Весело
Весело

GLM 5 по API

GLM-5 — модель Z.ai, с которой в феврале 2026 года началась линейка GLM-5. Её делали для «агентной инженерии»: долгого планирования, рефакторинга бэкенда, глубокой отладки. Веса открыты по лицензии MIT, контекст — 200 000 токенов. Это старшая модель прошлой волны: новее неё 5.1, 5.2 и 5.3, но для многих рабочих задач её хватает с запасом.

  • 105,91 ₽ / 338,89 ₽ за 1 млн токенов
  • контекст 200 тыс.
  • текст → текст

z-ai/glm-5

Обновлено:

Получить ключ Попробовать Документация

Попробовать GLM-5

Отправь вопрос — модель ответит текстом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Пример запроса: «Сравни два подхода к кэшированию страниц интернет-магазина: на уровне CDN и в приложении. Плюсы и минусы.»

В ответ приходит текст в choices[0].message.content и цена ответа в usage.cost_rub.

Цены GLM-5 в рублях

Вход — твой запрос105,91 ₽ за 1 млн токенов
Выход — ответ модели338,89 ₽ за 1 млн токенов
Вход из кэша — повтор того же начала запроса21,19 ₽ за 1 млн токенов

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Рефакторинг бэкенда без смены API: код сервиса на 100 000 токенов и план с первыми правками на 20 000Около 17,37 ₽
Глубокая отладка плавающих ошибок: 50 000 токенов кода и логов, ответ на 8 000Около 8,01 ₽
Сценарии и раскадровки роликов: запрос и раскадровка на 3 000 токеновОколо 1,07 ₽
Данные из писем и заявок: 1 000 писем по 500 токенов и ответы по 100Около 86,85 ₽
Проверка карточек товаров: 50 карточек на 40 000 токенов и отчёт на 4 000Около 5,60 ₽

Что умеет GLM-5

  • Держит 200 000 токенов контекста и пишет до 128 000 токенов ответа (документация Z.ai).
  • Устроена как смесь экспертов: 744 млрд параметров, из них на каждый токен работают 40 млрд (карточка модели).
  • Первой в семье GLM получила разреженное внимание DeepSeek Sparse Attention: по словам Z.ai, длинные тексты модель читает без потерь, а запуск обходится дешевле.
  • Рассуждает перед ответом, вызывает функции и, по документации Z.ai, умеет структурированный ответ в JSON.
  • По замерам Z.ai: SWE-bench Verified — 77,8, Terminal Bench 2.0 — 56,2, τ²-Bench — 89,7.

Где применять

Рефакторинг бэкенда без смены API

В обзоре моделей Z.ai пишет про GLM-5 коротко: долгое планирование и выполнение, рефакторинг бэкенда, глубокая отладка. Типичный случай — сервис разросся, а внешний API трогать нельзя, на нём сидят клиенты. Отдай модели код сервиса и тесты, попроси разбить его на модули, сохранив контракт. В 200 тысяч токенов помещается средний сервис целиком. Правки проси частями, по модулю, и после каждой гоняй тесты.

Пример запроса: «Раздели сервис заказов на модули: оплата, доставка, уведомления. Внешний API не меняй, тесты должны остаться зелёными».

Стоимость: код сервиса на 100 000 токенов и план с первыми правками на 20 000 — около 17,37 ₽.

Глубокая отладка плавающих ошибок

Тест, который падает раз в десять запусков, отнимает больше времени, чем десяток понятных багов. Обычно виновата гонка, порядок событий или общее состояние между тестами. Дай модели тест, код, который он проверяет, и пару логов неудачных запусков, и попроси перебрать варианты по шагам с объяснением, почему виноват именно этот. Проси способ воспроизвести ошибку стабильно: исправление без воспроизведения легко принять за удачу.

Пример запроса: «Тест падает примерно раз в десять запусков. Вот тест, код очереди и два лога падений. Найди гонку».

Стоимость: 50 000 токенов кода и логов, ответ на 8 000 — около 8,01 ₽.

Сценарии и раскадровки роликов

Сценарии и раскадровки Z.ai называет среди задач GLM-5, и нам эта задача близка: ролики мы снимаем каждый день. Модель распишет по сценам, что в кадре, как движется камера, какой текст на экране и сколько длится каждая сцена. С такой раскадровкой проще и снимать, и объяснять задачу подрядчику. А сцены можно сразу снять видеонейросетью в Студии: описание каждой сцены уже готово.

Пример запроса: «Напиши раскадровку 30-секундного ролика для кофейни: 6 сцен, что в кадре, движение камеры и текст на экране».

Стоимость: запрос и раскадровка на 3 000 токенов — около 1,07 ₽.

