GLM 5.1илиGLM 5.2

или

GLM 5.3 Flash GLM Flash Latest GLM Latest GLM 5.3 GLM 5.1 GLM 5V Turbo

GLM 5.3 Flash GLM Flash Latest GLM Latest GLM 5.3 GLM 5.2 GLM 5V Turbo

8 раундов из 9 — ничья или почти ничья. GLM впереди в качестве с рассуждениями. Ниже — счёт по трём источникам: что заявили поставщики, что намерила независимая лаборатория и что мы видим на реальных запросах. Переключатель «что важнее» меняет счёт — проверьте свой расклад.

Поставщик карточки моделей и правила кэша
Лаборатория Artificial Analysis, одна методика на обе
Hubris наши реальные запросы за 30 дней

Сводная оценка Лаборатория Hubris

Одно число на модель от 0 до 100: качество, скорость, цена, кэш и возможности, нормированные по всему каталогу. Засечки — остальные модели на той же шкале.

GLM 5.1122 ₽ · z-ai · апрель 2026

GeminiLunaFlashFlash

69+10 %

GLM 5.2122 ₽ · z-ai · июнь 2026

DeepSeek 0731SonnetFlashSpark

GLM опережает GLM на 10 % по сводной оценке при выбранных весах. Из чего складывается — в раундах ниже.

Счёт по раундам 80 : 86

1Качество с рассужденияминезависимый индекс интеллекта8:10 2Качество без рассужденийнезависимый индекс, быстрый ответ10:10 3Кодсводный индекс кодинга, LiveCodeBench, SciCode9:10

4Математикане считаетсялаборатория ещё не измерила GLM 5.1 в этих задачах—:—

5Инструменты и агентвызов инструментов и работа в терминале9:10 6Следование инструкциямделает ли модель ровно то, о чём просили10:10 7Длинный контекстрассуждения на длинном контексте9:10

8Скоростьне считаетсяпо GLM 5.1 пока мало запросов, чтобы мерить скорость—:—

9Цена122 ₽ против 122 ₽ за миллион на входе10:10 10Кэшавтоматический против автоматический9:9 11Возможностиконтекст, вход, рассуждения, приватность6:7

Правила одни для всех сравнений: лучший в раунде получает 10, второй — пропорционально отставанию, разница до 5 % — ничья, обеим по 10. Раунд 4 и 8 в счёт не идёт: лаборатория ещё не опубликовала замер — максимум уменьшен. «Бюджет и скорость» удваивает цену и скорость, «Качество любой ценой» удваивает качество и не считает цену. Как считаем — в методике.

Раунд 1 из 11

Качество с рассуждениями

8:1041 против 52.6 по независимому индексупосле раунда 8 : 10

Качество мы не измеряем — это цифры независимой лаборатории: девять тестов одной методикой на обе модели, рассуждения включены на максимум. Шкала от 0 до 100.

Индекс интеллекта Лаборатория

Artificial Analysis, индекс v4. Замеры: GLM-5.1 (Non-reasoning), GLM-5.2 (Non-reasoning).

С рассуждениями на максимумкак в карточках поставщиков

52.6

GPQA Diamondвопросы уровня аспирантуры, справочно

86,8 %

89,5 %

Humanity's Last Examсамый трудный набор задач, справочно

30,1 %

41,1 %

MMLU-Proширокие знания, справочно

Лаборатория ещё не измерила GLM 5.1 в этом режиме — раунд в счёт не идёт.

Сторонние оценки LMArena · MERA

Справочно, очков не дают. LMArena — рейтинг по слепым голосам людей; MERA — открытый бенчмарк на русском языке от Альянса ИИ.

LMArena, общая доскарейтинг Elo по голосам людей

1468 · 39 место

—

Раунд 2 из 11

Качество без рассуждений

10:1036.3 против 34.8 по независимому индексу — в пределах погрешностипосле раунда 18 : 20

В чате, поддержке и массовых задачах думать некогда — рассуждения выключены. Здесь картина часто другая.

Индекс интеллекта Лаборатория

Та же методика, режим без рассуждений.

