# GLM-5.2 Menyamai Claude Opus 4.8: Model Terbuka Ini Berharga 5 Kali Lebih Murah > GLM-5.2 daripada Z.ai menulis kod hampir sebaik Claude Opus 4.8, tetapi kosnya jauh lebih rendah. Saya meneliti ujian, harga dan cara menyambungkan model terbuka ini kepada Claude Code dalam 5 minit. Source: https://ailoot.ai/blog/ms/glm-5-2-vs-claude-code/ Canonical: https://ailoot.ai/blog/ms/glm-5-2-vs-claude-code/ Language: ms Publisher: Ailoot (https://ailoot.ai/) Translation: guide-101 Revision: sha256-eae48af2301eed443e8e8d77cd6e699f637e22d2159b4db129b41345065a405e
Perkara penting Dikemas kini pada September 2026: GLM-5.3 (14 Ogos) menyusuli GLM-5.2, dan semua angka di bawah kini merujuk kepadanya. GLM daripada Z.ai, syarikat China, menulis kod pada tahap Claude Opus 4.8, malah mengatasinya dalam sesetengah bidang, sambil berharga jauh lebih murah dan tersedia secara terbuka. Untuk kerja rutin, tugasan frontend dan suntingan bersaiz sederhana, ia menggantikan Opus pada satu perlima harganya. Opus masih lebih boleh diharap untuk tugasan autonomi paling panjang, walaupun jurang SWE-Marathon dalam jadual Z.ai turun daripada 29.4 kepada 6.3 mata peratusan. Di bawah ialah angka sebenar dan cara menyambungkan GLM kepada Claude Code dalam 5 minit.
[Dokumentasi Ailoot](https://ailoot.ai/docs/) — bahan rujukan tentang penggunaan perkhidmatan ini.
## Apakah GLM-5.2, dan mengapa semua orang bercakap tentangnya?
Perkara penting GLM-5.2 ialah model daripada Z.ai, syarikat yang berpangkalan di Beijing (dahulunya Zhipu), yang dilancarkan pada 13 Jun 2026, sehari selepas kerajaan AS memaksa Anthropic menyahaktifkan model terbaiknya, Fable 5 dan Mythos 5. Versi semasa dalam siri ini ialah GLM-5.3 (14 Ogos 2026). Ciri utama keluarga model ini ialah mutu kod yang hampir setanding dengan Opus, dengan pemberat terbuka dan harga yang jauh lebih rendah.
Dua minggu lalu, sesuatu yang jarang berlaku dalam komuniti pengaturcaraan terjadi: model terbuka dari China menyamai Claude yang paling mahal. GLM-5.2. Ringkasnya, GLM ialah model yang sangat besar: 753 bilion parameter, tetapi hanya sebahagian kecil (kira-kira 40 bilion) diaktifkan bagi setiap permintaan, jadi ia pantas dan murah walaupun saiznya besar. Tetingkap konteksnya ialah 1 juta token, kira-kira bersamaan sebuah buku 700 halaman dalam satu masa. Model ini dibangunkan oleh Z.ai, syarikat berpangkalan di Beijing yang bermula di Universiti Tsinghua. Perkara utama: model ini tersedia secara terbuka. GLM-5.2 menggunakan lesen MIT; GLM-5.3 mempunyai lesen GLM-5.3 License sendiri, yang juga permisif dari segi prinsip: ambil dan gunakannya. Satu-satunya sekatan dikenakan kepada syarikat gergasi—perkhidmatan dengan hasil tahunan $10 billion atau lebih mesti menjalani semakan keselamatan Z.ai. Senario yang diterangkan tidak mempunyai sekatan wilayah, tidak seperti Claude. Masa pelancarannya memihak kepadanya. Sehari sebelum pelancarannya, arahan kerajaan AS memaksa Anthropic menutup dua model teratasnya dengan segera.

Kami menerima arahan daripada kerajaan hari ini pada 5:21 petang Waktu Timur. Untuk mematuhi keperluannya, kami terpaksa menyahaktifkan Fable 5 dan Mythos 5 secara mendadak untuk semua pelanggan kami.