Данные из писем и заявок

Ещё одна задача из списка Z.ai — достать данные из текста. Сотни писем в поддержку, заявки с сайта, комментарии к заказам: модель находит номер заказа, дату, телефон, суть просьбы и раскладывает по полям. Ответ проси строго в JSON по заданной схеме, тогда его можно сразу писать в базу или таблицу. Первую сотню писем проверь глазами: так станет видно, какие поля модель путает и что уточнить в запросе.

Пример запроса: «Достань из письма номер заказа, дату покупки и суть жалобы. Ответ — JSON с полями order, date, issue».

Стоимость: 1 000 писем по 500 токенов и ответы по 100 — около 86,85 ₽.

Проверка карточек товаров

Проверку качества информации Z.ai выделяет в отдельный сценарий, и на маркетплейсе он встречается постоянно. В карточке не указан размер, состав в тексте спорит с полем «материал», цена в описании не совпадает с ценой в поле. Отдай модели выгрузку карточек пачками по 50 и попроси список проблем с номером карточки и полем. Каталог на тысячу товаров укладывается в двадцать таких запросов.

Пример запроса: «Проверь 50 карточек: где не указан размер, где состав противоречит описанию, где цена в тексте не совпадает с полем цены».

Стоимость: 50 карточек на 40 000 токенов и отчёт на 4 000 — около 5,60 ₽.

Тренажёр для операторов поддержки

Ролевые диалоги — тоже из списка задач GLM-5. Модель играет клиента, которому опоздала посылка, задержали возврат или списали деньги дважды, а новичок в поддержке отвечает ей, как отвечал бы живому человеку. После разговора та же модель оценивает ответы по твоему чек-листу: есть ли приветствие, предложено ли решение, нет ли спора с клиентом. Разбор проси отдельным запросом, чтобы роль клиента не смешивалась с ролью проверяющего.

Пример запроса: «Сыграй недовольного клиента: посылка опоздала на неделю. После десяти реплик оцени ответы оператора по чек-листу».

Стоимость: диалог на десять реплик — около 15 000 токенов входа и 3 000 ответа — около 2,61 ₽.

Характеристики

РазработчикZ.ai (GLM)
ВидТекст
Контекст200 000 токенов
Ответдо 128 000 токенов
Вход → выходтекст → текст
Умеетвызывать функции (tools), отвечать строго в JSON, рассуждать перед ответом
id для запросаz-ai/glm-5

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/chat/completions с полем model: z-ai/glm-5, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-ai/glm-5",
    "messages": [{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}]
  }'

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ")

r = client.chat.completions.create(
    model="z-ai/glm-5",
    messages=[{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}],
)
print(r.choices[0].message.content)

JavaScript

import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ' });

const r = await client.chat.completions.create({
  model: 'z-ai/glm-5',
  messages: [{ role: 'user', content: 'Привет! Объясни в двух предложениях, что такое API.' }],
});
console.log(r.choices[0].message.content);

Пример ответа — только поля

{
  "id": "chatcmpl-…",
  "model": "…",
  "choices": [{ "message": { "role": "assistant", "content": "…" } }],
  "usage": { "prompt_tokens": …, "completion_tokens": …, "cost_rub": … }
}

В программах: OpenAI SDK, Cursor и n8n — по адресу и ключу, Claude Code — через формат Anthropic, Claude и ChatGPT — через MCP. Библиотеки и программы · Claude Code · MCP

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
GLM-5 — эта модель105,91 ₽ / 338,89 ₽ (вход / выход за 1 млн токенов)контекст 200 тыс.рефакторинг бэкенда, отладка и разбор текстов, когда флагман избыточен
GLM-5 Turbo — Z.ai (GLM)127,09 ₽ / 423,61 ₽ (вход / выход за 1 млн токенов)контекст 200 тыс.агенты с длинными цепочками инструментов и задачи по расписанию
GLM-5.3 — Z.ai (GLM)148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов)контекст 1 млндолгие задачи кода, агенты в Claude Code, разбор большого репозитория целиком
GLM-5.1 — Z.ai (GLM)148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов)контекст 200 тыс.автономные задачи агента на часы: сервис с нуля, оптимизация, доведение до тестов
DeepSeek V4 Pro — DeepSeek184,27 ₽ / 368,54 ₽ (вход / выход за 1 млн токенов)контекст 1 млнсложный код, проектирование систем и вопросы, где нужны знания модели
Qwen3.5 397B-A17B — Qwen (Alibaba)63,55 ₽ / 381,25 ₽ (вход / выход за 1 млн токенов)контекст 262 тыс.объяснения, рассуждения и ответы на многих языках от крупной открытой модели
  • GLM-5 Turbo — для агентов с длинными цепочками инструментов и задачами по расписанию.
  • GLM-5.3 — когда нужен миллион токенов контекста и самый новый код от Z.ai.
  • GLM-5.1 — для задач, которые агент ведёт часами без участия человека.
  • DeepSeek V4 Pro — флагман DeepSeek: второе мнение по архитектуре от другого вендора.

