# GLM-5.2 и Claude Opus 4.8: сравнение моделей и цен > Разбираем официальные данные Z.ai о GLM-5.3, сравнение с Claude Opus 4.8, стоимость API и настройку модели в Claude Code через подписку Z.ai. Source: https://ailoot.ai/blog/ru/glm-5-2-vs-claude-code/ Canonical: https://ailoot.ai/blog/ru/glm-5-2-vs-claude-code/ Language: ru Publisher: Ailoot (https://ailoot.ai/) Translation: guide-101 Revision: sha256-3c0c0be9303d16d76ee02a1413ef0bfbffe4f35704df1dc3c2a119066305f322
Ключевое Материал обновлён в сентябре 2026 года: после GLM-5.2 вышла GLM-5.3 (14 августа), поэтому приведённые далее характеристики относятся к ней. GLM — семейство моделей китайской компании Z.ai с открытыми весами. По данным самой Z.ai, GLM-5.3 превосходит Opus 4.8 в ряде тестов; стоимость API заметно ниже. Для рутинных задач, фронтенда и обычных правок её можно рассматривать как более доступный вариант. На длительной автономной работе Opus 4.8 сохраняет преимущество в некоторых тестах. Ниже приведены опубликованные характеристики, цены и инструкция по подключению GLM к Claude Code.
[Документация Ailoot](https://ailoot.ai/docs/) — справочные материалы по работе с сервисом.
## Что представляет собой GLM-5.2 и откуда интерес к модели?
Ключевое GLM-5.2 — модель Z.ai, ранее известной как Zhipu, базирующейся в Пекине; её выпуск состоялся 13 июня 2026 года. Текущая версия семейства — GLM-5.3, представленная 14 августа 2026 года. Ключевые особенности линейки — открытые веса и цена ниже, чем у ряда моделей Claude.
В июне 2026 года появилась новая открытая модель от китайской компании Z.ai — GLM-5.2. Вскоре после неё вышла GLM-5.3, и именно эта версия рассматривается в большей части приведённых ниже актуальных сравнений. По описанию Z.ai, GLM-5.3 построена по архитектуре MoE: общее число параметров составляет 753 миллиарда, а для обработки запроса активируется около 40 миллиардов. Заявленная длина контекста — 1 миллион токенов. Модель разработала Z.ai, компания, возникшая на базе исследований Университета Цинхуа. Для GLM-5.2 указана лицензия MIT, а GLM-5.3 распространяется по собственной GLM-5.3 License. Условия лицензий следует проверять в официальных карточках соответствующих версий; доступность весов сама по себе не означает отсутствие ограничений. В июне 2026 года Anthropic сообщила, что получила директиву правительства США, требовавшую отключить Fable 5 и Mythos 5.

Сегодня в 17:21 по восточному времени мы получили директиву правительства. Чтобы выполнить её требования, нам приходится срочно отключить Fable 5 и Mythos 5 для всех клиентов.

— Anthropic, https://www.anthropic.com/news/fable-mythos-access
Официальная карточка GLM-5.3 и материалы Z.ai содержат сведения о версии модели, параметрах и результатах внутренних тестов. Результаты сравнений нужно соотносить с их источником и методикой: таблицы разработчика не заменяют независимую проверку на задачах конкретного пользователя. После GLM-5.2 Z.ai выпустила GLM-5.3 14 августа 2026 года. В официальном описании указаны те же 753 миллиарда параметров и контекст в 1 миллион токенов; компания также сообщает об улучшении результатов на собственном тесте. 1 сентября Anthropic представила Fable 5.1 и Mythos 5.1. Поэтому в дальнейшем обсуждении GLM-5.3 сравнивается с Opus 4.8 там, где опубликованы соответствующие данные. ## Насколько GLM-5.2 справляется с программированием по сравнению с Claude?
Ключевое Сравнение Z.ai показывает, что GLM-5.3 опережает Opus 4.8 в пяти из семи приведённых тестов. В SWE-Marathon разница сохраняется: 42.5 против 48.8; для GLM-5.2 в исходной таблице указано 19.4. Данных этой таблицы недостаточно, чтобы судить о сравнении GLM-5.3 с Opus 5. Поэтому корректный вывод ограничен опубликованным сопоставлением с Opus 4.8.
