Официальная документация модели GLM-5 на сайте Z.ai (14.10.2026).

GLM-5 — поколение Z.ai, ориентированное на системную разработку и многошаговую работу с инструментами. У модели есть официальный API и открытые веса, поэтому её можно оценивать и как облачный компонент, и как основу собственной инфраструктуры. Это уже не последняя версия семейства, но конкретные характеристики, тариф и лицензия позволяют осмысленно сравнивать её с альтернативами.

Кому и для чего подходит

Кому	Сценарий	Что проверить
Разработчикам серверных систем	Исследовать ошибки и согласованные изменения кода	Сохранность контрактов и обратной совместимости
Создателям агентов	Выстраивать план, вызывать инструменты, проверять итог	Ограничения действий и повторных попыток
Командам размещения моделей	Планировать собственный сервис вывода	Полная память весов и нагрузка кеша

Архитектура и прикладные возможности

GLM-5 использует MoE-архитектуру с 744 млрд общих и 40 млрд активных параметров. В API документированы текстовый вход и выход, контекст 200 тыс. токенов и вывод до 128 тыс. Поддерживаются thinking, function calling, потоковые ответы, кеширование и структурированный результат. Официальные веса распространяются под MIT.

Такая архитектура не делает модель лёгкой для домашнего оборудования: активная часть отражает вычисления на шаге, а хранить и обслуживать нужно гораздо больше данных. Для собственного развёртывания оцените используемый формат весов, несколько одновременных запросов и максимальную историю, с которой действительно будет работать сервис.

Как проверить инженерную пользу

Для первой оценки подойдёт реальная, но ограниченная задача: найти причину сбоя, предложить минимальный патч и подтвердить его тестом. Дайте агенту команды запуска, известные ограничения и правило остановки. Это помогает отделить полезную диагностику от большого, но плохо проверяемого набора изменений.

В длинной цепочке журналируйте результаты инструментов. Важно, чтобы модель отличала выполненный тест от предложенной команды, а исправленную ошибку — от гипотезы. Для автоматизации внешних действий добавляйте отдельную проверку разрешений и критичных параметров до исполнения.

Если выбираете GLM-5 вместо более новой версии, объясняйте это проверенными условиями: совместимостью, ценой или контролем размещения. Результаты из рекламного анонса не заменяют нагрузочный тест вашего приложения. Полезно сравнивать долю завершённых задач и ручное время приёмки.

Преимущества и ограничения

Преимущество	Ограничение
Открытые MIT-веса и готовый API	Большой общий размер модели
Инструменты для системных задач	Ошибки могут накапливаться по цепочке
Кеш снижает цену повторного входа	Экономия зависит от реальных попаданий в кеш

Стоимость и доступ

API за 1 млн токенов: $1 вход, $0,20 кешированный вход, $3,20 выход.
Хранение кеша временно бесплатно по опубликованной таблице.
Веса MIT; вычисления оплачиваются отдельно. GLM Coding Plan — отдельный подписочный продукт с квотами.

Вопросы перед выбором

GLM-5 умеет видеть изображения?

В проверенной документации для этой конкретной версии указан текстовый вход. Для визуального анализа выбирайте соответствующую мультимодальную модель или заранее преобразуйте материалы в проверяемый текст.

40 млрд активных параметров достаточно для расчёта сервера?

Нет. Нужно учитывать все 744 млрд параметров, формат хранения, служебные данные и кеш. Не подменяйте расчёт памяти оценкой числа активных экспертов.

Можно ли считать агент самостоятельным инженером?

Он может помогать в последовательных действиях, но ответственность за критерии приёмки и доступы остаётся у команды. Обязательны тесты, обзор изменений и ограничения на опасные действия.

Какой бюджет брать для сравнения?

Считайте полный прогон до принятого результата: вход, выход, кеш, инструменты и неудачные повторы. Добавьте время человека на проверку; именно оно может определить выгодность модели.

Проверено 14 октября 2026 года по официальным источникам: характеристики API, архитектура и лицензия, цены.

GLM-5