по формулировке Zhipu — «третье место среди proprietary и open-source»). GLM-4.5-Air — 59.8, что docs сравнивают с Gemini 2.5 Flash в reasoning.

Когда брать GLM-4.5:

Flash (бесплатно) — прототипы, тесты, low-volume side-проекты, обучение.
Air — дефолтная рабочая модель для контента и типовых задач, дешевле GPT-5.6 Luna по input ($0.2 vs $0.2 одинаково, но по output $1.1 против $1.2 — почти паритет).
GLM-4.5 — задачи, где нужна максимальная связность рассуждения, но 1M-контекст GLM-5.2 избыточен.
GLM-4.5V — распознавание документов, парсинг чеков, анализ скриншотов, GUI-задачи.

GLM-4.5V (vision) и другие мультимодальные

GLM-4.5V (docs.z.ai/guides/vlm/glm-4.5v) — vision-language модель на MoE (106B/12B). SOTA среди open-source VLM на 42 публичных бенчмарках по формулировке Zhipu.

Ключевые фичи:

Grounding — модель возвращает bounding-box координаты найденных объектов на изображении. Полезно для quality-control, security, товарной модерации.
Video understanding — parses long video для извлечения таймлайна событий.
Thinking mode — тот же переключатель, что и на текстовых GLM-4.5.
Multi-page document parsing — суммаризация PDF со схемами, извлечение таблиц.

GLM-4.1V-9B-Thinking (huggingface.co/zai-org/GLM-4.1V-9B-Thinking) — облегчённая vision-модель на 9-10B с thinking-режимом, 400k скачиваний, MIT. Хороший вариант для self-hosting.

GLM-OCR (1B) — узкая OCR-модель. Компактная, 3.67M скачиваний.

GLM-ASR-Nano-2512 — модель распознавания речи (2B).

CogVideoX-3 (генерация видео)

Актуальная видео-модель Zhipu через API. Verified specs из docs.z.ai/guides/video/cogvideox-3:

Параметр	Значение
Model ID	`cogvideox-3`
Цена	$0.20 за видео (независимо от длины/разрешения)
Форматы	Text-to-video, image-to-video, start-to-end frame transition
Разрешение	до 4K (3840×2160)
Частота кадров	30 или 60 fps
Аудио	Опционально
Режимы	`quality` (качество) и `speed` (скорость)

Открытая версия — CogVideoX1.5-5B (github.com/zai-org/CogVideo), Apache-2.0 для 2B, proprietary Model License для 5B. Требования: от 4-10 GB VRAM с оптимизациями (diffusers BF16/FP16), 5-10 сек длины видео на инференс. Realtime не получается — генерация одного 6-секундного клипа на консьюмерской карте занимает минуты.

Практическая точка: $0.20 за видео — это уровень Kling или Runway ML, но с MIT-совместимым open-source бэкапом. Полезно, когда бизнесу нужна юридически чистая опция «переехать на self-hosting, если поставщик умрёт».

CogAgent (GUI-агент)

CogAgent-9B-20241220 (github.com/zai-org/CogAgent) — специализированная модель для управления GUI. Читает скриншот, возвращает координаты клика или команду (CLICK, TYPE, SCROLL_DOWN, RIGHT_CLICK).

Base: GLM-4V-9B (двуязычный vision-language).
Параметры: 9B.
Языки: китайский + английский.
Платформы: Windows, macOS, Android (по описанию репозитория).
Требования: 29 GB VRAM в BF16 на A100/H100, 15 GB в INT8, 8 GB в INT4.
Лицензия: код Apache 2.0, веса — отдельный Model License.

Полезно тем, кто строит RPA / автоматизацию рутинных офисных задач без Windows API. Модель видит экран как картинку, выдаёт «нажми сюда». По формулировке репозитория обгоняет Qwen2-VL, ShowUI, SeeClick на GUI-бенчмарках.

Веб-чат: chatglm.cn vs chat.z.ai

Два разных интерфейса:

chatglm.cn — китайский рынок, интерфейс 智谱清言 (Zhipu Qingyan). Требует регистрацию по номеру телефона (обычно только КНР), китайские требования по реальной верификации имени.
chat.z.ai — международный интерфейс. Позиционируется как «Advanced AI Chatbot & Agent powered by GLM-5.2» (по формулировке лендинга).

