Chat Z.AI (GLM-5) в 2026: китайская модель, которая притворяется Claude
AI-модели в этой статье
6 февраля 2026 года на платформе OpenRouter появилась анонимная модель «Pony Alpha» – бесплатная, без каких-либо подробностей о создателях. ИИ-сообщество немедленно принялось выяснять, кто её сделал. Способности в программировании вплотную приближались к Claude Opus 4.5. На вопрос «кто ты?» модель отвечала: «Я GLM». Но когда её попросили написать веб-страницу с описанием себя – она написала: «I am Claude, created by Anthropic».
Это было воспроизводимо стопроцентно. И именно этот момент определяет всё, что нужно знать о GLM-5 до того, как переходить к бенчмаркам и тарифам.
Попробуйте сами: GLM-5.3 vs GigaChat 3.5 vs Claude Sonnet 5
Прежде чем разбирать историю, бенчмарки и тарифы – запустите промпт прямо здесь и сравните три модели на одной задаче: GLM-5.3 (Z.ai), GigaChat 3.5 Ultra (Сбер) и Claude Sonnet 5 (Anthropic). Это три принципиально разных подхода: китайский дешёвый претендент, российская модель с плотным знанием локального контекста и западный премиум-флагман.
Пример 1. Деликатное письмо поставщику
Эта задача проверяет одновременно русский язык, чувство тона и деловой этикет. GigaChat обычно сильнее в канцелярских оборотах и локальной стилистике, Claude – в балансе эмпатии и чёткости, GLM-5.3 интересен как индикатор того, насколько китайская модель «дотягивает» до русскоязычного делового письма. Ниже по статье – второй промпт на аналитическую задачу, где сильные стороны каждой модели распределяются иначе.
Что такое GLM-5 и кто за ним стоит
Zhipu AI – компания, выросшая из Университета Цинхуа; основана в 2019 году, к 2025 году сменила название на Z.ai, а в январе 2026-го вышла на Гонконгскую фондовую биржу. IPO получилось впечатляющим: за три дня после официального анонса GLM-5 акции выросли на 60%.
GLM-5 вышел 11 февраля 2026 года и сразу претендует на звание сильнейшей открытой модели в мире. Для менеджера важно знать три вещи:
- Открытая и бесплатная – код доступен по лицензии MIT, любая компания может скачать модель и запустить на своих серверах
- Длинный контекст – за один запрос «читает» до ~400 страниц текста: удобно для работы с длинными документами, отчётами, контрактами
- Обучение на китайских чипах – полностью на чипах Huawei, без единого компонента от NVIDIA
В условиях американских экспортных ограничений последний пункт читается как политическое заявление: Китай способен создавать конкурентоспособные ИИ-модели без доступа к западным чипам. Для бизнеса это означает, что поставщик не зависит от западных санкций – в отличие от OpenAI или Anthropic.
GLM-5.2: новое поколение (13 июня 2026)
Пока шёл разбор GLM-5, Z.ai выпустила следующую версию. GLM-5.2 вышла 13 июня 2026 и заточена под программирование.
- Контекст 1 млн токенов (против 200 тыс. у предыдущей версии) – модель удерживает в памяти целый репозиторий и не теряет связности.
- Архитектура MoE на 744 млрд параметров, из которых на каждый токен активны лишь 40 млрд – отсюда сочетание мощности и умеренной цены.
- Открытые веса под лицензией MIT и два уровня рассуждения – High и Max (Max рассчитан на сложные многошаговые задачи).
- Распространяется через тарифы GLM Coding Plan (от ~$18/мес), отдельный API и веб-чат.
В духе всей истории GLM на запуске Z.ai не опубликовала ни одного бенчмарка. Для отрасли, где модели обычно выходят с готовой таблицей побед, это необычно. Независимые тесты появились через несколько дней, и в коде модель оказалась сильна: на SWE-bench Pro – 62,1% против 58,6% у GPT-5.5. В слепом рейтинге Code Arena она заняла второе место среди кодовых моделей, а на Terminal-Bench подобралась к Claude Opus 4.8 – при цене заметно ниже, чем у GPT-5.5.