Ниже — результаты из официальной карточки GLM-5.3 на Hugging Face. Это сравнение, опубликованное Z.ai, а не независимый аудит. | Тест | GLM-5.3 | GLM-5.2 | Opus 4.8 | Что показывают значения | |----|----|----|----|----| | Terminal-Bench 2.1 (работа в терминале) | 88.2 | 81.0 | 85.0 | GLM-5.3 получила более высокий результат | | Terminal-Bench 3.0 | 28.3 | 4.6 | 21.1 | GLM-5.3 набрала больше баллов | | DeepSWE (задачи из репозиториев) | 66.9 | 46.2 | 58.0 | GLM-5.3 получила более высокий результат | | FrontierSWE (задачи средней сложности) | 78.1 | 67.5 | 66.5 | GLM-5.3 получила более высокий результат | | NL2Repo (изменения в крупном проекте) | 58.0 | 48.9 | 69.7 | В таблице выше Opus 4.8 | | SWE-Marathon (длительные задачи) | 42.5 | 19.4 | 48.8 | Разрыв снижается с 29,4 до 6,3 процентного пункта | | CyberGym (поиск уязвимостей) | 84.5 | 77.2 | 78.1 | GLM-5.3 получила более высокий результат | По таблице Z.ai GLM-5.3 опережает Opus 4.8 в большинстве тестов, но уступает в NL2Repo и SWE-Marathon. В последнем разрыв сокращается на 23,1 процентного пункта: (48,8 − 19,4) − (48,8 − 42,5) = 23,1. Это примерно 79% уменьшения разрыва, а не сокращение вдвое. Результат относится к этой таблице и не измеряет надёжность на вашем проекте. Сравнение с Opus 5 в приведённой таблице отсутствует. Поэтому на основании этих данных нельзя делать вывод о том, какая из этих двух моделей лучше справляется с кодом. ## Во сколько обходится GLM-5.2 по сравнению с Claude?
Ключевое Согласно опубликованным тарифам, GLM-5.3 через API Z.ai стоит $1.40 за миллион входных токенов и $4.40 за миллион выходных. Для сравнения, в источнике для Claude Opus 5 указаны $5.00 и $25.00 соответственно. Итоговые расходы на задачу зависят также от числа токенов, которые использует модель, и характера работы.
Сопоставим цены за миллион токенов, указанные в материалах Z.ai и Anthropic. | Модель | Вход ($/1M) | Выход ($/1M) | |----|----|----| | GLM-5.3 (напрямую через Z.ai) | $1.40 | $4.40 | | Claude Sonnet 5 | $2.00 | $10.00 | | Claude Opus 5 | $5.00 | $25.00 | | Claude Mythos 5.1 | $10.00 | $50.00 | Тарифы показывают разницу в цене токенов, но не позволяют сами по себе определить стоимость завершённой задачи. Для этого нужно учитывать реальное число входных и выходных токенов, выбранный тариф и условия использования API. Модель может расходовать разное количество токенов на выполнение одной и той же задачи. В GLM-5.3 режим рассуждения включён постоянно и, согласно приведённому описанию, его нельзя отключить. Поэтому фактическую экономию следует оценивать по собственным запросам и счетам, а не только по цене за миллион токенов. ## Как подключить GLM-5.2 к Claude Code за 5 минут?
Ключевое GLM можно подключить к Claude Code через совместимые настройки API. В этом руководстве описан вариант с подпиской Z.ai: тариф GLM Coding Plan начинается от $18 в месяц. Для подключения понадобится создать ключ API и указать адрес Anthropic-совместимого API Z.ai в конфигурации.