Что на chat.z.ai работает без китайского телефона:

Регистрация по email или через Google.
GLM-5.2 как основной чат.
GLM-4.5V для загрузки изображений.
Функция «Agent» с встроенным веб-поиском.
CogVideoX-3 для видео (обычно с квотой).

Из РФ chat.z.ai открывается напрямую без ограничений (по крайней мере на дату проверки). Регистрация по email проходит.

API через z.ai

Base URL: https://api.z.ai/api/paas/v4/chat/completions — OpenAI-совместимый endpoint.

Регистрация:

z.ai/manage-apikey/apikey-list — создание ключа после login.
Пополнение баланса на billing-странице.
Использование ключа как OpenAI-совместимого (замена base_url в SDK).

SDK: Official Python и Java от Zhipu. Плюс любой OpenAI SDK работает как-есть — достаточно поменять base_url и api_key.

Пример вызова (Python, OpenAI SDK):

from openai import OpenAI

client = OpenAI(
    api_key="ваш_ключ_zhipu",
    base_url="https://api.z.ai/api/paas/v4"
)

response = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "Придумай слоган для карточки Wildberries"}]
)

Из РФ API-endpoint доступен напрямую без прокси (на дату проверки 02.08.2026). Оплата — открытый вопрос: карты РФ не проходят на billing-странице. Работает USDT через посредника или карта дружественной юрисдикции.

Open-source: локальный запуск

Если платить не хочется совсем, вы можете запустить GLM-4.5-Air или GLM-4.5-Flash локально.

Основные пути:

HuggingFace — zai-org/GLM-4.5, zai-org/GLM-4.5-Air, zai-org/GLM-4.5V, zai-org/GLM-4.1V-9B-Thinking. Веса под MIT.
Ollama — есть образ glm4 (5.5 GB, 9B параметров, 128k контекст, 1.2M скачиваний). Более крупные GLM-4.5-Air и GLM-4.5 в Ollama на момент проверки не в основной библиотеке, но GGUF от community есть.
vLLM — рекомендованный сервер для production. Поддерживает GLM-4.5 из коробки.
SGLang — альтернативный high-throughput сервер, поддерживает GLM-4.5V.

Требования по железу (ориентировочно, для BF16):

GLM-4.5-Flash / 9B — 24 GB VRAM (одна RTX 4090, A5000).
GLM-4.5-Air (106B/12B) — 200+ GB VRAM в BF16, 100-120 GB в FP8, 50-60 GB в INT4 (можно на 2×A100 80GB или 4×RTX 4090 с оптимизацией).
GLM-4.5 (355B/32B) — 700+ GB VRAM в BF16, реалистично только на 8×H100.
CogVideoX-5B — 10 GB VRAM (BF16 с оптимизацией через diffusers).
CogAgent-9B — 29 GB VRAM (BF16), 8 GB (INT4).

Для «пощупать локально» — CogVideoX-2B и GLM-4.5-Flash проходят на одной консьюмерской карте. Air и старший GLM-4.5 требуют серверного железа.

RU-специфика доступа

Что работает на 02.08.2026:

Веб-чат chat.z.ai — доступен из РФ напрямую, регистрация по email работает.
API z.ai — endpoint доступен напрямую. Оплата российской картой не проходит. Работает через посредников (USDT, карта дружественной юрисдикции).
Локальный запуск open-source весов — веса скачиваются с HuggingFace или ModelScope. Ни санкций, ни requiredения регистрации.
Российские посредники API — часть SaaS-агрегаторов, которые обещают доступ к OpenAI/Claude, часто добавляют и GLM в список поддерживаемых моделей.

Практический сетап для агента в РФ:

Прототип на GLM-4.5-Flash (бесплатно) через chat.z.ai или напрямую в API.
Продакшн — либо через посредника с рублёвой оплатой, либо на self-hosted инстансе GLM-4.5-Air на своём VPS с A100.

