Весело
Весело

GLM 5.1 по API

GLM-5.1 — модель Z.ai из апреля 2026 года, сделанная под долгие задачи. Z.ai пишет, что она работает над одной задачей до 8 часов без человека: планирует, пишет код, тестирует, исправляет и сдаёт результат. Контекст — 200 000 токенов, веса открыты по лицензии MIT. По API её подключают к агентам вроде Claude Code и платят в рублях за токены.

  • 148,27 ₽ / 465,97 ₽ за 1 млн токенов
  • контекст 200 тыс.
  • текст → текст

z-ai/glm-5.1

Обновлено:

Получить ключ Попробовать Документация

Попробовать GLM-5.1

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

Пример запроса: «Составь чек-лист ревью пул-реквеста для бэкенда на Go: 10 пунктов.»

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

Цены GLM-5.1 в рублях

Вход — твой запрос148,27 ₽ за 1 млн токенов
Выход — ответ модели465,97 ₽ за 1 млн токенов
Вход из кэша — повтор того же начала запроса27,54 ₽ 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.

Оптимизация с замерами после каждой правки: 40 шагов по 20 000 токенов входа и 1 500 ответаОколо 146,58 ₽
Ревью пул-реквестов по чек-листу: дифф и чек-лист на 20 000 токенов, ревью на 3 000Около 4,37 ₽
Офисные отчёты из данных: запрос с примером CSV на 1 500 токенов и скрипт на 4 000Около 2,09 ₽

Что умеет GLM-5.1

  • По описанию Z.ai, ведёт одну задачу до 8 часов: план, выполнение, тесты, исправления и сдача результата (документация).
  • Держит 200 000 токенов контекста, отвечает до 128 000 токенов.
  • SWE-Bench Pro — 58,4 против 55,1 у GLM-5, Terminal-Bench 2.0 — 63,5 против 56,2 (карточка модели).
  • По документации Z.ai вызывает функции, отвечает в JSON и кэширует контекст.
  • 754 млрд параметров, веса открыты по лицензии MIT.

Где применять

Сервис с нуля за одну долгую сессию

Самый громкий пример Z.ai — за 8 часов модель собрала с нуля рабочий стол Linux без участия человека. Повторять такое не обязательно, но приём годится: дай агенту техническое задание и тесты, которые должны пройти, и пусть работает, пока они не станут зелёными. Запускай в агенте вроде Claude Code с отдельным ключом и месячным лимитом: шагов будет много, и каждый — платный запрос.

Пример запроса: «Собери сервис коротких ссылок: API на Go, PostgreSQL, тесты и Dockerfile. Работай, пока все тесты не пройдут».

Стоимость: долгая сессия на 3 млн токенов входа и 200 000 ответа — около 538,01 ₽, повторы истории идут по цене кэша.

Оптимизация с замерами после каждой правки

Ещё два примера из документации: модель подняла пропускную способность векторной базы в 6,9 раза против первой рабочей версии, а на KernelBench Level 3 ускорила код в среднем в 3,6 раза. Секрет в цикле «правка — замер — вывод», который модель гоняет сотни раз: в одном из примеров Z.ai насчитала 655 таких циклов. Для своей задачи дай агенту функцию, скрипт замера и правило: после каждой правки запускать замер и записывать результат. Остановить можно на любом шаге — таблица замеров покажет, что сработало.

Пример запроса: «Вот функция поиска и скрипт замера. Ускорь её, после каждой правки запускай замер и записывай результат в таблицу».

Стоимость: 40 шагов по 20 000 токенов входа и 1 500 ответа — около 146,58 ₽.

Ревью пул-реквестов по чек-листу

Второй ревьюер, который не устаёт к вечеру пятницы и не стесняется придраться к мелочам. Отдай модели дифф и чек-лист команды: обработка ошибок, транзакции, логирование, тесты на граничные случаи. Модель пройдёт по каждому пункту и укажет строки, где что-то не так. Решение о слиянии остаётся за человеком, зато мелочи вроде забытого закрытия соединения есть шанс поймать раньше, чем их увидит коллега. Если чек-листа ещё нет, начни с «Попробовать» выше — там как раз запрос на такой список.