У этой силы есть цена в токенах. На собственном графике Z.ai по агентному программированию GLM-5.2 на максимальном уровне рассуждения почти догоняет Opus 4.8, но тратит примерно вдвое больше выходных токенов и на пике всё равно остаётся чуть позади. Дешевле за токен – но токенов уходит больше.
Планирование – сильная сторона GLM-5.2. В наших тестах она закрывала открытые развилки сама и объясняла выбор, вместо того чтобы оставлять их разработчику. Пример: модель не только кешировала запрос про несуществующий флаг, но и заметила неочевидную ловушку – этот кеш придётся сбросить, если флаг позже создадут. Ценность плана измеряется числом вопросов, решённых до начала работы, и по этому счёту GLM-5.2 сильна.
Для менеджера: GLM-5.2 – в первую очередь инструмент для разработки и инженерного планирования. На кодовых задачах и в проработке технических решений она конкурирует с флагманами при заметно меньшей цене. Как она ведёт себя на бизнес-задачах – отдельный разговор, и он ниже.
GLM-5.3: рост без новой базовой модели (14 августа 2026)
В наш бенчмарк GLM-5.3 ещё не входит – ниже данные производителя и независимых площадок.
Главное в этом релизе то, чего в нём нет. Z.ai не обучала новую базовую модель: основа у GLM-5.3 ровно та же, что у GLM-5.2, а весь прирост дала доводка после предобучения – данные, разметка, методы обучения с подкреплением.
По данным Z.ai, самый показательный сдвиг – Terminal-Bench 3.0, где модели дают терминал и просят довести задачу до конца: с 4,6 до 28,3 балла. Рост в шесть раз при неизменной базовой модели. На DeepSWE v1.1 результат поднялся с 46,2 до 66,9. CyberGym, проверяющий защиту от кибератак, – с 77,2% до 84,5%.
Для управленца из этого следует практический вывод. Значительная часть полезности современной модели создаётся после предобучения: такую доводку можно пересобрать за месяцы, тогда как новая базовая модель требует лет. Когда вендор обещает «новую модель», стоит уточнять, что именно новое: архитектура и масштаб или доводка поверх прежней основы.
Цены при этом не изменились: $1,40 за миллион входных токенов и $4,40 за миллион выходных. Контекст – 1 млн токенов, максимальный ответ – 128 тыс., режим рассуждения включён постоянно и отключить его нельзя. Последнее означает, что часть бюджета уходит на токены размышлений, которые вы не заказывали, – ровно та особенность, из-за которой GLM-5.2 тратила вдвое больше выходных токенов, чем Opus 4.8 на сопоставимых задачах.
Модель текстовая. Изображения она не понимает, и вокруг этого вышла отдельная история.
Открытые веса GLM-5.3 на момент релиза опубликованы не были – Z.ai держала их на пострелизной проверке безопасности. Позиционирование релиза: «Built to Code. Ready for Cyber Defense».
Полторы тысячи просьб о зрении
29 июня 2026 года основатель Zhipu Тан Цзе спросил сообщество, чего не хватает следующей GLM. Ответов пришло больше 1 400, и чаще всего в них просили зрение. Разработчики хотели, чтобы модель сама читала скриншоты, PDF, макеты интерфейсов и тексты ошибок. Рабочий обходной вариант выглядел так: Qwen-VL разбирает картинку и передаёт текст в GLM-5.2. Лишнее звено и лишняя задержка – и деньги за два запроса вместо одного.
Руководитель Z.ai Сюань Ли публично признал, что слово «vision» заполнило комментарии. Обязательств не последовало.
Через полтора месяца вышла GLM-5.3 – без зрения. Зрение появилось двенадцатью днями позже и в другой модели.
Случай показательный именно потому, что он типовой для отрасли. Собирать обратную связь вендор может сколько угодно, отвечать за неё он не обязан. Планировать стоит по тому, что уже вышло и доступно по API.
GLM-5.3-Flash (26 августа 2026)
Вот эта модель – главная новость лета у Z.ai, и она тоже пока не входит в наш бенчмарк. За шесть дней до анонса та же модель бесплатно работала на OpenRouter под именем stealth/ox-alpha, без указания автора – об этом эпизоде ниже, в разделе про Pony Alpha.
