GLM 5.2: китайский AI-монстр с открытыми весами и ценой в 26 раз дешевле Fable 5

Китай выкатил ответ на Fable 5 — и это серьёзно

13 июня 2026 года, через день после того как США заблокировали доступ к Claude Fable 5 для всех неамериканцев, Zhipu AI (智谱) выпустили GLM 5.2. Совпадение? Возможно. Но тайминг идеальный: пока весь мир остался без самой мощной модели, китайцы предлагают альтернативу — бесплатно, с открытыми весами, и с результатами, которые заставляют задуматься.

GLM 5.2 — это 744-миллиардная Mixture-of-Experts модель с контекстом 1M токенов, двумя режимами рассуждения и первой-в-мире frontier-моделью, обученной полностью на чипах Huawei Ascend, без единого NVIDIA GPU.

Архитектура: 744B параметров, 40B активных

MoE на стероидах

GLM 5.2 использует архитектуру Mixture-of-Experts с 256 экспертами, из которых только 8 активируются на каждый токен. Итого: 744 миллиарда параметров в модели, но при инференсе работают всего ~40 миллиардов. Это даёт:

• Качество уровня моделей с 700B+ параметрами
• Скорость на уровне моделей с 40-70B параметрами
• Стоимость в разы ниже, чем у dense-моделей аналогичного уровня

Multi-head Latent Attention

Вместо стандартного Multi-head Attention, GLM 5.2 использует MLA — Multi-head Latent Attention. Это снижает потребление памяти на 33% по сравнению с классическим MHA. При контексте в 1M токенов это критически важно: без такой оптимизации модель просто не поместилась бы в доступные GPU-кластеры.

Обучение на Huawei Ascend

GLM-5 — первая frontier-модель, обученная полностью без NVIDIA. Zhipu использовали чипы Huawei Ascend 910B, которые Китай разрабатывает как замену A100/H100. Для ML-сообщества это важный сигнал: монополия NVIDIA на обучение крупных моделей больше не абсолютна.

Режимы рассуждения: High и Max

GLM 5.2 предлагает два режима reasoning:

• High — для повседневных задач: генерация, рефакторинг, чат. Быстрее, дешевле.
• Max — для сложного multi-step reasoning: отладка, архитектурный анализ, агентные сценарии. Медленнее, но значительно точнее.

Zhipu рекомендует Max для всего, что связано с кодингом. По их данным, разница между High и Max на задачах кодинга — до 15% точности.

Бенчмарки: что говорят числа

BridgeBench Reasoning

Главная цифра, которая привлекла внимание: 42.8 балла на BridgeBench — бенчмарке, который коррелирует с реальной производительностью в multi-step агентных задачах. Для сравнения: Fable 5 набрал 41.5.

Разбивка по категориям:

Stateful Execution 71.1 — это впечатляющий результат. Он показывает, что модель хорошо отслеживает состояние на протяжении длинных цепочек операций. Для кодинга это критично: модель должна помнить, что она изменила 15 шагов назад.

SWE-Bench Pro

Zhipu не опубликовали официальные результаты GLM 5.2 на SWE-Bench при релизе. Для контекста: предыдущая версия GLM 5.1 набрала 58.4% на SWE-Bench Pro, обойдя GPT-5.4 (57.7%) и Claude Opus 4.6 (57.3%). Результаты GLM 5.2 ожидаются с выходом standalone API.

Антигаллюцинации: Slime

Zhipu разработали собственный фреймворк Slime для пост-тренинга через асинхронный Reinforcement Learning. Результат: hallucination rate снизился с 90% (у GLM 4.7) до 34% (у GLM 5.x). Это всё ещё не идеально, но прогресс колоссальный.

Цены: в 300 раз дешевле?

Это заявление из новостей требует контекста.

Текущие цены GLM-5

По output-токенам: Fable 5 стоит $50, GLM-5 стоит $1.92. Разница — 26 раз. Если брать input: $10 vs $0.60 — разница 16.7 раз. «В 300 раз дешевле» — это маркетинговая цифра, но разница всё равно на порядок.

Бесплатный доступ

GLM 5.2 доступен бесплатно через:
- ZCode 3.0 (zcode.z.ai) — IDE для кодинга
- api.z.ai — API с OpenAI-совместимым endpoint
- Hugging Face и ModelScope — скачиваемые веса (MIT лицензия)

Бесплатный tier — это не промо-акция на месяц. MIT-лицензия означает, что веса можно скачать и запускать на своём железе. Навсегда. Без ограничений.