Версии и отличия

  • GLM-5 Turbo — март 2026 года, та же волна, но заточена под длинные цепочки агента и задачи по расписанию.
  • GLM-5.1 — апрель 2026 года: по словам Z.ai, работает над одной задачей до 8 часов.
  • GLM-5.2 — июнь 2026 года, первая в линейке с контекстом в миллион токенов.
  • GLM-5.3 — август 2026 года, нынешний флагман Z.ai.
  • GLM-4.7 — прошлое поколение, декабрь 2025 года.

Подробно о GLM-5

Техническому отчёту о GLM-5 Z.ai дала заголовок «от вайб-кодинга к агентной инженерии», и это хорошо описывает замысел. Модель должна не просто дописывать функцию по подсказке, а планировать работу на много шагов, выполнять её и исправлять себя по ходу.

По сравнению с прошлым поколением выросло почти всё. У GLM-4.5 было 355 млрд параметров и 32 млрд активных, у GLM-5 — 744 млрд и 40 млрд. Данных на предобучении стало 28,5 трлн токенов вместо 23 трлн. Впервые в семье появилось разреженное внимание DeepSeek Sparse Attention, а дообучение с подкреплением шло на новой асинхронной системе Z.ai под названием slime.

Замеры в карточке модели Z.ai публикует подробно: кроме кода, там поиск в интернете — BrowseComp, 62,0 — и работа с инструментами: MCP-Atlas, 67,8. Важная оговорка про поиск: эти баллы получены с инструментами браузера. По нашему API модель в интернет не ходит, тексты для неё собирает твоя программа.

Агентные замеры Z.ai гоняла и в Claude Code: на Terminal-Bench 2.0 там вышло 56,2, а на проверенной версии набора — 61,1. Подключить GLM-5 к Claude Code можно и у нас, через вход /v1/messages, — пошагово это описано в разделе про Claude Code. В переменной CLAUDE_CODE_MAX_CONTEXT_TOKENS укажи контекст модели, 200 000, иначе программа начнёт сжимать разговор не вовремя.

Веса GLM-5 открыты по лицензии MIT, модель запускают через vLLM, SGLang, KTransformers и Transformers, есть сжатые версии для llama.cpp, Ollama и LM Studio. Но 744 млрд параметров — это несколько мощных видеокарт даже в сжатом виде. По API ничего ставить не нужно, платишь за потраченные токены. Официально GLM-5 говорит на двух языках: английском и китайском.

Как устроен доступ

Весело — не разработчик GLM-5: модель выпускает Z.ai (GLM). Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

«GLM 5» — это одна модель или вся линейка?
И то и другое. GLM-5 — конкретная модель февраля 2026 года, но так часто называют и всю линейку: 5 Turbo, 5.1, 5.2 и 5.3. Чем они различаются, — в разделе «Версии и отличия» выше, у каждой есть своя страница.
Чем GLM-5 отличается от GLM-5.3, кроме цены?
Контекст у GLM-5 — 200 тысяч токенов против миллиона, модель на полгода старше, и по замерам Z.ai в коде 5.3 сильнее. На 16 ноября 2026 года вход и ответ у GLM-5 стоят меньше, чем у 5.3, — точные цены в таблицах на страницах обеих моделей.
GLM-5 лежит в открытом доступе — зачем тогда API?
Веса и правда лежат на Hugging Face под лицензией MIT. Но модели такого размера нужен сервер с несколькими мощными видеокартами, а ещё время на настройку и обслуживание. Если задача — просто получать ответы, по API выходит проще: платишь только за токены.
Хватит ли GLM-5 контекста в 200 тысяч токенов?
Для одного сервиса, договора с приложениями или пачки писем — обычно да. Если нужно держать в голове монорепозиторий или переписку за год, бери GLM-5.2 или GLM-5.3 с миллионом токенов.
Ищет ли GLM-5 информацию в интернете?
Сама по себе нет. Баллы BrowseComp Z.ai получила с инструментами браузера, а по нашему API модель видит только то, что пришло в запросе. Поиск можно подключить своей функцией в tools: модель попросит вызвать её, твоя программа найдёт и вернёт результат.
Что такое токены и как их считать?
Токен — кусочек текста: часть слова, слово или знак. Платишь за токены запроса и ответа, сколько ушло — в поле usage ответа; как считается цена, написано в разделе документации «Цены и списания».
Нужны ли VPN и зарубежная карта для GLM-5?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Что будет, если запрос закончится ошибкой?
Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: docs.z.ai, huggingface.co