Пример запроса: «Вот дифф пул-реквеста и наш чек-лист из 10 пунктов. Пройди по каждому пункту и укажи строки, где есть проблема».

Стоимость: дифф и чек-лист на 20 000 токенов, ревью на 3 000 — около 4,37 ₽.

Офисные отчёты из данных

Презентации, документы Word, PDF и таблицы Excel Z.ai перечисляет среди сценариев GLM-5.1. По API модель отвечает текстом, поэтому просить стоит не файл, а программу, которая его соберёт: скрипт на Python с openpyxl или python-docx. Такой скрипт можно запускать каждую неделю на свежей выгрузке, не обращаясь к модели заново, а правки вроде нового столбца или другого графика просить точечно. Пример строк CSV в запросе нужен обязательно: без него модель угадывает названия столбцов.

Пример запроса: «Напиши скрипт на Python с openpyxl: из CSV продаж собери отчёт в Excel — лист по менеджерам, итоги и график по месяцам».

Стоимость: запрос с примером CSV на 1 500 токенов и скрипт на 4 000 — около 2,09 ₽.

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-5.1

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-5.1, 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-5.1",
    "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-5.1",
    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-5.1',
  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-5.1 — эта модель148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов)контекст 200 тыс.автономные задачи агента на часы: сервис с нуля, оптимизация, доведение до тестов
GLM-5.2 — Z.ai (GLM)148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов)контекст 1 млндолгие рефакторинги и разбор проекта целиком, если агент уже отлажен на 5.2
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
Kimi K2.6 — Moonshot AI (Kimi)100,61 ₽ / 423,61 ₽ (вход / выход за 1 млн токенов)контекст 262 тыс.вёрстка интерфейсов по описанию и долгие задачи на Python, Go и Rust
Kimi K2.7 Code — Moonshot AI (Kimi)100,61 ₽ / 423,61 ₽ (вход / выход за 1 млн токенов)контекст 262 тыс.программирование с рассуждениями на каждом шаге: функции, тесты, правки в проекте
Grok Code Fast 1 — xAI (Grok)21,19 ₽ / 158,86 ₽ (вход / выход за 1 млн токенов)контекст 256 тыс.агенты в Cline и Claude Code на больших объёмах: правки, тесты, поиск по проекту

Как устроен доступ

Весело — не разработчик GLM-5.1: 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

Правда ли, что GLM-5.1 работает над задачей 8 часов подряд?
Так её описывает Z.ai, с примерами в документации. На деле работу ведёт агент: он раз за разом отправляет запросы модели, а каждый запрос у нас живёт по лимитам — до 5 минут на ответ без потока. Длину самой сессии мы не ограничиваем, её ограничивают твой баланс и лимит ключа.
Зачем GLM-5.1, если контекст у GLM-5.2 больше?
Для нового проекта — незачем: у GLM-5.2 миллион токенов контекста против 200 тысяч и выше замеры, на SWE-Bench Pro — 62,1 против 58,4. Цена за токен на 16 ноября 2026 года у них одна. Оставить 5.1 стоит там, где цепочки агента настроены под неё и работают.
Как не уйти в большой расход на долгой сессии агента?
Выпусти для агента отдельный ключ и поставь ему месячный лимит в кабинете: дойдёт до лимита — запросы остановятся. Держи историю разговора в начале запроса, чтобы срабатывал кэш, и поглядывай на usage.cost_rub в ответах.
Подходит ли GLM-5.1 для обычного чата и текстов?
Z.ai называет среди её задач и разговор, и художественные тексты, и рекламу. Но для простого чата её мощность избыточна: коротким репликам хватит GLM-5.3 Flash, которая стоит дешевле.
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-5.1?
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