Полгода назад друг скинул ссылку на z.ai и подписал: глянь, китайцы опять что-то сделали. Я открыл, сунул первое попавшееся задание, рефакторинг куска легаси на Python, и пропустил обед. Модель не стала сразу вываливать код. Сначала уточнила, какие версии библиотек в проекте и есть ли тесты. Для чат-бота такое поведение до сих пор редкость.
Так я познакомился с GLM. В русскоязычном сегменте про неё пишут меньше, чем про ChatGPT или Claude, и совершенно зря. Дальше без маркетинга: что это за штука, откуда взялась, где реально сильна, где проваливается и как её потрогать из России, не покупая зарубежную карту.
GLM - это не нейросеть, а целое семейство
Когда говорят GLM, имеют в виду не один чат-бот, а линейку разработок компании Zhipu AI. В русскоязычных текстах название иногда транслитерируют как «ГЛМ» или «джиэлэм», но речь об одном и том же.
Внутри линейки довольно разнородные продукты. Есть базовые предобученные модели, на которых строится всё остальное. Есть диалоговые версии ChatGLM, те самые, что отвечают в чате. Есть мультимодальные расширения вроде GLM-4V, которые смотрят на картинки. Есть CodeGeeX, заточенный под код. Есть WebGLM с поиском по сети. И есть агентные системы AutoGLM, которые не просто болтают, а выполняют цепочки действий с инструментами.
Аббревиатура расшифровывается как General Language Model, универсальная языковая модель. За ней стоит Zhipu AI, спинофф Университета Цинхуа, основанный в 2019 году. В 2025-м компания сменила вывеску на Z.ai, а в январе 2026-го вышла на Гонконгскую фондовую биржу. После анонса GLM-5 акции за три дня прибавили 60%. Для конторы, которая ещё вчера была научной лабораторией, динамика более чем бодрая.
От GLM-10B до GLM-5: пять лет, которые мало кто заметил
История начинается в 2021 году с GLM-10B. Десять миллиардов параметров по тем временам нормальный уровень, ничего революционного. Дальше темп нарастал: диалоговые ChatGLM, мультимодальность, кодинг, агенты. К 2026-му дошли до GLM-5.
Скачок между поколениями чувствуется не в цифрах бенчмарков, а в поведении. Ранние версии на сложных задачах норовили выдать красивый, но нерабочий ответ. Нынешние чаще останавливаются и переспрашивают, если контекста не хватает. Звучит как мелочь. Но именно из-за этого пропадает половина переделок.
Ещё один маркер взросления: модели семейства перестали быть чисто исследовательскими. GLM-4.6 сравнивают с коммерческими решениями по балансу качества, скорости и цены. В кодинге и агентных сценариях она держится достойно. Для open-weight направления это серьёзная заявка.
Почему GLM так хорошо даётся код
Zhipu с самого начала вкладывалась в разработку под программистов. Отсюда отдельная ветка CodeGeeX и стабильное место в верхушке профильных рейтингов по генерации кода.
Практический момент, который замечаешь быстро. GLM понимает разницу между «напиши функцию» и «поменяй вот здесь, не сломав остальное». На реальном проекте второе встречается в разы чаще, и большинство моделей на нём сыпется. На Reddit в ветках про open-weight модели разработчики описывают ту же картину: китайские модели выигрывают не на алгоритмических задачках, а на правках внутри живого проекта, где надо помнить про соседние модули.
Архитектура важна, но не сама по себе. Модели построены на mixture of experts, смеси экспертов: на каждый запрос активируется только часть сети. Стоимость инференса падает, а общий размер модели можно держать большим без разорения на вычислениях. Отсюда и щадящий ценник за токены, который замечаешь, когда гоняешь модель через API на объёмах.
Chat и Agent: два разных инструмента под одной вывеской
На z.ai в бесплатной версии доступны два режима. Chat это обычный диалог, как в любом чат-боте. Agent интереснее: к модели подключены инструменты, и она может искать в интернете, собирать документы, презентации и таблицы, разбирать загруженные файлы.
Разница в ощущениях как между калькулятором и человеком с калькулятором. В режиме Agent вы ставите задачу верхнего уровня, а модель сама решает, какие шаги предпринять. Иногда получается неожиданно хорошо. Иногда она уходит не туда, и приходится возвращать за руку.
Мой рабочий сценарий: черновик структуры статьи или план запуска собираю в Agent, дальше правлю руками в Chat. Агент хорош для первичного наброска, где важны скорость и охват, а не вылизанность формулировок.
GLM 5.3 и GLM 5.3 Flash: почему топовая модель не всегда лучший выбор
У семейства есть разделение на полную и облегчённую версии. GLM 5.3 логично пробовать на сложных изменениях в уже существующем проекте, где надо держать в голове много контекста. GLM 5.3 Flash берут для интерфейсов и последовательных доработок, когда задач много, а каждая небольшая.
Flash отвечает быстрее и стоит дешевле, но на запутанной архитектуре начинает упрощать. Полная версия думает дольше, зато реже предлагает решение, которое выглядит правильным и не учитывает особенности приложения. С DeepSeek V4.1 Flash картина похожая. На повседневных задачах разница почти не видна. На сложных изменениях в большом проекте она вылезает сразу.
Ни одна модель не видит проект целиком автоматически. Ей надо дать доступ к нужным файлам, объяснить задачу и проверить результат. Если контекст неполный, даже топовая LLM выдаст правдоподобную ерунду. Поэтому в больших проектах решает не только выбор модели, но и инструмент, через который вы с ней работаете.
Где GLM объективно слабее
На длинных текстах на русском GLM иногда выдаёт конструкции, которые сразу видно как переводные. ChatGPT в этом смысле аккуратнее, у него русский живее. Для художественной прозы я бы её не взял.
Свежие мировые новости модель знает хуже, если не включён поиск. Агентный режим частично лечит, но требует проверки: ссылкам и цифрам верить на слово не стоит, особенно когда речь о датах и ценах.
И отдельный момент, чисто бытовой: доступ. Российскому пользователю любой зарубежный сервис даётся с препятствиями, и GLM тут не исключение.
Как добраться до GLM и остальных флагманов из России
Официальный z.ai из России работает нестабильно, регистрация требует номера и почты, а оплата подписки упирается в иностранную карту. Кто пробовал, знает этот квест: полчаса на поиск рабочего зеркала, потом отказ платежа, потом мысль «да ну его».
Решение, которым пользуюсь сам, это ИИ-роутер 3GPT от 3SELLER. Один аккаунт, российская карта, СБП или крипта, и внутри доступ к последним флагманским моделям: Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для картинок, генерация видео и ещё десяток моделей. Стартовый доступ стоит 149₽, пополнение баланса проходит без иностранных карт.
Смысл не в том, чтобы заменить один сервис другим, а в том, чтобы держать под рукой несколько моделей и переключаться под задачу. Код отдаю GLM или the model 5, длинные тексты на русском проверяю через Chat GPT, картинки гоняю через Nano Banana. Всё в одном окне, без VPN и без бубна вокруг оплаты.
Интерфейс и тарифы - на официальном сайте 3GPT от 3SELLER.