ZCode 3.0: IDE для агентного кодинга

GLM 5.2 — это не просто модель, а движок для ZCode 3.0 — coding IDE от Zhipu. Из коробки поддерживаются:

• Claude Code — да, GLM 5.2 работает как backend для Claude Code через OpenAI-совместимый API
• Cline — популярный VS Code-плагин
• OpenCode — open-source альтернатива
• Roo Code, Goose, Crush, OpenClaw, Kilo Code — восемь агентов в день релиза

Практический пример: подключение к Claude Code

# Конфиг для Claude Code с GLM 5.2 backend
export ANTHROPIC_BASE_URL="https://api.z.ai/v1"
export ANTHROPIC_API_KEY="your-zai-key"

claude "Add pagination to the articles index with Kaminari"

Или через Python SDK с OpenAI-совместимым API:

from openai import OpenAI

client = OpenAI(
    api_key="your-zai-key",
    base_url="https://api.z.ai/v1"
)

response = client.chat.completions.create(
    model="glm-5.2-max",  # или glm-5.2-high для быстрых задач
    messages=[
        {"role": "system", "content": "You are a senior Rails developer."},
        {"role": "user", "content": "Refactor this controller to use service objects"}
    ],
    max_tokens=16384
)

print(response.choices[0].message.content)

GLM 5.2 vs Fable 5: честное сравнение

Где GLM 5.2 сильнее

• Цена: на порядок дешевле
• Доступность: MIT-лицензия, можно запускать on-premise
• BridgeBench reasoning: 42.8 vs 41.5
• Независимость от NVIDIA: стратегический плюс
• Геополитика: не зависит от американских экспортных ограничений

Где Fable 5 сильнее

• SWE-Bench Pro: 80.3% — пока недосягаемый результат
• Экосистема: глубокая интеграция с Anthropic tooling
• Extended thinking: более зрелая реализация
• Safety: cascading fallback на Opus 4.8

Честный вердикт

GLM 5.2 — не убийца Fable 5 в кодинге. Пока нет результатов SWE-Bench, сравнивать главное — невозможно. BridgeBench 42.8 vs 41.5 — это разница в 3%, на одном бенчмарке. Но GLM 5.2 — это убийца Fable 5 по доступности: бесплатный, открытый, работающий везде в мире.

Практические рекомендации

Когда выбирать GLM 5.2

1. Бюджет — если платишь за API из своего кармана, $0.60/$1.92 vs $10/$50 — это другая вселенная
2. On-premise — MIT-лицензия позволяет развернуть на своих серверах
3. Длинные агентные сессии — 1M контекст + дешёвые токены = можно не экономить на контексте
4. Вне США — единственный frontier-tier вариант после блокировки Fable 5
5. Эксперименты — бесплатный доступ = нулевой порог входа

Когда НЕ выбирать GLM 5.2

1. Критичный production-кодинг — пока нет SWE-Bench результатов, Fable 5 (если доступен) надёжнее
2. Safety-критичные задачи — у Anthropic более зрелая система safety
3. Нужна стабильная экосистема — ZCode 3.0 молодой продукт, баги неизбежны

Быстрый старт

# 1. Регистрация на z.ai
# 2. Получение API key
# 3. Тест через curl

curl https://api.z.ai/v1/chat/completions \
  -H "Authorization: Bearer $ZAI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2-max",
    "messages": [
      {"role": "user", "content": "Write a Ruby migration to add polymorphic comments to any model"}
    ],
    "max_tokens": 4096
  }'

Что это значит для индустрии

GLM 5.2 — это не просто ещё одна модель. Это три сигнала одновременно:

1. Чипы: frontier-модели можно обучать без NVIDIA. Huawei Ascend 910B справляется.
2. Открытость: MIT-лицензия на 744B-параметровую модель — это новый стандарт для open-source AI.
3. Конкуренция: американские export controls создали вакуум, и Китай его заполняет. Быстро.

Для разработчиков главное: появилась бесплатная, открытая, frontier-class модель с 1M контекстом и агентными возможностями. Даже если GLM 5.2 не лучше Fable 5 в каждом бенчмарке — она доступна. А Fable 5 — нет.

Чеклист:
- Попробуй GLM 5.2 через ZCode или API — это бесплатно
- Сравни на своих задачах: BridgeBench ≠ твой проект
- Не верь маркетингу «в 300 раз дешевле» — реально в 16-26 раз, что всё равно впечатляет
- Следи за SWE-Bench результатами — они покажут реальную картину
- Рассмотри on-premise — MIT-лицензия это позволяет