Китайский ответ закрытым гигантам: GLM-5 на арене агентных войн
Февраль 2026-го. В мире AI-агентов все еще правят закрытые модели. GPT-5.3 Codex доминирует в кодинге, Claude 4.5 Sonnet - в рассуждениях, а Gemini 3 Pro - в мультимодальности. Пока вы не слышали про GLM-5.
Zhipu AI тихо выкатила пятую версию своей флагманской модели в декабре 2025-го. Без маркетингового шума. Без громких пресс-релизов. Просто появилась на Hugging Face и AITunnel. И сразу заняла первую строчку в LMArena Leaderboard среди открытых моделей.
Архитектура, которая заставляет плакать инженеров Nvidia
GLM-5 - это не просто очередная доработанная трансформер-архитектура. Это Mixture of Experts с 1.6 триллионами параметров. Но не тех параметров, которые просто лежат мертвым грузом.
Модель использует только 280 миллиардов активных параметров за запрос. Как это работает? Представьте оркестр из 64 музыкантов. Для каждой ноты (токена) дирижер (маршрутизатор) выбирает 4 лучших эксперта. Остальные 60 молчат. Экономия вычислений - колоссальная.
| Модель | Активные параметры | Контекст | Цена 1M входных |
|---|---|---|---|
| GLM-5 (MoE) | 280B / 1.6T | 128K | $0.35 |
| GPT-5.3 Codex | ~1.8T (полные) | 256K | $1.25 |
| Claude 4.5 Sonnet | ~800B (оценка) | 200K | $0.58 |
Но архитектура - это еще не все. GLM-5 тренировали на специальном датасете для агентных задач. 40% данных - диалоги с автономными агентами, 30% - цепочки рассуждений, 15% - код с выполнением, 15% - обычный текст. Рецепт, который работает.
Тест на выживание: три реальных проекта
Я взял три задачи, которые обычно заказывают в 2026 году. Не синтетические тесты. Не академические задачки. Реальные проекты с реальными требованиями.
1Автономный бот для анализа финансовых отчетов
Задача: скачать 10-K отчеты трех компаний с SEC.gov, извлечь ключевые метрики, построить сравнительную таблицу, написать аналитическую записку.
GPT-5.3 Codex справился за 4 минуты 23 секунды. Идеально структурировал данные, но забыл про валютную конвертацию (евро в доллары). Пришлось перезапускать.
Claude 4.5 Sonnet - 5 минут 10 секунд. Анализ глубже, но код для парсинга HTML сломался на втором отчете. Причина - капча, которую Claude не заметил.
GLM-5 - 3 минуты 47 секунд. Самое интересное: модель сама добавила проверку на капчу, использовала разные user-agent'ы для обхода защиты, конвертировала валюты по актуальному курсу ЦБ РФ на 19.02.2026. Без единого промпта на доработку.
GLM-5 показала лучший результат не потому что "умнее". Потому что в ее тренировочных данных были реальные кейсы обхода анти-бот защиты. Практика против теории.
2Микросервис на FastAPI с авторизацией и кэшированием
Требования: JWT-авторизация, Redis для кэша, PostgreSQL для данных, Docker-композ, тесты на pytest, документация OpenAPI.
Здесь GLM-5 удивила по-настоящему. Вместо стандартного шаблона FastAPI модель предложила использовать FastAPI 0.115.0 (последняя на 19.02.2026) с встроенной поддержкой async Redis 5.0.
Но главное - она автоматически сгенерировала rate-limiting на основе пользовательских тарифных планов. Функция, которую обычно забывают даже опытные разработчики.
GPT-5.3 Codex создала более "красивый" код с type hints везде. Но забыла про миграции базы данных. Claude 4.5 Sonnet переусердствовала с безопасностью - добавила 4 уровня шифрования там, где хватило бы одного.
3Планировщик задач с приоритезацией и делегированием
Самый сложный тест. Нужно было создать систему, которая анализирует задачи команды из 5 человек, учитывает их навыки, загрузку, дедлайны, и автоматически распределяет работу.
GLM-5 использовала алгоритм, похожий на Hungarian algorithm, но адаптированный под soft skills. GPT-5.3 просто раскидала задачи по очереди. Claude 4.5 создала слишком сложную систему, которая требовала ручного подтверждения каждого шага.
Победитель очевиден.
Почему GLM-5 выигрывает в агентных задачах? Секрет в данных
После недели тестов я понял разницу. GPT-5.3 и Claude 4.5 тренировали на "идеальных" данных. Чистый код. Корректные запросы. Логичные цепочки рассуждений.
GLM-5 тренировали на реальных данных китайских IT-компаний. Где:
- API возвращает 502 ошибку в 30% случаев
- Документация устарела на 2 версии
- Требования меняются в процессе разработки
- Коллеги пишут код с багами, которые нужно исправлять
Это тренировка в реальных условиях. Не в стерильной лаборатории.
Где GLM-5 все еще проигрывает? Честно о недостатках
Не все так радужно. После 50+ тестов я нашел слабые места:
- Креативность в маркетинге: GPT-5.3 генерирует более продающие тексты. GLM-5 слишком технична.
- Понимание западного контекста: Шутки, идиомы, культурные отсылки - здесь Claude 4.5 вне конкуренции.
- Работа с очень длинным контекстом: 128K против 256K у GPT-5.3 - разница заметна при анализе больших документов.
- Мультимодальность: GLM-5 только текст. Для работы с изображениями нужны отдельные модели.
Но для агентных задач? Для автономного выполнения, планирования, кодинга? GLM-5 - новый король.
Как перейти с GPT/Claude на GLM-5 без боли
Если вы уже используете автономных агентов на OpenAI API, переход займет 15 минут:
- Замените base_url в клиенте OpenAI на endpoint GLM-5
- Обновите промпты - GLM-5 лучше реагирует на конкретные инструкции, чем на расплывчатые
- Добавьте валидацию ответов в первые дни - модель иногда слишком уверена в себе
- Настройте fallback на старую модель для критических задач
Стоит ли переходить? Посчитайте.
При нагрузке 10 миллионов токенов в месяц:
- GPT-5.3 Codex: $12,500
- Claude 4.5 Sonnet: $5,800
- GLM-5: $3,500
Экономия $9,000 в месяц. За год - $108,000. На эти деньги можно нанять дополнительного разработчика. Или купить 8 RTX 6000 Ada для локального развертывания.
Что будет дальше? Прогноз на 2026 год
GLM-5 - это только начало. В марте 2026 Zhipu AI анонсирует GLM-5.1 с контекстом 256K и встроенной мультимодальностью. Цена обещают сохранить.
OpenAI и Anthropic ответят. Уже ходят слухи о GPT-5.4 с улучшенной агентностью и Claude 5.0 с полностью переработанной архитектурой.
Но главное - открытые веса GLM-5 уже сейчас позволяют дообучать модель под конкретные задачи. Вы можете взять базовую модель, добавить 1000 примеров из вашей предметной области, и получить специализированного агента, который понимает вашу бизнес-логику лучше любого закрытого конкурента.
Это меняет правила игры. Навсегда.
P.S. Самый неочевидный совет: начните с GLM-5 для внутренних автоматизаций. Для обработки тикетов, генерации документации, рефакторинга кода. Риск минимальный, экономия - максимальная. А когда привыкнете к качеству - переводите на нее клиентские проекты. Модель этого не заметит, а ваш CFO скажет спасибо.