Практика (5 сценариев)

Сценарий 1. Двуязычный чат-бот для российского продавца на Aliexpress / Temu. Задача: отвечать клиентам на китайском и русском одинаково хорошо. Возьмите GLM-4.5-Air. Zhipu тренирует двуязычную (CN+EN) базовую линию сильнее западных вендоров. На русском работает через мультиязычный корпус — приемлемо, лучше проверить на своей задаче. Стоимость: 500 сообщений/день × 400 токенов input + 300 output = $0.03 + $0.13 = $0.16/день, ~$5 в месяц.

Сценарий 2. Генерация видео-презентаций товара. Задача: 50 коротких промо-роликов по 6 секунд для маркетплейса. Возьмите CogVideoX-3 через API. 50 × $0.20 = $10 за все ролики. Альтернатива Kling / Runway обычно дороже + сложнее с оплатой из РФ.

Сценарий 3. RPA-агент для рутинных задач в браузере. Задача: заполнять типовые формы поставщикам, парсить страницы личных кабинетов. Возьмите CogAgent-9B локально на VPS с A100 (в INT8 требуется 15 GB VRAM, что помещается на A5000 24 GB). Экономия — нет API-стоимости за миллионы вызовов. Плюс — специализация на GUI, а не универсальная модель.

Сценарий 4. Разбор длинных договоров с китайскими поставщиками. Задача: 20-30 страниц юридического текста на упрощённом китайском + анализ пунктов. Возьмите GLM-5.2 с reasoning=max. Контекст 1M токенов держит несколько договоров сразу. 30k input + 5k output = $0.04 + $0.02 = $0.06 за разбор.

Сценарий 5. Free-tier для прототипа стартапа. Задача: собрать MVP AI-агента без бюджета на API. Возьмите GLM-4.5-Flash через API z.ai — бесплатно. Плюс GLM-4.6V-Flash тоже бесплатна для vision. Ограничения — обычно rate limits, но для проверки идеи достаточно. Когда MVP пошёл в рост — переезд на GLM-4.5-Air или GLM-5.2 меняется одной строкой в конфиге.

Сравнение: GLM vs Qwen vs DeepSeek

Три главные китайские школы. Verified позиционирование по документации каждого вендора и открытым бенчмаркам:

Параметр	GLM-5.2 (Zhipu)	Qwen 3 (Alibaba)	DeepSeek V4 / R1
Флагман контекст	1 000 000	128 000 (~1M в спец-версиях)	128 000
Флагман input $/1M	$1.40	~$0.30-3.00 (варьируется)	$0.14-0.55 (V4)
Флагман output $/1M	$4.40	~$1.20-15.00	$0.28-2.19 (V4)
Free tier в API	GLM-4.5-Flash бесплатно	Ограниченная free-квота	Нет полноценного free
Open-source флагман	GLM-4.5 (MIT)	Qwen3 (Apache 2.0)	DeepSeek V3/R1 (MIT)
Специализация	Vision + video + agent (широкая)	Универсал + сильный код	Reasoning-first + код
Двуязычность	CN + EN (плюс через corpus)	CN + EN (плюс широкая мультиязычность)	CN + EN
Vision	GLM-4.5V (SOTA среди open)	Qwen-VL / VL-Max	Нет топовой vision
Video generation	CogVideoX-3	Нет продакшн-видео	Нет
GUI-агент	CogAgent (спец-модель)	Через general Qwen-VL	Нет
Локальный запуск	Отличная поддержка (vLLM, SGLang, Ollama)	Отличная	Хорошая, но большие модели

Кто в чём силён:

Zhipu / GLM — универсальная «швейцарская» платформа: текст + vision + видео + GUI-агент под одним аккаунтом. Хорошо, если продукт делает 3-4 разных типа задач.
Alibaba / Qwen — сильные text-модели, лучшая мультиязычная поддержка среди тройки (десятки языков включая русский), самая широкая линейка размеров (от 0.5B до 235B).
DeepSeek — топовое соотношение цена/качество на reasoning-задачах. Флагман R1 обгоняет GLM-5.2 и Qwen 3 в чисто-логических бенчмарках, при этом стоит в разы дешевле. Слабое место — нет мультимодальности, нет видео, нет GUI-агента.