— Anthropic, https://www.anthropic.com/news/fable-mythos-access
GLM-5.2 dilancarkan keesokan harinya—terbuka, tanpa sekatan dan murah. Pada masa itu, kedudukannya ialah keempat keseluruhan—di belakang Fable 5, Opus 4.8 dan GPT-5.5. Namun, antara model yang boleh anda muat turun dan jalankan tanpa kebenaran pembangunnya, inilah yang terbaik. Bagi seorang usahawan, maksudnya satu perkara: pesaing kuat Claude telah muncul pada harga secawan kopi. Selepas itu, pelancaran model berlangsung pantas. Pada 24 Julai, Anthropic melancarkan Opus 5 pada harga yang sama—$5 dan $25 bagi setiap juta token. GLM-5.3 menyusul pada 14 Ogos: 753 bilion parameter dan konteks sejuta token yang sama, tetapi jauh lebih baik dalam pengekodan—50% lebih tinggi berbanding GLM-5.2 dalam ujian dalaman Z.ai. Pada 1 September, Anthropic memperkenalkan Fable 5.1 dan Mythos 5.1. Jadi, mulai sekarang, angka dalam artikel ini merujuk kepada versi semasa, GLM-5.3. ## Adakah GLM-5.2 benar-benar menyamai Claude dalam pengekodan?
Perkara penting Dengan pelancaran GLM-5.3, keadaannya berubah. Dalam jadual rasmi Z.ai, ia mengatasi Opus 4.8 dalam lima daripada tujuh ujian dan hampir menutup kelemahan utama GLM-5.2—tugasan yang mengambil masa berjam-jam (SWE-Marathon: GLM-5.2 19.4, GLM-5.3 42.5 dan Opus 4.8 48.8 dalam jadual laporan yang sama). Opus 5 tidak disertakan dalam jadual ini, dan belum ada pengukuran bebas “GLM-5.3 berbanding Opus 5”. Jawapan yang jujur ialah: GLM-5.3 kini mendahului Opus 4.8; tentang Opus 5, kita belum tahu.
Angka di bawah diambil daripada kad model rasmi GLM-5.3 di HuggingFace. Z.ai membandingkan modelnya dengan Opus 4.8, bukannya Opus 5—ingat bahawa ini ialah jadual mereka. | Ujian | GLM-5.3 | GLM-5.2 | Opus 4.8 | Perkara yang ditunjukkan | |----|----|----|----|----| | Terminal-Bench 2.1 (kerja terminal) | 88.2 | 81.0 | 85.0 | GLM-5.3 mendahului | | Terminal-Bench 3.0 | 28.3 | 4.6 | 21.1 | Lonjakan enam kali ganda; Opus 4.8 ketinggalan | | DeepSWE (tugasan sebenar daripada repositori) | 66.9 | 46.2 | 58.0 | GLM-5.3 mendahului | | FrontierSWE (tugasan bersaiz sederhana) | 78.1 | 67.5 | 66.5 | GLM-5.3 mendahului | | NL2Repo (suntingan dalam projek besar) | 58.0 | 48.9 | 69.7 | Opus masih lebih baik | | SWE-Marathon (tugasan berjam-jam) | 42.5 | 19.4 | 48.8 | Jurang turun daripada 29.4 kepada 6.3 mata peratusan | | CyberGym (mengesan kelemahan keselamatan) | 84.5 | 77.2 | 78.1 | GLM ialah yang terbaik | Gambarannya begini: GLM-5.3 mengatasi Opus 4.8 dalam hampir semua perkara dan ketinggalan apabila tugasan memerlukan penulisan semula seluruh bahagian projek besar atau menjejaki tugasan selama berjam-jam tanpa hilang arah. Pada penanda aras berjam-jam ini, jurang yang dilaporkan mengecil sebanyak 23.1 mata peratusan: (48.8 − 19.4) − (48.8 − 42.5) = 23.1. Itu pengurangan jurang kira-kira 79%, bukan separuh; ia menerangkan jadual ini dan bukannya kadar kebolehpercayaan yang diukur pada projek anda. Kerja autonomi jangka panjang ialah cabaran terakhir yang masih dikuasai Opus. Pada bulan Jun, tidak lama selepas GLM-5.2 dilancarkan, pasukan Cline meminta model itu dan Opus 4.8 membaiki pepijat sebenar dalam projek mereka.