GLM-5.3-Flash – первая нативно мультимодальная модель в линейке GLM-5. На вход она принимает текст, изображения, видео и файлы. Никакой второй модели для разбора картинки больше не нужно.
Архитектурно это MoE на 320 млрд параметров, из которых на токен активны 18 млрд: на каждый токен маршрутизируется 8 экспертов из 288. Внимание гибридное – линейные слои KDA чередуются с разреженными слоями MLA без позиционных кодировок. Механизм IndexPool уменьшает KV-кеш в 4,4 раза относительно GLM-5.3, а mHC примерно вдвое сокращает число активируемых параметров относительно GLM-4.5. Контекст – 1 млн токенов.
Эти детали стоят внимания по одной причине: именно они позволяют держать цену в десять раз ниже флагмана при сопоставимом качестве. Экономия получилась за счёт инженерии обслуживания запроса, а объём и качество рассуждения при этом почти не пострадали.
Цены: $0,15 за миллион входных токенов, $0,03 за кеш и $0,50 за миллион выходных. До 9 сентября 2026 года действует скидка 50%: $0,075 за вход и $0,25 за выход. В тарифы GLM Coding Plan Flash включена с тройной квотой относительно GLM-5.3.
На собственных тестах Z.ai картина такая: Terminal-Bench 2.1 – 84,3 балла при 85,0 у Claude Opus 4.8. DeepSWE v1.1 – 63,4 против 46,2 у GLM-5.2. AutomationBench – 48,8 против 26,2. Это цифры производителя, и их стоит перепроверять на своих задачах, но разброс слишком большой, чтобы списать его на маркетинг.
Веса GLM-5.3-Flash выложены на Hugging Face под MIT – без порога по выручке и без ограничений на область применения. Самая свободная лицензия среди всех моделей этого обзора. Для сравнения: Qwen3.8-Max открыта, но при выручке выше $50 млн требует отдельного договора с Alibaba, у Kimi K3 порог – $20 млн. «Открытые веса» в 2026 году – это диапазон от MIT до контракта с юристами, и менеджеру нужно понимать, на каком конце он находится.
Запуск у себя требует около 306 ГиБ весов в FP8 и видеокарт уровня NVIDIA Hopper или новее. Такой проект по силам средней и крупной организации с собственным кластером – планировать его как задачу на выходные не стоит. До релиза модель обкатали в том числе на китайских чипах собственного производства.
Что показывают независимые площадки
Artificial Analysis тестирует всех в одинаковых условиях, и её данные полезнее релизных таблиц. GLM-5.3 на максимальном уровне рассуждения набирает 49 баллов индекса интеллекта. Смешанная цена – $1,26 за миллион токенов, скорость – 87 токенов на выходе в секунду. GLM-5.3-Flash – 46 баллов при $0,18.
Три балла измеренного интеллекта за семикратную разницу в цене.
Шкалу при этом стоит проверять. Artificial Analysis публикует индекс версиями и перемасштабирует его между ними, поэтому 60 баллов из августовского релиза Z.ai (индекс версии 4.1.1) и 49 баллов в актуальном рейтинге – разные линейки. Сравнивать можно только внутри одного среза, и это, кстати, общий принцип чтения любых рейтингов: рейтинги ИИ регулярно переоценивают модели.
На LMArena моделей GLM в первой десятке сейчас нет. Там своя ситуация: у девяти верхних позиций текстового рейтинга доверительные интервалы перекрываются, и статистически это ничья. Первое место в таком рейтинге – разница в пределах погрешности.
Схема «дешёвая модель обходит дорогую» сейчас не уникальна для Z.ai. Gemini 3.8 Flash на том же Artificial Analysis стоит $0,74 за миллион смешанного трафика, выдаёт 334 токена в секунду и опережает более дорогие модели собственной линейки Google. Рефлекс «за флагманом всегда лучше» в 2026 году срабатывает всё реже – и у Google, и у Z.ai сверху теперь находится модель, за которую просят в разы больше, чем она добавляет.
