---
title: "GLM 5.2 по API"
description: "Модель Z.ai для долгих задач в коде: контекст 1 млн токенов, несколько уровней рассуждений, открытые веса по лицензии MIT. От 148,27 ₽ за 1 млн токенов."
url: https://veselo.ai/models/z-ai/glm-5.2
updated: 2026-11-16T15:09:12.644Z
---

# GLM 5.2 по API

GLM-5.2 — модель Z.ai, вышедшая в июне 2026 года с подзаголовком «для долгих задач»: большие рефакторинги, разбор проекта целиком, отладка мобильных приложений. Это первая модель линейки GLM-5 с контекстом в 1 000 000 токенов, а её основу Z.ai потом взяла для GLM-5.3. Веса открыты по лицензии MIT, по API платишь в рублях за токены.

- **148,27 ₽ / 465,97 ₽ за 1 млн токенов**
- контекст 1 млн
- текст → текст

`z-ai/glm-5.2`

Обновлено: 16 ноября 2026 г.

[Получить ключ](https://veselo.ai/developer) Попробовать [Документация](https://veselo.ai/docs/chat)

## Попробовать GLM-5.2

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

**Пример запроса:** Разбей задачу «сделать выгрузку заказов в Excel» на подзадачи для джуна с оценкой в часах.

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

## Цены GLM-5.2 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](https://veselo.ai/docs/pricing)

### Сколько стоят типичные задачи

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

| Отладка Android-приложения по logcat: лог и код на 40 000 токенов, ответ на 5 000 | Около 8,27 ₽ |
| --- | --- |
| Код по научной статье: текст статьи на 30 000 токенов и код на 15 000 | Около 11,44 ₽ |
| Правила команды в каждом файле: гайд и модуль на 60 000 токенов, ответ на 12 000 | Около 14,49 ₽ |
| Ролик из кода на Remotion: запрос и код компонента на 8 000 токенов | Около 3,88 ₽ |
| Перенос проекта между фреймворками: проект на 120 000 токенов и план с первыми файлами на 25 000 | Около 29,45 ₽ |

## Что умеет GLM-5.2

- Держит до 1 000 000 токенов контекста и пишет ответ до 128 000 токенов. Z.ai называет свой миллион токенов контекстом «без потерь» ([документация](https://docs.z.ai/guides/llm/glm-5.2)).
- Рассуждает с разной глубиной: у модели несколько уровней, их задаёт `reasoning_effort`.
- По документации Z.ai вызывает функции, отвечает в JSON и кэширует длинные разговоры.
- На SWE-bench Pro, по замерам Z.ai, — 62,1 против 58,4 у GLM-5.1, на DeepSWE — 46,2 против 18 ([карточка модели](https://huggingface.co/zai-org/GLM-5.2)).
- Один индексатор разреженного внимания обслуживает сразу четыре слоя. На контексте в миллион токенов это даёт в 2,9 раза меньше вычислений на каждый токен.
- Веса открыты по лицензии MIT.

## Где применять

### Отладка Android-приложения по logcat

Отладку на телефоне — Android, ADB, logcat — Z.ai прямо называет среди задач GLM-5.2. По API модель телефона не видит, зато прочитает лог падения вместе с кодом экрана и скажет, где искать причину. Попроси заодно команды adb, чтобы воспроизвести сбой на своём устройстве, и список того, что проверить в манифесте. В агенте вроде Claude Code эти команды можно запускать прямо из терминала — с твоего разрешения.

**Пример запроса:** «Вот logcat после падения при повороте экрана и код фрагмента. Найди причину и дай команды adb, чтобы воспроизвести».

**Стоимость:** лог и код на 40 000 токенов, ответ на 5 000 — около 8,27 ₽.

### Код по научной статье

Ещё одна задача из списка Z.ai — воспроизвести исследование на PyTorch. Отдаёшь модели текст раздела с описанием метода, формулы и таблицу с параметрами, а получаешь реализацию и короткую проверку на случайных данных. PDF по API не передаётся, поэтому текст статьи сначала достань и вставь в сообщение. Формулы в коде сверь с оригиналом построчно: одна перепутанная размерность тихо ломает обучение, и заметно это становится далеко не сразу.

**Пример запроса:** «Вот раздел 3 статьи с описанием модели. Реализуй её на PyTorch и добавь короткий тест на случайных данных».

**Стоимость:** текст статьи на 30 000 токенов и код на 15 000 — около 11,44 ₽.

### Правила команды в каждом файле

У каждой команды свои правила: как называть функции, где лежат типы, что запрещено линтером. Z.ai отдельно пишет, что GLM-5.2 держится стандартов боевой разработки. Положи гайд, настройки линтера и пример эталонного модуля в системное сообщение, а модуль на переделку — следом. Системное сообщение от запроса к запросу не меняется, поэтому повторы пойдут по цене кэша, 27,54 ₽. В ответе проси список нарушенных пунктов: так проще проверить работу.

**Пример запроса:** «Вот наш гайд по коду и модуль оплаты. Перепиши модуль по гайду и перечисли, какие пункты нарушались».

