---
title: "GLM 5 по API"
description: "Первая модель линейки GLM-5: 744 млрд параметров, контекст 200 тысяч токенов, открытые веса по MIT. Для бэкенда, отладки и агентов."
url: https://veselo.ai/models/z-ai/glm-5
updated: 2026-11-16T15:09:12.644Z
---

# 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: 16 ноября 2026 г.

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

## 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 запрос | 105,91 ₽ за 1 млн токенов |
| --- | --- |
| Выход — ответ модели | 338,89 ₽ за 1 млн токенов |
| Вход из кэша — повтор того же начала запроса | 21,19 ₽ 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.

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

## Что умеет GLM-5

- Держит 200 000 токенов контекста и пишет до 128 000 токенов ответа ([документация Z.ai](https://docs.z.ai/guides/llm/glm-5)).
- Устроена как смесь экспертов: 744 млрд параметров, из них на каждый токен работают 40 млрд ([карточка модели](https://huggingface.co/zai-org/GLM-5)).
- 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](https://veselo.ai/studio): 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

| 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` |

## 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](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** — эта модель | 105,91 ₽ / 338,89 ₽ (вход / выход за 1 млн токенов) | контекст 200 тыс. | рефакторинг бэкенда, отладка и разбор текстов, когда флагман избыточен |
| [GLM-5 Turbo](https://veselo.ai/models/z-ai/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](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 |
| [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 |
| [Qwen3.5 397B-A17B](https://veselo.ai/models/qwen/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**](https://veselo.ai/models/z-ai/glm-5-turbo) — для агентов с длинными цепочками инструментов и задачами по расписанию.
- [**GLM-5.3**](https://veselo.ai/models/z-ai/glm-5.3) — когда нужен миллион токенов контекста и самый новый код от Z.ai.
- [**GLM-5.1**](https://veselo.ai/models/z-ai/glm-5.1) — для задач, которые агент ведёт часами без участия человека.
- [**DeepSeek V4 Pro**](https://veselo.ai/models/deepseek/deepseek-v4-pro) — флагман DeepSeek: второе мнение по архитектуре от другого вендора.

## Версии и отличия

- [GLM-5 Turbo](https://veselo.ai/models/z-ai/glm-5-turbo) — март 2026 года, та же волна, но заточена под длинные цепочки агента и задачи по расписанию.
- [GLM-5.1](https://veselo.ai/models/z-ai/glm-5.1) — апрель 2026 года: по словам Z.ai, работает над одной задачей до 8 часов.
- [GLM-5.2](https://veselo.ai/models/z-ai/glm-5.2) — июнь 2026 года, первая в линейке с контекстом в миллион токенов.
- [GLM-5.3](https://veselo.ai/models/z-ai/glm-5.3) — август 2026 года, нынешний флагман Z.ai.
- [GLM-4.7](https://veselo.ai/models/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](https://veselo.ai/docs/anthropic). 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](https://veselo.ai/docs/privacy)

## 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](https://veselo.ai/models/z-ai/glm-5.2) или [GLM-5.3](https://veselo.ai/models/z-ai/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

- [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), [huggingface.co](https://huggingface.co/zai-org/GLM-5)