При таком способе остаётся тот же интерфейс Claude Code, а запросы направляются к модели GLM через настройки подключения. Перед настройкой проверь актуальные тарифы и параметры в документации Z.ai. ### Вариант: подписка Z.ai для регулярной работы Z.ai предлагает GLM Coding Plan для работы с инструментами программирования. Ниже приведён порядок настройки, основанный на опубликованной схеме подключения. 1. #### Оформи подписку Открой страницу подписки Z.ai, выбери подходящий тариф. В исходном материале указан тариф Lite от $18 в месяц; доступность и условия тарифов могут меняться. 2. #### Создай ключ API В аккаунте Z.ai открой раздел API Keys, выбери «Create a new API key» и скопируй созданный ключ. 3. #### Настрой подключение Открой файл ~/.claude/settings.json и добавь приведённый ниже блок, заменив текст-заполнитель своим ключом. 4. #### Перезапусти терминал Открой новое окно терминала, запусти claude и проверь состояние командой /status. ```json { "env": { "ANTHROPIC_AUTH_TOKEN": "твой_ключ_z_ai", "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" } } ```
Важно В настройках, приведённых в документации Z.ai, используется переменная `ANTHROPIC_AUTH_TOKEN`. Для Claude Code указан адрес `https://api.z.ai/api/anthropic`, совместимый с форматом Anthropic. Не подменяй его адресом `/api/paas/v4`, предназначенным для другого интерфейса API.
После подключения интерфейс Claude Code может показывать стандартные названия моделей, тогда как запросы направляются к указанным моделям GLM. Если в конфигурации остались прежние обозначения GLM, сверь их с актуальными правилами маршрутизации Z.ai: компания сообщает о перенаправлении запросов к GLM-5.2 и GLM-5.1 на GLM-5.3, а запросов к GLM-4.7 — на GLM-5.3-Flash. ### Локальный запуск на домашнем компьютере Открытые веса позволяют изучать модель и запускать её самостоятельно при наличии подходящего оборудования. Однако большая модель требует значительных вычислительных ресурсов; перед локальным запуском проверь официальные требования к оборудованию и программному обеспечению. В исходном описании для модели с 753 миллиардами параметров приводится серверная конфигурация уровня восьми видеокарт H200. Это оценка требований, а не универсальная гарантия совместимости: реальные потребности зависят от точной версии, способа запуска, точности вычислений и доступной памяти. Открытая лицензия не означает, что модель можно эффективно запустить на обычном ноутбуке. ## В каких случаях выбрать GLM-5.2, а когда — Claude Opus?
Ключевое Выбирай модель по задаче и проверяй результат на своём коде. GLM может подойти для типовых правок, черновой работы, фронтенда и итераций, если важно контролировать расходы. Opus можно оставить для сложных архитектурных изменений, длительных многоэтапных задач и участков с высокой ценой ошибки — после проверки, что он лучше справляется именно с твоим сценарием.
Не обязательно пользоваться только одной моделью. Раздели задачи по требованиям к качеству, времени и стоимости, а затем проверь несколько типичных запросов на своём проекте. **Рассмотри GLM, если:** 1. Нужно быстро подготовить черновик и затем дорабатывать его итерациями. 2. Работа связана с фронтендом, вёрсткой или стандартными операциями с базой данных. 3. Предстоит большой объём повторяющихся задач, а результат можно проверить и при необходимости исправить. 4. Для работы требуется длинный контекст. 5. Важно снизить расходы на типовые задачи. **Рассмотри Opus, если:** 1. Требуется продумать или изменить сложную архитектуру. 2. Задача длительная и состоит из многих этапов. 3. Ошибка в логике может повлечь серьёзные последствия. 4. Нужен результат, который должен пройти особенно тщательную проверку с минимальным числом итераций. В опубликованной Z.ai таблице SWE-Marathon разрыв GLM-5.3 с Opus 4.8 сокращается с 29,4 до 6,3 процентного пункта: 42,5 против 48,8. Opus выше в этом тесте, но это само по себе не измеряет надёжность ваших длительных автономных задач. Низкая цена токенов не обязательно означает меньшие расходы на готовый результат. Учитывай время на проверку, число повторных запросов и ручную доработку. Если используешь Claude, сравнение Sonnet и Opus для разных задач приведено в [отдельном материале](https://ailoot.ai/blog/ru/claude-code-model-effort-sonnet-opus/). ## Какие условия доступа и оплаты нужно учитывать?
Ключевое В этом руководстве описана подписка Z.ai GLM Coding Plan. Её стоимость и доступность зависят от актуальных условий компании; перед оформлением проверь официальный сайт Z.ai.
Уточни, какие способы оплаты принимает Z.ai для своего региона и тарифного плана. Проверяй условия непосредственно перед оформлением подписки: они могут измениться.
Совет Перед оплатой сверь цену, лимиты и доступность тарифа на официальной странице Z.ai. Убедись также, что выбранный план подходит для Claude Code и нужного объёма работы.