История Pony Alpha: расследование, которое повторилось
«Pony» – отсылка к году Лошади по китайскому календарю. 11 февраля Zhipu официально подтвердил: Pony Alpha – это GLM-5. Акции компании за три дня выросли на 60%.
Что именно произошло, компания официально так и не объяснила. Zhipu не прокомментировал путаницу с идентификацией.
Это не единичный случай. В декабре 2025 года исследователи MIT зафиксировали: примерно в 50% случаев модели серии GLM идентифицируют себя как Claude при нестандартных методах запроса. DeepSeek V3 имел аналогичную особенность – при определённых промптах называл себя ChatGPT или GPT-4. OpenAI в ответ прямо обвинил DeepSeek в дистилляции из своих моделей и обновил условия использования. Anthropic, Mistral и xAI добавили в свои условия аналогичные антидистилляционные оговорки.
Дистилляция – обучение меньшей модели на выходных данных более крупной – это, судя по всему, открытый секрет индустрии. Подтвердить её применение в GLM-5 невозможно: у нас нет технического аудита. Отрицать – тоже: паттерны поведения слишком специфичны.
Через полгода Z.ai повторила приём. 20 августа 2026 года на OpenRouter появилась stealth/ox-alpha: бесплатная, с контекстом в миллион токенов, на вход принимала текст, изображения и видео. Кто за ней стоит – не указывалось.
Автора принялись вычислять по инфраструктуре. Стектрейсы, коды ошибок и отпечатки токенизатора дали 30 совпадений из 30 с GLM-5.3 – по крайней мере, так это выглядело в отчётах сообщества. Единодушия это не создало. TechCrunch описал сообщество, которое спорит с собственными выводами: ИИ-аналитик Эндрю Карран заметил, что ранние версии указывали на Z.ai, но «утром люди, похоже, уже ни в чём не уверены». Одно издание переключилось на версию, что перед нами невыпущенная версия Microsoft MAI. Reddit разделился между «это не может быть китайская модель» и «уверенность высокая, что китайская».
Утром 26 августа Bloomberg сообщил, что Zhipu подтвердил происхождение модели из линейки GLM. В 19:42 того же дня Z.ai объявила всё сама: «Introducing GLM-5.3-Flash – Previously previewed as Ox Alpha, running entirely on Chinese AI chips». Пост набрал больше 740 000 просмотров за первый час, и одновременно веса под MIT легли на Hugging Face – хронологию запуска приводит explainX.
За бесплатную неделю Ox Alpha возглавила рейтинг приложений OpenRouter, и трафик был агентным: Claude Code прогнал через неё около 9,3 млрд токенов, Hermes Agent – примерно 9,0 млрд. Площадка намерила около 50 токенов в секунду при медианной задержке 2,02 с. Отдельная цифра – ошибки при вызове инструментов, около 4,45%: в агентной цепочке они умножаются на каждый шаг. Независимый бенчмарк разработчика explainX дал 80% на DeepSWE. Сейчас stealth/ox-alpha не отвечает, листинг удалён: модель выходит как z-ai/glm-5.3-flash, её раздел выше.
Для менеджера важнее всего одна строка в том листинге. OpenRouter указывал, что промпты и ответы сохраняет провайдер и в обучении они не участвуют, – листинг пересказывает The Next Web. Неделю разработчики направляли боевые кодовые агенты, в том числе Claude Code, на провайдера, чьё имя никто не мог установить, и прогоняли через него миллиарды токенов реальной работы. Хранение у вендора, с которым подписан договор, и хранение у стороны, которую нельзя назвать, – разные риски, что бы ни было написано в строке о приватности.
Pony Alpha выдала себя словами: на прямой вопрос отвечала «Я GLM», а когда её попросили сделать страницу о себе – «I am Claude, created by Anthropic». Ox Alpha о себе не сказала ничего, и автора пришлось восстанавливать по отпечаткам токенизатора, кодам ошибок и стектрейсам; даже после этого сообщество несколько дней спорило и предлагало в авторы Microsoft. Один и тот же приём запуска с разницей в полгода дал два разных типа загадки: первая модель проговорилась, вторую искали по инфраструктуре.