**Стоимость:** гайд и модуль на 60 000 токенов, ответ на 12 000 — около 14,49 ₽.

### Ролик из кода на Remotion

Remotion собирает видео из компонентов React, и Z.ai показывает, как GLM-5.2 пишет такие ролики по описанию. Подходит для заставок, анимированной инфографики, титров к подкасту — всего, что состоит из текста, фигур и графиков. Модель пишет компонент, ты запускаешь сборку у себя и получаешь файл. Если нужен ролик с людьми, сценой и движением камеры, это уже работа видеонейросети — такие снимают в [Студии](https://veselo.ai/studio).

**Пример запроса:** «Сделай на Remotion заставку на 15 секунд: логотип выезжает слева, потом название и слоган, фон — плавный градиент».

**Стоимость:** запрос и код компонента на 8 000 токенов — около 3,88 ₽.

### Перенос проекта между фреймворками

Перевод мини-приложений между фреймворками Z.ai тоже приводит как пример долгой задачи. Принцип годится для любой миграции: с Vue 2 на Vue 3, с классовых компонентов React на хуки, с самописного роутера на готовый. Контекст в миллион токенов вмещает проект целиком, и модели видны все места, где используется переносимый кусок. Проси сначала план по файлам, потом код по одному файлу — так ревью идёт частями и ошибку видно сразу.

**Пример запроса:** «Перенеси этот раздел с Vue 2 на Vue 3 и Composition API. Сначала план по файлам, потом код по одному файлу».

**Стоимость:** проект на 120 000 токенов и план с первыми файлами на 25 000 — около 29,45 ₽.

### Браузерная мини-игра

Мини-игры тоже есть в списке задач Z.ai, и это самый весёлый пункт. Игра в одном HTML-файле подойдёт для промостраницы, розыгрыша или открытки коллегам: поймать подарки, собрать пары, пройти лабиринт. Попроси обойтись без картинок и звуков, только фигуры и цвет, — так файл заработает сразу, без поиска ресурсов. Потом проси правки по одной: скорость, счёт, экран проигрыша, а под конец — версию для телефона с касаниями вместо стрелок.

**Пример запроса:** «Сделай браузерную игру в одном HTML-файле: ловить падающие подарки корзиной, 30 секунд, счёт и кнопка „Ещё раз“».

**Стоимость:** короткий запрос и игра на 10 000 токенов — около 4,75 ₽.

## Характеристики

| Разработчик | Z.ai (GLM) |
| --- | --- |
| Вид | Текст |
| Контекст | 1 000 000 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-5.2` |

## 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-5.2`, 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-5.2",
    "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-5.2",
    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-5.2',
  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](https://veselo.ai/docs/sdks) · [Claude Code](https://veselo.ai/docs/anthropic) · [MCP](https://veselo.ai/connect)

[Документация раздела](https://veselo.ai/docs/chat)

## Сравнение с похожими

| Модель | Цена | Главное | Когда выбрать |
| --- | --- | --- | --- |
| **GLM-5.2** — эта модель | 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](https://veselo.ai/models/z-ai/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 |
| [GLM-5.1](https://veselo.ai/models/z-ai/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 |
| [Kimi K2.7 Code](https://veselo.ai/models/moonshotai/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 |
| [Qwen3.7 Max](https://veselo.ai/models/qwen/qwen3.7-max) — Qwen (Alibaba) | 264,76 ₽ / 794,26 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | длинные тексты, деловая переписка и агенты, которым не нужны картинки на входе |
| [DeepSeek V4 Pro](https://veselo.ai/models/deepseek/deepseek-v4-pro) — DeepSeek | 184,27 ₽ / 368,54 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | сложный код, проектирование систем и вопросы, где нужны знания модели |

- [**GLM-5.3**](https://veselo.ai/models/z-ai/glm-5.3) — основа та же, дообучение новее. По замерам Z.ai, она сильнее в коде и экономнее расходует токены.
- [**GLM-5.1**](https://veselo.ai/models/z-ai/glm-5.1) — если агент давно отлажен на 5.1 и контекста в 200 тысяч токенов ему хватает.
- [**Kimi K2.7 Code**](https://veselo.ai/models/moonshotai/kimi-k2.7-code) — модель Moonshot AI для кода; по описанию вендора, понимает и картинки, так что ей можно показать скриншот ошибки.
- [**Qwen3.7 Max**](https://veselo.ai/models/qwen/qwen3.7-max) — флагман Qwen, вышедший на месяц раньше: удобно сравнить подход двух вендоров на своём проекте.

## Версии и отличия

- [GLM-5.3](https://veselo.ai/models/z-ai/glm-5.3) построена на той же основе, отличается дообучением. Рассуждения у неё не выключаются, а лицензия весов своя, не MIT.
- [GLM-5.1](https://veselo.ai/models/z-ai/glm-5.1) вышла в апреле 2026 года, контекст у неё 200 тысяч токенов.
- [GLM-5](https://veselo.ai/models/z-ai/glm-5) — первая модель линейки, февраль 2026 года, тоже 200 тысяч токенов.
- [GLM-5.3 Flash](https://veselo.ai/models/z-ai/glm-5.3-flash) — модель на новой основе, с картинками на входе и заметно дешевле.