## Какие есть риски и ограничения?
Ключевое Передавать код стороннему сервису следует с учётом его политики обработки данных и требований своего проекта. Проверяй доступность API и условия хранения данных в официальных материалах Z.ai. Независимую проверку заявлений о конфиденциальности нужно искать отдельно. Не отправляй в сторонние ИИ-сервисы секреты, пароли и персональные данные клиентов.
Низкая стоимость не отменяет необходимости оценить условия доступа, надёжность сервиса и правила обработки данных. **Конфиденциальность.** Перед отправкой кода проверь действующую политику Z.ai и выясни, как сервис обрабатывает запросы, сколько хранит данные и использует ли их для обучения. Заявления компании следует отличать от независимого аудита. Учитывай также требования организации и применимые к проекту правила. **Доступность сервиса.** Сбои и ограничения API могут повлиять на рабочий процесс. Для критичных задач заранее определи допустимый простой и проверь, какой резервный вариант разрешён правилами проекта. **Базовая защита данных.** Не передавай сторонним ИИ-сервисам секреты и персональные данные без надлежащих оснований и мер защиты. К таким данным относятся ключи API, содержимое файлов с паролями, реальные адреса электронной почты и телефоны клиентов, а также дампы рабочей базы данных. Дополнительные рекомендации приведены в материале о [безопасности вайб-кодинга](https://ailoot.ai/blog/ru/vibe-coding-security/). ## Стоит ли переходить на GLM-5.2?
Ключевое Если стоимость Claude стала существенным ограничением, протестируй GLM на типичных задачах своего проекта и сравни не только цену токенов, но и качество готового результата. Подходящую модель следует выбирать с учётом сложности задачи, проверки кода и необходимого контекста.
В версии материала от 1 октября 2026 года приведено сравнение GLM-5.3 с Opus 4.8 по таблице Z.ai, а также тарифы, указанные в источниках. Они помогают сформировать начальную гипотезу, но не заменяют проверку модели на собственных задачах. Чтобы оценить результат, возьми несколько типичных запросов, зафиксируй качество ответа, число правок и фактический расход токенов. Для надёжной работы важно предоставлять модели относящийся к задаче контекст. Рекомендации по его подготовке собраны в материале о [контекст-инжиниринге](https://ailoot.ai/blog/ru/context-engineering/). Практический порядок такой: настрой подключение согласно документации Z.ai, проверь его на задачах без чувствительных данных и оцени результат. Затем реши, для каких типов работы GLM подходит, а какие задачи лучше выполнять другой моделью.
### Официальные источники - [Z.ai — карточка модели GLM-5.3 на Hugging Face](https://huggingface.co/zai-org/GLM-5.3) - [Z.ai — GLM Coding Plan](https://z.ai/subscribe) - [Z.ai — официальный материал о GLM-5.2 на Hugging Face](https://huggingface.co/blog/zai-org/glm-52-blog) - [Z.ai — карточка модели GLM-5.2](https://huggingface.co/zai-org/GLM-5.2) - [Z.ai — тарифы API](https://docs.z.ai/guides/overview/pricing) - [Z.ai — подключение Claude Code](https://docs.z.ai/devpack/tool/claude) - [Anthropic — цены Claude](https://www.anthropic.com/pricing) - [Anthropic — сообщение о Fable 5 и Mythos 5](https://www.anthropic.com/news/fable-mythos-access)
Дополнительные материалы и документация сервиса доступны на [Ailoot](https://ailoot.ai/). ## Вопросы и ответы ### Насколько сократился опубликованный разрыв SWE-Marathon? По одной таблице Opus 4.8 минус GLM-5.2: 48,8 − 19,4 = 29,4 процентного пункта. Opus минус GLM-5.3: 48,8 − 42,5 = 6,3. В этом сравнении поставщика разрыв уменьшается на 23,1 пункта, примерно на 79%. ### Гарантирует ли низкая цена токенов дешёвое завершение задачи? Нет. Записывайте полный ввод и вывод, неудачные попытки и принятые результаты своих задач. Дополнительные итерации или незавершённая работа могут перекрыть цену токена. Сравнивайте стоимость завершённого результата, а не прайс. ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.