Kedua-dua model membaiki pepijat itu, tetapi GLM menang dari segi harga dan mutu kod: GLM menggunakan dua kali lebih banyak token tetapi kosnya separuh. Opus meninggalkan ralat jenis yang lulus ujian tetapi merosakkan binaan produksi.

— Cline
Menariknya, GLM kadangkala mengatasi Claude dalam tugasan khusus. Syarikat keselamatan Semgrep (bukan pembangun GLM dan merupakan pihak bebas) menguji model untuk mengesan kelemahan keselamatan dan mendapati GLM-5.2 tanpa ejen mengatasi ejen yang berasaskan Opus. Namun, mereka turut menyertakan peringatan penting yang patut diingati.

Ini satu larian pada satu set data. Kerangka di sekeliling model lebih penting daripada model itu sendiri.

— Semgrep
Ingat peringatan itu—kerangka lebih penting daripada model. Kesimpulan daripada ujian: GLM-5.3 telah menyamai dan mengatasi Opus 4.8 dalam pengekodan harian, dan hampir setanding dalam tugasan paling sukar. Kami akan menerangkan perbandingannya dengan Opus 5 apabila pengukuran bebas diterbitkan. Untuk kebanyakan tugasan usahawan, kelebihan semasa sudah memadai. ## Berapa jauh lebih murah GLM-5.2 berbanding Claude?
Perkara penting Bagi setiap token, GLM-5.3 3.5 kali lebih murah daripada Opus 5 untuk input dan hampir 6 kali lebih murah untuk output—harga kedua-duanya tidak berubah sejak generasi sebelumnya. Untuk bil bulanan dengan beban kerja biasa, perbezaannya kira-kira 5 kali ganda. Namun, ada satu perkara: GLM menggunakan lebih banyak token bagi tugasan yang sama, jadi penjimatan sebenar untuk tugasan tertentu berkisar antara 2 hingga 7 kali ganda.
Inilah intinya. Mari bandingkan harga bagi setiap juta token. | Model | Input (\$/1M) | Output (\$/1M) | |----|----|----| | GLM-5.3 (terus daripada Z.ai) | \$1.40 | \$4.40 | | Claude Sonnet 5 | \$2.00 | \$10.00 | | Claude Opus 5 | \$5.00 | \$25.00 | | Claude Mythos 5.1 (Claude paling mahal) | \$10.00 | \$50.00 | Jadi penjimatan sebenar untuk tugasan tertentu adalah antara 2 hingga 7 kali ganda, bergantung pada kekerapan GLM perlu menyemak semula kerjanya. Angka ini lebih rendah daripada “5 kali” yang dijanjikan oleh harga, tetapi wang masih kekal dalam poket anda. GLM ialah salah satu cara untuk membayar kurang; saya turut menyediakan ulasan berasingan tentang DeepSeek dan [model pengekodan murah yang lain](https://ailoot.ai/blog/ms/free-coding-models/). Menjimatkan kos pada satu model hanyalah permulaan. Lebih penting untuk membina sistem yang menghalang Claude daripada berhalusinasi dengan mana-mana model. Model pilihan anda ialah enjinnya. Kandungan yang dimasukkan ke dalam konteks membina keretanya. ## Cara menyambungkan GLM-5.2 kepada Claude Code dalam 5 minit
Perkara penting Tiada apa-apa yang perlu dimuat turun—GLM disambungkan kepada Claude Code biasa melalui pemboleh ubah persekitaran. Cara yang diterangkan ialah langganan Z.ai (daripada \$18 sebulan, paling mudah untuk kerja harian). Di bawah ialah langkah tepat; salin dan tampal sahaja.