Практическое правило: если у вас чисто-текстовый reasoning-продукт и вопрос стоит только про цену — DeepSeek. Если нужна связка «текст + картинки + видео + иногда GUI» — Zhipu / GLM. Если нужна лучшая поддержка русского языка среди open-source китайских моделей — Qwen.

FAQ

Zhipu AI — это то же самое что z.ai? Да. Zhipu AI (智谱) — юридическое название компании и китайский бренд. z.ai — международный бренд и домен для рынков вне Китая. Модели и API идентичные, отличается только интерфейс (chat.z.ai vs chatglm.cn) и часть требований по регистрации.

GLM — это что-то одно или семейство? Семейство. Изначально GLM (General Language Model) — базовая архитектура из 2019 года. Сейчас под этим брендом идут GLM-5.2 (флагман), GLM-4.5 (open-source линейка), GLM-4.5V (vision), CogVideoX (видео, отдельный бренд Cog внутри Zhipu), CogAgent (GUI), CogVLM (vision-language backbone), GLM-OCR, GLM-ASR. Плюс базовые модели GLM-130B, ChatGLM-6B из истории.

Почему у Zhipu столько разных продуктов? Это одна модель под разными названиями? Нет, это разные модели. Zhipu исторически строит специализированные семейства: язык (GLM), vision-language (CogVLM), видео (CogVideoX), OCR (GLM-OCR), речь (GLM-ASR), GUI-агент (CogAgent). Каждое семейство имеет свой backbone и своё обучение. Это плюс для широких кейсов и минус для узких — специализированные конкуренты (Kling для видео, PaddleOCR для OCR) часто обгоняют в своей нише.

GLM-5.2 или GLM-4.5 — что выбрать? GLM-5.2 — если нужен 1M контекста или максимальное качество на длинных coding-задачах. GLM-4.5 — если контекст 128k хватает и хочется дешевле в пару раз. GLM-4.5-Air — если задача типовая и объём большой. GLM-4.5-Flash — бесплатно для прототипов и низких нагрузок.

Open-source веса GLM-4.5 — правда MIT? Да, по формулировке github.com/zai-org/GLM-4.5 веса под MIT. Это разрешает коммерческое использование, модификацию, secondary development. Тем не менее CogVideoX-5B и CogAgent-9B идут под отдельной proprietary Model License — не под MIT. Всегда сверяйтесь с LICENSE в конкретном репо перед коммерческим запуском.

Можно ли платить российской картой на open.bigmodel.cn или z.ai? На дату проверки 02.08.2026 — нет. Российские карты не проходят на billing-странице z.ai и open.bigmodel.cn. Работающие пути: USDT через посредника, карта дружественной юрисдикции, российские SaaS-агрегаторы AI-API.

Насколько хорошо GLM работает с русским языком? Приемлемо для генеральных задач (переводы, суммаризация, простой чат), но заметно слабее чем на китайском и английском. Zhipu тренирует Bi-lingual модели (CN+EN), русский подтягивается через общий мультиязычный корпус. Если продукт русскоязычный — Qwen 3 из китайских моделей обычно даёт лучший русский. Всегда проверяйте на своих реальных запросах.

GLM-4.5-Flash действительно бесплатна навсегда? На дату проверки — да, полностью бесплатна ($0/$0 за 1M токенов). Zhipu называет это «promotional period» без даты окончания. Ограничения — обычно rate limits per key. Для продакшн-стабильности не полагайтесь на free-tier: держите fallback на платную модель или self-hosted инстанс.

Что такое reasoning_effort в GLM-5.2 и thinking.type в GLM-4.5? Оба параметра переключают модель в режим «глубокого рассуждения». В GLM-5.2 reasoning_effort имеет несколько уровней (в docs упоминается max), в GLM-4.5 thinking.type включает или выключает thinking-режим. Влияет на цену и latency: с thinking модель дороже и медленнее, но точнее на сложных задачах.