Это заставляет задуматься: если модель «притворялась» Claude при обходных методах запроса – что именно она усваивала при обучении? И насколько это важно для менеджера, которому нужен рабочий инструмент? После августа у вопроса появилась вторая половина: вместе с моделью команда выбирает и того, у кого останутся её промпты. В случае Ox Alpha неделю было непонятно, кто это.
Что показывают тесты
На стандартных отраслевых тестах GLM-5 конкурирует с лучшими закрытыми моделями – и это для бесплатной открытой модели нетривиально. Цифры ниже – данные производителя; вот что в них важно для менеджера:
- Программирование – решает 77,8% реальных задач из GitHub. Для сравнения: Claude Opus 4.5 – 80,9%, GPT-5.2 – 75,4%. Разрыв с лидерами минимален.
- Бизнес-симуляция (Vending Bench 2 – тест, где модель «управляет бизнесом» на протяжении года) – GLM-5 финишировал с балансом $4 432 против $4 967 у Claude Opus 4.5. Модель принимает стратегические решения примерно на уровне лучших западных конкурентов.
- Поиск информации в вебе – первое место среди всех протестированных моделей, включая GPT-5.2 и Claude.
- Галлюцинации – лучший результат в индустрии. GLM-5 чаще говорит «не знаю», чем выдумывает ответ. Для работы с фактами и цифрами это критически важно.
Как всегда, тесты и реальная работа – разные вещи. Но направление понятно: GLM-5 сопоставим по уровню с ChatGPT и Claude.
Бенчмарки выглядят убедительно – но между «модель хорошо отвечает на тесты» и «модель надёжно решает мою задачу» лежит целый слой навыков: как формулировать запрос, как проверять ответ, как не попасться на уверенную галлюцинацию. Именно этот слой определяет, получите ли вы реальную пользу от GLM-5 – или просто красивые ответы.
GLM-5 снижает галлюцинации – но вы всё равно их пропустите без системного подхода. 9 практических задач менеджера в открытом модуле покажут, где именно – бесплатно, без регистрации.
Доступ сразу после регистрации
Результаты в нашем бенчмарке
В нашем бенчмарке мы тестируем модели на реальных управленческих задачах по 8 категориям – от планирования и аналитики до коммуникации и работы с командой.
GLM-5 расположился в верхней средней группе – крепкий конкурент, который обходит большинство западных моделей среднего уровня, но уступает лидерам вроде Kimi K2.5 и MiniMax M2.7.
Профиль по восьми категориям читается однозначно. Сильнее всего GLM-5 в планировании, анализе и управлении командой – здесь она вплотную подходит к лидерам. Проваливается там, где нужен локальный контекст: обучение и развитие, региональная осведомлённость (контекст СНГ и местная деловая практика даются модели хуже, чем YandexGPT и GigaChat). Поиск информации и коммуникация – ровная середина.
Практический вывод: GLM-5 – сильный инструмент для планирования и аналитических задач. Если вы декомпозируете проект, оцениваете риски или анализируете данные – модель покажет себя хорошо. Если нужно разобраться в российской деловой специфике или выстроить программу обучения – результат будет слабее. И главное практическое преимущество: работать с моделью можно из России, веб-интерфейс доступен без VPN.
А что с GLM-5.2? В нашем бенчмарке новая версия на бизнес-задачах идёт вровень с первой, но заметно дешевле её – и остаётся одной из самых доступных по цене в своём диапазоне качества (актуальные место, балл и цена – в карточке под заголовком раздела о GLM-5.2 выше). Для открытой модели примерно на 750 млрд параметров это заметный результат – в этом весовом диапазоне открытых моделей до сих пор было негусто.
Но всплывает парадокс. На чистых кодовых тестах GLM-5.2 в лидерах, а в бизнес-задачах, завязанных на код, анализ и маркетинг (где нужен хороший английский), – проседает. Слабее всего идут задачи «на подумать»: модель систематически упускает детали из текста или делает из него лишние выводы. Формат при этом держит аккуратно, поэтому в связку с другими системами встроится без сюрпризов – но за её выводами стоит присматривать. Сильная сторона GLM-5.2 – инженерное рассуждение: код, технические планы, декомпозиция. Слабее даётся «бумажное» рассуждение, где нужно поймать тонкий смысл в обычном тексте.