Bahagian terbaiknya: anda tidak perlu menukar alat. Claude Code kekal, dan hanya model yang menjawab di sebalik tabir berubah. Sambungannya hanya memerlukan beberapa baris dalam tetapan. ### Pilihan 1 - langganan Z.ai (untuk kerja harian) Z.ai menawarkan langganan GLM Coding Plan khas yang disesuaikan untuk alat pengekodan. Harganya tetap dan titik akhir API menggunakan format asli Claude Code. 1. #### Langgan Pergi ke z.ai/subscribe dan pilih pelan. Lite bermula pada \$18 sebulan (cukup untuk sehari penuh kerja intensif); terdapat pelan lebih mahal untuk mereka yang menulis kod sepanjang hari. 2. #### Cipta kunci Di z.ai, pergi ke API Keys, klik “Create a new API key,” kemudian salinnya. 3. #### Tetapkan konfigurasi Buka fail ~/.claude/settings.json dan tampal blok di bawah, gantikan pemegang tempat dengan kunci anda. 4. #### Mulakan semula terminal Buka terminal baharu, jalankan claude dan masukkan /status untuk menyemaknya. ```json { "env": { "ANTHROPIC_AUTH_TOKEN": "your_z_ai_key", "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-5.3-flash[1m]", "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]", "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]", "API_TIMEOUT_MS": "3000000" } } ```
Amaran Dua kesilapan lazim dalam panduan lain. Pertama: nama pemboleh ubahnya `ANTHROPIC_AUTH_TOKEN`, bukannya `ANTHROPIC_API_KEY`. Kedua: alamat khusus untuk Claude Code ialah `https://api.z.ai/api/anthropic` (format Anthropic). `/api/paas/v4` sahaja tidak akan berfungsi dengan langganan ini.
Selepas itu, Claude Code akan memaparkan nama “Opus” dan “Sonnet”, tetapi GLM akan berjalan di sebalik tabir—Z.ai menukar model di pihaknya. Jika glm-5.2 masih ditetapkan dalam konfigurasi anda, itu tidak mengapa: Z.ai sendiri menghalakan permintaan untuk GLM-5.2 dan 5.1 kepada GLM-5.3, dan permintaan untuk GLM-4.7 kepada GLM-5.3-Flash. 1. #### Dapatkan kunci 2. #### Tambah dana 3. #### Tetapkan konfigurasi Tampal blok di bawah ke dalam ~/.claude/settings.json—model GLM sudah ditetapkan di dalamnya. 4. #### Mulakan Claude Code Buka terminal baharu dan jalankan claude. Anda boleh menukar model serta-merta dengan arahan /model. ```json { "env": { "ANTHROPIC_BASE_URL": "", "ANTHROPIC_AUTH_TOKEN": "sk-or-v1-YOUR-KEY", "ANTHROPIC_API_KEY": "", "ANTHROPIC_DEFAULT_OPUS_MODEL": "z-ai/glm-5.3", "ANTHROPIC_DEFAULT_SONNET_MODEL": "z-ai/glm-5.3" } } ``` ### Menjalankannya secara setempat di rumah — sejujurnya, tidak realistik Memandangkan pemberatnya terbuka, soalan yang jelas ialah: bolehkah anda memuat turun dan menjalankannya sendiri secara percuma? Bagi usahawan yang tidak mempunyai pelayan sendiri, tidak boleh. GLM-5.3 dengan 753 bilion parameter yang sama memerlukan pelayan setaraf lapan kad grafik H200 (lebih satu terabait memori video dan perkakasan bernilai ratusan ribu dolar). Ia langsung tidak akan berjalan pada komputer riba kelas tertinggi sekalipun. Lesen terbuka ini berkaitan perkara lain: persaingan harga dan ketiadaan sekatan. Anda masih akan menggunakannya melalui API. ## Bila patut menggunakan GLM-5.2, dan bila patut mengekalkan Claude Opus?
Perkara penting Peraturan mudah: GLM ialah tenaga kerja murah untuk 80% kerja pengekodan; Opus ialah pakar yang mahal dan boleh diharap untuk tugasan sukar. Gunakan GLM untuk draf, iterasi, kerja frontend dan tugasan rutin yang tidak mengapa jika perlu dibuat semula. Kekalkan Opus untuk seni bina akhir yang kompleks, tugasan panjang berbilang langkah dan logik kritikal yang mesti “betul pada kali pertama”.