Как отличить настоящий репо THUDM от zai-org? Оба — Zhipu. Исторически THUDM (Tsinghua University Data Mining) — академическая ветка, zai-org — коммерческая. Сейчас основные модели GLM-4.5 и GLM-5.2 живут на zai-org на HuggingFace (huggingface.co/zai-org) и в github.com/zai-org/*. THUDM оставляет за собой академические проекты и старые модели (GLM-130B, старые ChatGLM-6B). Если нужны актуальные веса — идите на zai-org.

CogAgent сработает как замена OpenAI Operator? Частично. CogAgent — GUI-агент, читает скриншот и возвращает действия (клик, ввод). Как «оператор» может закрывать typical office-задачи: заполнять формы, скроллить, нажимать кнопки. По сравнению с OpenAI Computer Use или Anthropic Claude Computer Use — сопоставим по механике, обычно уступает в общей intelligence (потому что 9B vs топовые reasoning-модели). Плюс — можно запускать локально, минус — 29 GB VRAM в BF16.

Что дальше

Артикул 041 — «DeepSeek V4 и R1: китайский reasoning-флагман».
Артикул 042 — «Qwen 3 от Alibaba: самая мультиязычная китайская линейка».
Артикул 043 — «Kimi K2 от Moonshot: длинный контекст и агенты».
Артикул 044 — «Как выбрать китайскую AI-модель под задачу: сравнение большой китайской пятёрки».
Артикул 002 — базовое введение в LLM и токены.
Артикул 011 — «Big-3 против китайской волны: Claude / GPT / Gemini vs GLM / Qwen / DeepSeek».

Sources

Все ссылки проверены 02.08.2026. Основные источники — официальная документация z.ai и open-source репозитории zai-org / THUDM.

Z.AI Documentation Overview — quickstart, base URL, SDK, регистрация. Проверено 02.08.2026.
Z.AI Pricing — сводная таблица цен для GLM-5.2, GLM-5.1, GLM-4.5, GLM-4.5-Air, GLM-4.5-Flash, GLM-4.5V, CogVideoX-3. Проверено 02.08.2026.
GLM-5.2 model docs — контекст 1M, coding-бенчмарки, reasoning_effort. Проверено 02.08.2026.
GLM-4.5 family docs — 5 вариантов, MoE, 128k контекст, hybrid reasoning. Проверено 02.08.2026.
GLM-4.5V vision docs — grounding, video, thinking mode, 42 бенчмарка SOTA. Проверено 02.08.2026.
CogVideoX-3 video docs — $0.2 per video, 4K, 30/60 fps. Проверено 02.08.2026.
zai-org на HuggingFace — модели GLM-5.2, GLM-4.5, GLM-4.5V, GLM-OCR, GLM-ASR, downloads, likes. Проверено 02.08.2026.
github.com/zai-org/GLM-4.5 — MIT license, model variants, MoE architecture, benchmark scores. Проверено 02.08.2026.
github.com/zai-org/CogVideo — CogVideoX1.5-5B, лицензии, VRAM requirements. Проверено 02.08.2026.
github.com/zai-org/CogAgent — CogAgent-9B-20241220, GUI action space, requirements. Проверено 02.08.2026.
github.com/THUDM — академические репозитории Tsinghua (GLM, AgentBench, slime). Проверено 02.08.2026.
chat.z.ai — международный чат-интерфейс, powered by GLM-5.2. Проверено 02.08.2026.
chatglm.cn — китайский интерфейс Zhipu Qingyan. Проверено 02.08.2026.
Ollama library: glm4 — 9B, 128k контекст, 1.2M downloads. Проверено 02.08.2026.

Актуальность

Актуально на 02.08.2026. Модели, цены и условия доступа меняются часто. Перед бизнес-решением всегда сверяйся с первоисточником — все ссылки в разделе Sources выше. Zhipu активно выпускает новые версии GLM (только за 2026 год вышли 4.5, 4.6, 4.7, 5, 5.1, 5.2 — темп примерно раз в квартал), поэтому список моделей и прайс могут заметно измениться уже через 2-3 месяца. RU-специфика (посредники, оплата, доступность endpoint) — сверяйся отдельно перед оплатой. Open-source веса на HuggingFace остаются доступны независимо от статуса API.