Без рассужденийбыстрый ответ, как в чате и массовых задачах

36.3

34.8

Раунд 3 из 11

Код

9:10счёт по 2 замерам лабораториипосле раунда 27 : 30

Задачи из настоящих репозиториев и соревновательный код. У разных моделей лаборатория успела измерить разное — в счёт идут те тесты, что есть у обеих.

Кодинг Лаборатория

Сводный индекс кодинга (0–100) и отдельные тесты в процентах решённых задач.

Сводный индекс кодингавсе кодовые тесты лаборатории одним числом

55.8

68.8

LiveCodeBenchсвежие соревновательные задачи

Лаборатория ещё не измерила GLM 5.1 в этом режиме — раунд в счёт не идёт.

SciCodeнаучный код по описанию задачи

43,8 %

50,5 %

Сторонние лидерборды SWE-bench · LMArena

Справочно, в счёт раунда не идут: методика у каждого своя. У SWE-bench результат — это связка модели с конкретным агентом, поэтому рядом указаны агент и год лучшего известного прогона.

LMArena, кодовая доскарейтинг Elo по голосам людей

1509 · 36 место

—

Раунд 4 из 11

Математика

—:—раунд не считается — нет замера

Счёт, доказательства и олимпиадные задачи. Полезно там, где ответ либо верный, либо нет: аналитика, финансы, инженерные расчёты.

Математика Лаборатория

Сводный индекс (0–100) и доля решённых олимпиадных задач.

Сводный индекс математикивсе математические тесты лаборатории одним числом

Лаборатория ещё не измерила GLM 5.1 в этом режиме — раунд в счёт не идёт.

AIMEолимпиадные задачи со строгим ответом

Лаборатория ещё не измерила GLM 5.1 в этом режиме — раунд в счёт не идёт.

Раунд 5 из 11

Инструменты и агент

9:10счёт по 2 замерам лабораториипосле раунда 36 : 40

Модель в роли агента: вызвать нужный инструмент, довести многошаговый диалог до результата, поработать в терминале. Именно это отличает модель для агентского клиента от модели для чата.

Инструменты и терминал Лаборатория

Доля доведённых до конца сценариев.

𝜏²-benchвызовы инструментов в многошаговом диалоге

97,7 %

99,1 %

Terminal-Benchработа агента в терминале

61,8 %

77,9 %

Раунд 6 из 11

Следование инструкциям

10:10счёт по 1 замеру лаборатории — в пределах погрешностипосле раунда 46 : 50

Делает ли модель ровно то, о чём просили: держит формат, не добавляет лишнего, соблюдает ограничения. От этого зависит, придётся ли разбирать ответ костылями.

Следование инструкциям Лаборатория

Доля заданий, где все требования соблюдены.

IFBenchпроверяемые требования к формату и содержанию

76,3 %

73,3 %

Раунд 7 из 11

Длинный контекст

9:10счёт по 1 замеру лабораториипосле раунда 55 : 60

Большое окно контекста и умение им пользоваться — разные вещи. Здесь проверяется второе: рассуждения по длинному тексту, а не размер окна из карточки.

Рассуждения на длинном контексте Лаборатория

Доля верных ответов по длинному тексту. Размер окна — в раунде «Возможности».

Long Context Reasoningответы по тексту, который не помещается в один взгляд

68 %

76,7 %

Раунд 8 из 11

Скорость

—:—раунд не считается — мало данных

Пауза до первого слова и скорость письма. Очки — по нашим данным, это то, что вы получите на практике.

Один и тот же запросHubrisЛаборатория

Проигрываем ответ на измеренной скорости: пауза до первого слова, потом письмо. Лабораторной дорожки у GLM нет — лаборатория скорость этой версии не публикует. Длина ответа одинаковая, иначе модели несравнимы.

GLM 5.1z-ai/glm-5.1

По GLM 5.1 пока мало запросов, чтобы мерить скорость.

GLM 5.2z-ai/glm-5.2у нас 3,1 с · 143 ток/сс раздумьями первое слово ответа — через 30,5 с

лаборатория 4,9 с

тишина 3,1 с

143 токена в секунду

5,2 с

Лаборатория меряет по прямому API одним промптом без рассуждений. У нас — реальные промпты реальных клиентов, часть с рассуждениями, и весь путь до вас целиком. Разница между дорожками — разница между стендом и жизнью.