Anda tidak perlu memilih satu model untuk selama-lamanya. Pengatur cara vibe yang bijak mengekalkan kedua-duanya dan bertukar mengikut tugasan. Berikut peraturan praktikal berdasarkan maklum balas pengamal. **Gunakan GLM apabila:** 1. Membuat draf dan mengulanginya—lakarkan sesuatu, semak dan buat semula. 2. Menangani frontend, reka letak dan kod pangkalan data standard. 3. Memerlukan banyak kerja rutin yang murah dan tidak mengapa jika perlu dibuat semula. 4. Memerlukan tetingkap konteks yang besar dengan kos yang sangat rendah. 5. Mahu membayar kurang untuk 80% tugasan yang lebih mudah. **Kekalkan Opus apabila:** 1. Menulis kod seni bina kompleks yang muktamad. 2. Menjalankan tugasan panjang berbilang langkah yang agennya tidak boleh tersekat. 3. Mengendalikan logik kritikal yang kesilapannya membawa kos tinggi. 4. Perlu mendapatkan hasil yang betul pada kali pertama—Opus memerlukan separuh bilangan pembetulan. GLM-5.2 mempunyai kelemahan yang didokumenkan: dalam tugasan panjang berbilang langkah, kadangkala ia tersekat dalam gelung dan mengulangi tindakan yang sama. Dalam jadual SWE-Marathon yang dilaporkan Z.ai, GLM-5.3 mengecilkan jurang dengan Opus 4.8 daripada 29.4 kepada 6.3 mata peratusan (42.5 berbanding 48.8). Opus masih mendapat skor lebih tinggi dalam ujian itu, tetapi ini sendiri tidak mengukur kebolehpercayaan pada tugasan autonomi panjang anda. Inilah perangkapnya: alat termurah tidak semestinya menghasilkan kerja termurah. Jika GLM membuat kerja yang kurang baik sebanyak tiga kali dan anda perlu menyiapkannya sendiri, model murah akhirnya menelan kos lebih tinggi daripada Opus yang dapat menyiapkannya dengan betul pada kali pertama. Kira kos hasil yang siap, bukan harga bagi setiap token. Jika anda kekal menggunakan Claude, saya membincangkan secara berasingan model yang patut dipilih untuk tugasan anda, [Sonnet atau Opus](https://ailoot.ai/blog/ms/claude-code-model-effort-sonnet-opus/). ## Apakah syarat akses dan pembayaran yang perlu dipertimbangkan?
Perkara penting Bahan sumber menerangkan satu pilihan pembayaran: langganan Z.ai.
Petua Jika anda memerlukan langganan tetap untuk Claude Code dan mempunyai kad yang diterima oleh gerbang pembayaran, Z.ai Coding Plan ialah pilihan yang boleh dipertimbangkan.
## Apakah risiko dan perangkapnya?
Perkara penting Tiga kelemahan. Privasi: ini model China, dan data dihantar ke pelayan Z.ai (entiti undang-undangnya berada di Singapura; dasarnya berjanji tidak menyimpan atau melatih model menggunakan kod anda, tetapi tiada audit bebas). Kestabilan: API GLM terhenti selama beberapa hari pada bulan Jun akibat beban berlebihan. Dan ada risiko umum bagi mana-mana AI pihak ketiga—jangan sekali-kali menghantar rahsia atau data pelanggan kepadanya.
Kos rendah tidak bermakna bebas risiko sepenuhnya. Berikut perkara yang perlu anda ketahui lebih awal. **Privasi.** Perkhidmatan antarabangsa Z.ai didaftarkan atas nama syarikat Singapura, dan dasarnya untuk akses API kelihatan baik: dasar itu menyatakan bahan tidak disimpan atau digunakan untuk melatih model tanpa persetujuan jelas anda. Namun, ini janji dalam dasar, bukannya jaminan yang diaudit—tiada sijil keselamatan awam. Syarikat induknya dari China, dan undang-undang China secara teori boleh mewajibkan akses kepada data. Selain itu, pada Januari 2025, Zhipu dimasukkan ke dalam senarai kawalan eksport AS. Ini mengehadkan perkara yang boleh dibeli syarikat itu dari AS; ia tidak melarang penggunaan modelnya, tetapi merupakan petanda yang perlu diambil kira. **Kestabilan—kelemahan paling nyata.** Pada pertengahan Jun, ketika GLM-5.2 dilancarkan, API terhenti selama beberapa hari akibat had beban yang ketat: pada waktu puncak, sehingga separuh daripada permintaan ditolak. Untuk kerja produksi, ini bermakna anda perlu mengekalkan Claude sebagai sandaran dan tidak bergantung sepenuhnya pada satu model. **Nasihat keselamatan umum.** Ini terpakai kepada mana-mana AI pihak ketiga, dan perlu diberi perhatian dua kali ganda untuk model China. Jangan sekali-kali meletakkan rahsia atau data peribadi dalam prompt: kunci API, kandungan fail kata laluan, e-mel dan nombor telefon pelanggan sebenar, atau salinan pangkalan data produksi. Dasar ialah janji, bukannya kunci kriptografi. Saya menerangkan keselamatan projek dengan lebih terperinci dalam panduan [keselamatan vibe coding](https://ailoot.ai/blog/ms/vibe-coding-security/). ## Patutkah anda beralih kepada GLM-5.2?
