Kod / agenci / długi kontekst / open‑weight

GLM (Z.ai)

  • GLM‑5.3 od 14.08.2026 $1.40/$4.40

    Kod i agenci. Wagi od 28.08.2026 na licencji glm‑5.3, nie MIT.

  • GLM‑5.3‑Flash od 26.08.2026 $0.15/$0.50

    Mniejszy wariant do kodu. Wagi na MIT.

  • GLM‑5.2 1M kontekstu $1.40/$4.40

    Output do 128k, function calling i MCP. Wagi na MIT.

GLM‑4.7‑Flash (30B, MIT) jest w API oznaczony jako bezpłatny. Pełny GLM‑5.2 ma około 753B parametrów.

  • Zweryfikowano2026-09-20
  • Modele w profilu4
  • Źródła7
  • Kanały wdrożenia3

Decyzja zakupowa (kiedy wybrać / kiedy uważać)

Wybierz, jeśli…

  • Potrzebujesz długiego kontekstu i modelu nastawionego na wieloetapowe zadania programistyczne.
  • Budujesz agentów korzystających z function calling, structured output albo narzędzi MCP.
  • Chcesz porównać tanie API z wariantem open‑weight i możesz samodzielnie przetestować jakość.

Unikaj, jeśli…

  • Chcesz uruchomić pełny GLM‑5.2 na niedużej infrastrukturze - około 753B parametrów wymaga zasobów klasy data center.
  • Kluczowa jest najwyższa jakość języka polskiego bez dodatkowych testów - producent skupia dokumentację na EN/ZH.
  • Potrzebujesz gotowego pakietu governance, data residency i umów dla sektora regulowanego bez dodatkowej weryfikacji.

Koszt w praktyce (scenariusze)

API GLM‑5.3 / 5.2

GLM‑5.3 $1.40/$4.40; GLM‑5.3‑Flash $0.15/$0.50; GLM‑5.2 $1.40 input / $0.26 cached / $4.40 output za 1M tokenów.

  • koszt web search i innych narzędzi liczony osobno
  • ceny mogą się zmienić
Self‑host GLM‑4.7‑Flash

Koszt GPU i utrzymania; wariant 30B‑A3B jest znacznie praktyczniejszy niż pełny GLM‑5.2.

  • vLLM lub SGLang
  • monitoring, aktualizacje i guardrails po stronie wdrażającego
Self‑host GLM‑5.2

Infrastruktura klasy data center; nie traktuj publicznych wag jako wariantu do typowego lokalnego serwera.

  • około 753B parametrów
  • wielokartowy klaster i kompetencje MLOps
To są widełki/scenariusze (nie faktura). Dokładny koszt zależy od długości kontekstu, liczby użytkowników, limitów i polityk retencji.

Wdrożenie / dane / enterprise

Kanały wdrożenia

  • Z.ai API z oficjalnym SDK lub klientem zgodnym z OpenAI
  • Self‑host GLM‑4.7‑Flash przez vLLM, SGLang lub kompatybilne narzędzia
  • Self‑host GLM‑5.2 tylko przy dostępie do infrastruktury odpowiedniej dla modelu około 753B

Polityka danych

Trening na danych
Dla self‑hostingu pozostaje po stronie organizacji; dla API trzeba sprawdzić aktualne warunki Z.ai.
Retencja
Zależna od wybranego kanału i umowy; publiczna karta modelu nie zastępuje warunków usługi API.
Data residency
Zależna od miejsca self‑hostingu lub regionów oferowanych przez usługę API.
Przed użyciem danych osobowych lub poufnego kodu wykonaj ocenę dostawcy, retencji i transferów danych.

Enterprise readiness

Admin
API oferuje klucze, billing i oficjalne SDK; szersze mechanizmy organizacyjne należy potwierdzić w ofercie.
SSO/SCIM
Do potwierdzenia z Z.ai dla wybranego planu.
Audit
Logowanie aplikacyjne i audyt wywołań należy zaprojektować po stronie wdrożenia.
DPA
Do potwierdzenia przed przetwarzaniem danych osobowych.
Otwarte wagi zwiększają kontrolę, ale nie dostarczają automatycznie warstwy enterprise.

Najlepsze zastosowania

  • długie zadania programistyczne obejmujące wiele plików, testy, refaktoryzację i użycie narzędzi
  • agenci wykonujący wieloetapowe zadania z function calling, structured output i integracją MCP
  • self‑host GLM‑4.7‑Flash, gdy potrzebny jest otwarty model do kodu i automatyzacji przy rozsądniejszej skali.

Mocne strony

  • GLM‑5.3: wyraźny skok w kodzie i zadaniach agentowych względem 5.2; API i Coding Plan dostępne od premiery.
  • GLM‑5.2 łączy kontekst 1M z maksymalnym outputem 128K oraz funkcjami przydatnymi w agentach.
  • GLM‑5.3‑Flash, GLM‑5.2 i GLM‑4.7‑Flash mają wagi open; 5.3‑Flash i 4.7‑Flash na MIT; API współpracuje z klientem OpenAI.

Słabe strony / ryzyka

  • GLM‑5.3 ma własną licencję glm-5.3 (nie MIT); pełny 5.3 i 5.2 (~753B) wymagają infrastruktury klasy data center.
  • Najmocniejsze porównania jakości i benchmarki pochodzą od producenta; przed wdrożeniem potrzebne są testy na własnym kodzie i danych.
  • Dokumentacja koncentruje się na języku angielskim i chińskim; jakość polskiego oraz warunki governance dla zastosowań regulowanych wymagają osobnej walidacji.

Aktualne modele (przykłady)

  • GLM‑5.3 (wagi 28.08.2026) - kod/agenci, post‑train GLM‑5.2; API/Coding Plan; licencja glm-5.3 (nie MIT).
  • GLM‑5.3‑Flash (26.08.2026) - mniejszy wariant do kodu; wagi MIT.
  • GLM‑5.2 - 1M kontekstu, output do 128K, function calling, structured output, MCP; publiczne wagi MIT i API Z.ai.
  • GLM‑4.7‑Flash - 30B‑A3B MoE, kontekst 200K i output do 128K; MIT, wdrożenie m.in. przez vLLM lub SGLang.

Alternatywy (jeśli ten model nie pasuje)

DE
DeepSeek
tani reasoning i kod, także w wariantach open‑weight
QW
Qwen
szeroki wybór skal i modeli multimodalnych
MI
Mistral
europejski dostawca i prostsza ścieżka governance w UE