Что реально делать с GLM в работе
Самые частые сценарии, которые у меня прижились за месяцы. Ничего экзотического, просто то, что экономит вечер:
- Разбор чужого кода. Кидаю файл и спрашиваю, что здесь происходит и где болит. Модель неплохо находит места, где обработка ошибок сделана для галочки.
- Миграции и рефакторинг. Задача типа «переписать этот модуль на новую версию библиотеки, сохранив поведение» решается лучше, чем у половины конкурентов.
- Документация и README. Скучная работа, которую GLM делает за минуту и без нытья.
- Разбор таблиц и файлов в режиме Agent. Загрузил выгрузку, попросил сводку по регионам, получил готовую структуру.
Для продающих текстов и сайтов я её использую реже, но связка работает: GLM собирает структуру и логику, а финальную стилистику доводит модель посильнее в русском. Именно поэтому удобнее держать доступ к нескольким нейросетям сразу, а не молиться на одну.
Готовые ИИ-агенты: то, что экономит больше всего времени
Отдельная фишка, которая мне понравилась больше самих моделей. В 3GPT есть библиотека готовых ИИ-агентов под конкретные задачи: маркетинг, тексты, разбор данных, контент. Выбираете агента и начинаете с ним общение, а модель внутри можно менять прямо в чате.
Удобно тем, что не надо каждый раз объяснять контекст с нуля. Агент уже настроен под сценарий, а вы только подставляете свои вводные. Для тех, кто не хочет разбираться в промпт-инжиниринге, это самый короткий путь к результату.
Посмотреть список можно здесь: готовые ИИ-агенты 3GPT.

Картинки и видео: отдельная ветка, о которой забывают
GLM сильна в тексте и коде, но визуал закрывают другие модели. Через роутер доступны инструменты для реалистичных изображений, включая Nano Banana, и генерация видео. Для блога или карточек товара этого хватает, без фотостоков и дизайнера на подхвате.
Проверено на практике: сложные сцены с руками и текстом всё ещё требуют нескольких попыток, а вот портреты, интерьеры и предметка получаются с первого-второго захода. Видео лучше запускать короткими фрагментами по 5-8 секунд и потом склеивать, так меньше брака.
Инструменты для работы с изображениями лежат тут: генерация изображений в 3GPT.


Кому GLM зайдёт, а кому нет
Да, если вы пишете код или работаете с данными. GLM не заменит ChatGPT в длинных текстах на русском и не обгонит топовые модели в общих рассуждениях. Но в своей нише она даёт результат, за который не жалко заплатить.
Ценность не в конкретной модели, а в привычке держать под рукой несколько и не привязываться к одной. Модели обновляются каждые пару месяцев, сегодняшний лидер через квартал оказывается середняком. Выигрывает тот, у кого есть удобная точка входа ко всем сразу и кто не тратит вечер на оплату подписки.
Начните с одной задачи, которая у вас реально болит. Не с тестов на «напиши стихотворение про осень», а с настоящего рабочего куска: миграции, разбора логов, черновика коммерческого предложения. Одна решённая задача скажет про инструмент больше, чем десять обзоров. Зайти и попробовать можно на официальном сайте 3GPT, доступ стартует от 149₽, оплата российской картой, через СБП или криптой.