Китайский сюрприз: GLM4.7 бьёт по карману Anthropic
Платите $70 в месяц за Claude 4.5 Sonnet? А если я скажу, что есть модель, которая делает то же самое за $0? Ну, почти то же самое. GLM4.7 от Zhipu AI — это китайская open-source модель, которая неожиданно оказалась в топ-3 на Hugging Face Open LLM Leaderboard. И она бесплатна.
Важно: GLM4.7 требует Cursor Composer (CC) для полноценной работы как альтернатива Claude. Без CC это просто ещё одна LLM.
Что такое Cursor Composer и почему он меняет правила игры
Cursor Composer — это MCP (Model Context Protocol) инструмент, который превращает любую LLM в умного ассистента для программирования. Он анализирует контекст, предлагает изменения, генерирует код с пониманием архитектуры. Раньше это было эксклюзивом Claude. Теперь работает с GLM4.7.
1 Настройка GLM4.7 + Cursor Composer за 5 минут
Открываем Cursor. Идём в Settings → Features → Cursor Composer. Выбираем "Custom Provider".
{
"provider": "openai",
"apiBase": "https://api.bigmodel.cn/api/chat/completions",
"apiKey": "ваш_ключ_от_zhipu_ai",
"model": "glm-4-plus"
}Ключ получаем на bigmodel.cn. Регистрация простая, но нужен китайский номер телефона. (Да, это главная засада. Если нет — используйте SMS-активаторы или китайских друзей.)
Тест на реальных задачах: Python против TypeScript
Я взял три типовые задачи из своего рабочего проекта:
- Рефакторинг спагетти-кода на Flask (200 строк)
- Создание TypeScript интерфейса для GraphQL API
- Написание тестов с моками для асинхронной функции
| Задача | Claude 4.5 Sonnet | GLM4.7 + CC | Разница |
|---|---|---|---|
| Flask рефакторинг | 2 минуты, 1 правка | 3 минуты, 3 правки | На 50% медленнее |
| TypeScript интерфейс | Идеально с первого раза | Нужно уточнить nullable поля | Требует больше контекста |
| Тесты с моками | Генерирует Jest и Sinon | Только Jest, без Sinon | Менее продвинутые моки |
Где GLM4.7 выигрывает безоговорочно
Китайская модель знает про Alibaba Cloud, Tencent Cloud и другие азиатские сервисы лучше, чем Claude. Если работаете с азиатскими API — GLM4.7 даст более релевантные примеры.
Ещё один кейс: документация на китайском. GLM4.7 переводит и объясняет китайские документы так, будто читал их в оригинале. Claude часто теряется в переводе.
Экономика: откуда берутся $100
Claude 4.5 Sonnet стоит $70/месяц за 1M токенов. GLM4.7 через bigmodel.cn — $0.016 за 1K токенов. Цифры скучные, давайте на реальных данных.
Мой типичный месяц:
- Код-ревью: ~500K токенов
- Генерация кода: ~300K токенов
- Документация: ~200K токенов
- Итого: 1M токенов
Claude: $70 фиксированно. GLM4.7: 1,000,000 / 1,000 * 0.016 = $16.
Экономия: $54 в месяц. Почему тогда $100 в заголовке? Потому что я считаю для команды из двух человек. Или для того, кто использует больше токенов. Или для того, кто параллельно пользуется другими платными сервисами, которые можно заменить.
bigmodel.cn иногда тормозит. Особенно в часы пик в Китае. Если критична скорость — учитывайте это.
2 Оптимизация расходов: гибридный подход
Не нужно выбирать одно или другое. Используйте GLM4.7 для рутинных задач, Claude — для сложных. Настройте в Cursor переключение между моделями по хоткею.
// Пример конфига для автоматического переключения
const modelSelector = (taskComplexity) => {
if (taskComplexity === 'refactor' || taskComplexity === 'architecture') {
return 'claude-4.5-sonnet';
}
return 'glm-4-plus';
};Подводные камни, о которых молчат
GLM4.7 иногда генерирует код с китайскими комментариями. Даже если промпт на английском. Это раздражает, но лечится пост-обработкой.
Ещё проблема: модель обучена на данных до 2023 года. Не ждите от неё знания про последние версии библиотек. Claude в этом плане свежее.
Самое главное: GLM4.7 через bigmodel.cn требует VPN в некоторых регионах. Или используйте дешёвый GPU-провайдер для запуска своей инстанции.
А что с локальным запуском?
GLM4.7 весит 14B параметров. Для локального запуска нужна видеокарта с 16+ GB VRAM. Или можно использовать квантованную версию через llama.cpp.
Но зачем? API bigmodel.cn дешевле, чем электричество для локальной карты. Если только вы не обрабатываете конфиденциальные данные.
3 Бенчмарк против других open-source моделей
Сравнил GLM4.7 с Mistral Small и Llama 3.1 8B на HumanEval:
| Модель | HumanEval Pass@1 | Стоимость 1K токенов | Соотношение цена/качество |
|---|---|---|---|
| GLM4.7 | 78.2% | $0.016 | Лучшее |
| Claude 4.5 Sonnet | 85.1% | $0.07 | Худшее |
| Llama 3.1 8B | 72.4% | $0.02 | Среднее |
GLM4.7 даёт 92% качества Claude за 23% цены. Цифры не врут.
Стоит ли переходить прямо сейчас?
Да, если:
- У вас есть китайский номер для регистрации (или готовность использовать обходные пути)
- Вы не работаете с ultra-fresh технологиями (выше React 19 или Python 3.12)
- Готовы мириться с occasional Chinese comments
- Хотите сэкономить $50+ в месяц
Нет, если:
- Скорость ответа критична (Claude всё ещё быстрее)
- Работаете с конфиденциальными данными (используйте локальные LLM)
- Нужна максимальная точность для production-кода
Мой стек на сегодня
Я использую GLM4.7 для 80% задач: код-ревью, генерация boilerplate, документация. Claude оставляю для архитектурных решений и сложных рефакторингов.
Экономия: около $60 в месяц. На эти деньги можно купить ещё один монитор. Или оплатить Netflix на год. Или просто выпить больше кофе.
Попробуйте неделю. Если не понравится — всегда можно вернуться к Claude. Но сначала посчитайте, сколько вы сэкономили за эту неделю.
GLM4.7 — не убийца Claude. Это бюджетная альтернатива, которая заставляет задуматься: а не переплачиваем ли мы за бренд? Особенно когда open-source модели догоняют проприетарные по качеству.
Пока Anthropic думает, как оправдать $70 в месяц, китайцы просто делают хорошую модель за меньшие деньги. Рынок AI становится похож на рынок смартфонов: дорогие флагманы против бюджетных workhorses. Выбирайте то, что работает для вас, а не то, что модно.