Perkara penting Jika kos Claude menjadi kekangan—ya, cubalah sekarang; persediaannya mengambil masa 5 minit. Kekalkan GLM untuk kerja rutin dan Opus untuk tugasan sukar, dan bayar kurang bagi 80% tugasan yang lebih mudah. Namun, ingat perkara utama: 80% hasil bergantung pada perkara yang anda masukkan ke dalam konteks. Model murah tanpa konteks yang dikonfigurasikan dengan baik menghasilkan sesuatu yang tidak berguna.
Menurut kemas kini bahan sumber pada 1 Oktober 2026, pertaruhannya semakin tinggi dengan pelancaran GLM-5.3: model terbuka ini sekali lagi jauh lebih murah, dan kini mendahului Opus 4.8 dalam jadual Z.ai. Bagi usahawan yang bimbang had Claude akan menghabiskan seluruh bajet, ini jawapan yang terus kepada masalahnya. Namun, saya ingin mengingatkan supaya tidak terpedaya dengan anggapan bahawa semuanya hanya soal memilih model. Ingat peringatan Semgrep—kerangka lebih penting daripada model. Para pengamal semuanya berkata perkara yang sama: vibe coding paling kerap gagal atas satu sebab—model tidak diberikan konteks. Saya pernah melihat orang memilih GLM yang murah, gagal menyediakan [context engineering](https://ailoot.ai/blog/ms/context-engineering/), mendapat hasil yang tidak berguna—kemudian menyalahkan model. Jadi, nasihat saya mudah. Sambungkan GLM hari ini, cuba gunakan untuk tugasan anda sendiri selama seminggu, dan kekalkan Opus untuk tugasan sukar. Pada masa yang sama, usahakan perkara yang benar-benar membuat perbezaan—pengurusan konteks. Dengan itu, model murah pun akan memberikan hasil yang stabil.
### Sumber - [Z.ai - kad model GLM-5.3 (HuggingFace)](https://huggingface.co/zai-org/GLM-5.3) - [Z.ai - GLM Coding Plan](https://z.ai/subscribe) - [Z.ai - blog rasmi tentang GLM-5.2 (HuggingFace)](https://huggingface.co/blog/zai-org/glm-52-blog) - [Z.ai - kad model GLM-5.2](https://huggingface.co/zai-org/GLM-5.2) - [Z.ai - harga API](https://docs.z.ai/guides/overview/pricing) - [Z.ai - menyambungkan kepada Claude Code (dokumentasi)](https://docs.z.ai/devpack/tool/claude) - [Anthropic - harga Claude](https://www.anthropic.com/pricing) - [Anthropic - kenyataan tentang penyahaktifan Fable 5 dan Mythos 5](https://www.anthropic.com/news/fable-mythos-access)
Bahan tambahan tersedia di [Ailoot](https://ailoot.ai/). ## Soalan lazim: GLM-5.2 Menyamai Claude Opus 4.8: Model Terbuka Ini Berharga 5 Kali Lebih Murah ### Sejauh manakah jurang SWE-Marathon yang dilaporkan sebenarnya mengecil? Menggunakan jadual yang sama, Opus 4.8 tolak GLM-5.2 ialah 48.8 − 19.4 = 29.4 mata peratusan; Opus tolak GLM-5.3 ialah 48.8 − 42.5 = 6.3 mata. Jurang mengecil sebanyak 23.1 mata, kira-kira 79 peratus, dalam perbandingan yang dilaporkan vendor itu. ### Adakah harga token lebih rendah menjamin tugasan siap lebih murah? Tidak. Rekod jumlah penggunaan input dan output, percubaan gagal serta hasil yang diterima pada tugasan anda sendiri. Lelaran tambahan atau kerja tidak siap boleh menghapuskan kelebihan harga setiap token, jadi bandingkan kos setiap hasil siap, bukan senarai harga sahaja. ## Ailoot · Syarikat dan portfolio projeknya Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan. Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.