## Подробно о GLM-5.2

GLM-5.2 вышла в июне 2026 года, а до официального выпуска её получили подписчики GLM Coding Plan — собственной подписки Z.ai для программистов. Заголовок анонса прямо называет её моделью для долгих задач. Это первая GLM-5 с контекстом в миллион токенов; у GLM-5 и 5.1 было 200 тысяч.

Внутри — смесь экспертов на 753 млрд параметров и две доработки. Первая — IndexShare: индексатор разреженного внимания общий у каждых четырёх слоёв. Вторая — доработанный слой MTP, который заранее предлагает несколько следующих токенов; по данным Z.ai, принятых догадок стало до 20% больше, а значит, ответ собирается быстрее.

В карточке модели Z.ai сравнивает её с GLM-5.1 почти по двум десяткам замеров. Самые заметные скачки — в долгих задачах: FrontierSWE вырос с 30,5 до 74,4, DeepSWE — с 18 до 46,2, SWE-Marathon — с 1 до 13. В математике и науке тоже прибавка: AIME 2026 — 99,2, GPQA-Diamond — 91,2.

Через два месяца на той же основе вышла GLM-5.3, и вопрос «зачем тогда 5.2» вполне законный. Честный ответ такой. Первое — совместимость: если промпты, тесты и цепочки агента настроены на 5.2, переход стоит проверить, а не делать вслепую. Второе — лицензия: веса 5.2 открыты по MIT, у 5.3 лицензия своя, и для запуска на своих серверах это может иметь значение. По API цена за токен у двух моделей на 16 ноября 2026 года одинаковая.

Ещё одна мелочь, которая выручает в агентах: по документации Z.ai, в потоке рассуждения приходят отдельно от ответа. Программа может показывать человеку только итог, а ход мысли складывать в журнал, чтобы потом разобраться, почему агент свернул не туда.

Официальные языки у 5.2 те же, что у всей линейки, — английский и китайский.

## Как устроен доступ

Весело — не разработчик GLM-5.2: 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](https://veselo.ai/docs/privacy)

## Вопросы и ответы

**Зачем GLM-5.2, если уже вышла GLM-5.3?**

Если агент и промпты отлажены на 5.2, её можно оставить и спокойно сравнить с 5.3 на своих задачах. Новый проект логичнее начать на 5.3: основа та же, а по замерам вендора код у неё сильнее.

**Разрешает ли лицензия GLM-5.2 продавать продукт на её основе?**

Да: веса открыты по лицензии MIT, а она разрешает коммерческое использование. Если работаешь через наш API, действуют [условия использования API](https://veselo.ai/legal/api).

**Правда ли, что миллион токенов контекста у GLM-5.2 работает без потерь?**

Так пишет Z.ai, мы этого не замеряли. Проверь на своих данных: спроси о детали из начала большого документа и сверь ответ с оригиналом.

**Годится ли GLM-5.2 для задач без кода?**

Да, если задача сложная: в карточке модели высокие баллы по математике и науке — 99,2 на AIME 2026 и 91,2 на GPQA-Diamond. Для писем, коротких ответов и простых текстов её мощность избыточна, там хватит [GLM-5.3 Flash](https://veselo.ai/models/z-ai/glm-5.3-flash).

**Сколько стоит рефакторинг большого проекта на GLM-5.2?**

Зависит от числа шагов агента. Рабочий день, за который набралось 1,5 млн токенов входа и 150 000 ответа, обойдётся в около 292,31 ₽, а повторы одной и той же истории разговора списываются по цене кэша.

**Нужны ли VPN и зарубежная карта для GLM-5.2?**

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.

**Есть ли подписка или абонентская плата?**

Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

## Ещё по теме

- [Все модели: языковые модели](https://veselo.ai/models/llm-api)
- [Все модели: нейросети для кода](https://veselo.ai/models/api-neirosetej-dlya-koda)
- [GLM API: модели Z.ai](https://veselo.ai/models/glm)
- [Чат: сообщения и параметры — документация API](https://veselo.ai/docs/chat)
- [Подключить к Claude и ChatGPT](https://veselo.ai/connect)
- [GLM-5.3 Flash Express](https://veselo.ai/models/z-ai/glm-5.3-flash-express)
- [GLM 5.3 Flash без цензуры](https://veselo.ai/models/z-ai/glm-5.3-flash-uncensored)
- [GLM 5.3 без цензуры](https://veselo.ai/models/z-ai/glm-5.3-uncensored)
- [GLM-5.3 Flash](https://veselo.ai/models/z-ai/glm-5.3-flash)
- [Все модели и цены](https://veselo.ai/models)

Факты сверены 16 ноября 2026 по документации: [docs.z.ai](https://docs.z.ai/guides/llm/glm-5.2), [huggingface.co](https://huggingface.co/zai-org/GLM-5.2)
