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 запрос | 148,27 ₽ за 1 млн токенов |
|---|---|
| Выход — ответ модели | 465,97 ₽ за 1 млн токенов |
| Вход из кэша — повтор того же начала запроса | 27,54 ₽ 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 ответа | Около 146,58 ₽ |
|---|---|
| Ревью пул-реквестов по чек-листу: дифф и чек-лист на 20 000 токенов, ревью на 3 000 | Около 4,37 ₽ |
| Офисные отчёты из данных: запрос с примером CSV на 1 500 токенов и скрипт на 4 000 | Около 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
| Разработчик | Z.ai (GLM) |
|---|---|
| Вид | Текст |
| Контекст | 200 000 токенов |
| Ответ | до 128 000 токенов |
| Вход → выход | текст → текст |
| Умеет | вызывать функции (tools), отвечать строго в JSON, рассуждать перед ответом |
| id для запроса | z-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
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| GLM-5.1 — эта модель | 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 |
| GLM-5.2 — Z.ai (GLM) | 148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | долгие 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 млн | долгие 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_rubв 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