GLM-5.3 и GLM-5.3-Flash мы ещё не прогнали по своим управленческим задачам, поэтому всё сказанное выше про кодовые бенчмарки не переносится автоматически на бизнес-сценарии. Как только протестируем – в этих разделах появятся карточки с актуальными результатами.
Подробные результаты по всем категориям – на странице бенчмарка.
Выбираете между GLM-5.3-Flash, DeepSeek и Claude? В открытом модуле – 9 практических задач менеджера, бесплатно и без регистрации. Проверьте, насколько уверенно вы ставите задачи ИИ.
Доступ сразу после регистрации
Как пользоваться Chat Z.AI (GLM-5) прямо сейчас
Официальный веб-интерфейс – chat.z.ai. Работает в России без VPN, вход через Google-аккаунт. Интерфейс на английском и китайском, русской версии нет, но модель понимает русский и отвечает на нём.
Два режима работы:
- Chat Mode – привычный формат диалога. Подходит для большинства задач: написание текстов, анализ документов, ответы на вопросы.
- Agent Mode – здесь GLM-5 раскрывается полностью. Модель может использовать инструменты: генерировать файлы в форматах .docx, .pdf, .xlsx, обращаться к веб-поиску, выполнять многошаговые задачи. Если вы просите подготовить отчёт с таблицами – это именно тот режим.
Практическая рекомендация по языку: качество ответов на английском заметно выше, чем на русском. Если задача позволяет – формулируйте промпты на английском, особенно для сложных аналитических запросов. Это та же ситуация, что с Qwen: китайские модели работают лучше на языках, на которых они обучены плотнее всего.
Неделя после запуска GLM-5 выдалась турбулентной: трафик вырос в 10 раз, сервис нестабильно работал несколько дней, Zhipu принёс публичные извинения. К середине марта ситуация нормализовалась, но стоит иметь в виду: это молодой сервис с быстрорастущей нагрузкой.
Пример 2. Пре-мортем перед запуском нового продукта
Вторая задача – аналитическая. Здесь традиционно сильнее всего Claude, а для GLM-5 это честный тест: способна ли дешёвая китайская модель выдать структурированный разбор на уровне флагмана. Для GigaChat – возможность показать, как он работает с российским рыночным контекстом.
Обратите внимание не только на содержание, но и на структуру ответа: умение модели удержать все требования промпта (6–8 причин, категории, сигналы, действия) – это именно то, что отличает рабочий инструмент от красивой демонстрации.
Ограничения и риски
Китайская цензура работает предсказуемо: политически чувствительные темы, историческая критика государства, определённые события – всё это блокируется. В работе менеджера это редко становится проблемой, но стоит знать.
Качество на русском языке – одна из ключевых слабостей. В отличие от DeepSeek, который значительно лучше работает с русским контекстом, GLM-5 на русских задачах заметно теряет в точности и передаче нюансов. Наше тестирование это подтвердило.
Скорость ответов в режиме глубокого анализа примерно на 30–40% ниже, чем у Claude и GPT. Не критично для разовых задач, но ощутимо при интенсивной работе. У GLM-5.3 картина иная: Artificial Analysis измеряет 87 токенов на выходе в секунду – быстрее, чем у Claude Opus 5 и GPT-6 Astra в тех же условиях.
Вопрос о дистилляции по-прежнему открыт. На технической надёжности модели это не сказывается – она работает. Но организациям, которые используют Claude и задумываются об этике использования ИИ, этот факт стоит учитывать.
Запуск на своих серверах технически возможен (код открыт), но требует серверного оборудования стоимостью от нескольких миллионов рублей. В отличие от компактных моделей Qwen, GLM-5 не получится запустить силами IT-отдела. Для GLM-5.3-Flash требование известно точно: около 306 ГиБ весов в FP8 и NVIDIA Hopper или новее.
Мобильного приложения нет – только веб.
Цены
| Вариант | Стоимость | Для кого |
|---|---|---|
| chat.z.ai | Бесплатно (с ограничениями) | Попробовать без обязательств |
| GLM Coding Plan | от ~$18/мес | Разработчикам; GLM-5.3-Flash входит с тройной квотой |
| API GLM-5.3-Flash | $0,15 вход / $0,50 выход, кеш $0,03 за 1 млн токенов | Мультимодальные задачи и работа в объёме |
| API GLM-5.3 | $1,40 вход / $4,40 выход за 1 млн токенов | Длинный текст и максимальный уровень рассуждения |
| API GLM-5 через OpenRouter | цена за задачу – в карточке модели и на графике цена/качество ниже | Интеграция в рабочие процессы |
До 9 сентября 2026 года на GLM-5.3-Flash действует скидка 50%: $0,075 за вход и $0,25 за выход. Если планировали пилот на мультимодальной задаче – скидка действует меньше недели.
Соотношение цены и качества нагляднее всего видно на одном графике – все модели нашего бенчмарка; GLM-5 и GLM-5.2 подсвечены.
Анализ того же 100-страничного отчёта через Claude Opus 4.5 или GPT-5.2 обойдётся кратно дороже, чем через GLM-5, – при сопоставимых возможностях на многих задачах.
При этом среди китайских открытых моделей GLM-5 – самая дорогая: DeepSeek и Qwen стоят заметно дешевле. За что переплата? За сильные результаты в планировании и аналитике – если это ваши приоритеты, разница оправдана.
После запуска GLM-5 Zhipu поднял цены на Pro-план примерно на 30%, что вызвало недовольство пользователей.
Стоит ли пробовать?
Если выбирать из линейки Z.ai в сентябре 2026-го, начинать логично с GLM-5.3-Flash. Она мультимодальная, стоит примерно в десять раз дешевле GLM-5.3, распространяется под MIT и на кодовых тестах держится рядом с флагманами. GLM-5.3 берут под длинный текст и максимальный уровень рассуждения, когда разница в несколько баллов действительно влияет на результат, а бюджет это позволяет. GLM-5 и GLM-5.2 остаются рабочими, но причин начинать с них сейчас мало.
GLM-5 – модель с честными сильными сторонами и честными слабостями. История вокруг неё ещё не получила окончательного ответа.
Сильные результаты в планировании и аналитике реальны и воспроизводимы. Если вы декомпозируете проект, оцениваете стратегические решения или анализируете данные – GLM-5 заслуживает того, чтобы его попробовать.
Если вам нужна модель для работы с российским контекстом, обучения команды или задач с выраженной региональной спецификой – здесь GLM-5 уступает конкурентам. Для этих целей DeepSeek или Claude справятся лучше.
История с Pony Alpha и идентификацией как Claude – повод сохранять аналитическую дистанцию. Пользоваться инструментом она не мешает. Индустрия давно работает в серой зоне, где граница между «вдохновением» и «дистилляцией» размыта намеренно. GLM-5 – часть этой общей картины, и её стоит держать в голове.
Удобство доступа не вызывает сомнений: chat.z.ai работает в России без VPN, вход через Google, бесплатный уровень есть. Стоит потратить час на тестирование – и сформировать собственное мнение.
Похоже, августовская пара релизов расставила роли внутри самой Z.ai: флагман задаёт потолок в таблицах, а зарабатывает компания на дешёвой модели и подписках Coding Plan. Вопрос, который стоит держать при себе, – надолго ли хватает такой схемы, если пост-тренировочная доводка даёт шестикратный рост на старой базе.
Инструмент есть. Теперь – навык
Полная программа: от основ промпт-инжиниринга до специализаций по проектному управлению и управлению людьми. Выберите любую модель – GLM-5.3-Flash, Claude, DeepSeek – и проверьте свой подход на реальных управленческих сценариях.
Stanislav Belyaev
Engineering Leader в Microsoft18 лет в управлении инженерными командами. Основатель mysummit.school. 700+ выпускников в Яндекс Практикуме и Стратоплане.