Раунд 9 из 11

Цена

10:10цены практически равныпосле раунда 65 : 70

В рублях, за миллион токенов. Списывается по факту — за то, что реально отправили и получили.

Прайс и реальный средний чек Hubris

Первые две колонки — ставки каталога. Третья — сколько в среднем стоит один запрос нашим пользователям к этой модели.

Модель	Входные токеныто, что вы отправили	Ответ моделито, что она написала	Типичный запроссредний по нашим пользователям
GLM 5.1	122₽	384₽	мало данных
GLM 5.2	122₽	384₽	2,48₽
Разница	вровень	вровень	—

Средний чек считается по реальным запросам наших пользователей: он зависит от того, сколько модель пишет в ответ.

Раунд 10 из 11

Кэш

9:9у обеих включается сампосле раунда 74 : 79

Если начало промпта повторяется от запроса к запросу — системная инструкция, приложенный документ, история переписки, — эта часть считается со скидкой. Включается она у моделей по-разному, и на этом легко потерять деньги.

Правила кэширования Поставщик

Скидка применяется автоматически — Hubris списывает по фактической цене исполнения, в которой кэш уже учтён.

GLM 5.1

Автоматический

Повторяющееся начало промпта кэшируется само. Ничего помечать не нужно: если первые токены совпадают с недавним запросом, скидка 81 % применится сама.

GLM 5.2

Автоматический

Повторяющееся начало промпта кэшируется само. Ничего помечать не нужно: если первые токены совпадают с недавним запросом, скидка 80 % применится сама.

Как пометить блок и проверить, что кэш сработал, — в документации. Сработавший кэш виден в ответе в поле cached_tokens.

Раунд 11 из 11

Возможности

6:7контекст у GLM заметно большепосле раунда 80 : 86

Контекст, что принимает на вход, рассуждения, приватность, надёжность. За каждый пункт — очки по одной шкале.

GLM 5.1

✓Контекст 205 тыс. токенов
—Картинки не принимает
—Файлы не принимает
✓Умеет рассуждать перед ответом
✓Не обучается на ваших данных

GLM 5.2

✓Контекст 1,05 млн токенов
—Картинки не принимает
—Файлы не принимает
✓Умеет рассуждать перед ответом
✓Не обучается на ваших данных
✓Доля неудачных запросов 0,9 %

Итог

Кто победил

GLM 5.180

из 90 очковПобеждает GLM

GLM 5.286

При равных весах побеждает GLM — 80 : 86, уверенно. GLM берёт качество с рассуждениями; GLM отвечает без явных побед. Качество без рассуждений, код, работа с инструментами, следование инструкциям, длинный контекст, цена, кэш и возможности — ничьи. Переключатели наверху счёт не переворачивают: GLM впереди при любом раскладе.

Коротко

Плюсы и минусы

Преимущества каждой модели над другой — из тех же данных, что и раунды, в процентах и секундах.

GLM 5.1

Преимуществ перед соперником по нашим данным нет.

GLM 5.2

качество с рассуждениями выше на 22 %
контекст больше на 80 %

Мы рекомендуем GLM 5.2: он впереди по сумме раундов при равных весах.

Выбор

Когда какую брать

Обе доступны по одному ключу — переключиться можно на любом запросе, поменяв одну строку.

GLM 5.1

Задачи, где важны цена и надёжность — смотрите раунды выше

Открыть в чате

GLM 5.2

Сложные задачи, где модели дают подумать: код, анализ, агенты

Открыть в чате

Вопросы

Что обычно спрашивают

Какая модель лучше для написания кода?

По независимому индексу с рассуждениями — 41 против 52.6. На практике для больших проектов берут ту, что лучше держит длинный контекст задачи; GLM здесь предпочтительнее, а для мелких правок и массовых операций важнее скорость и цена.

Что такое кэш промптов и почему это важно?

У обеих кэш включается сам: если начало промпта совпадает с недавним запросом, эта часть считается со скидкой. Ничего помечать не нужно.

Откуда взяты цифры скорости?

Это наши измерения по успешным запросам через Hubris за последние 30 дней, а не заявления поставщиков: время до первого слова и скорость письма от начала до конца ответа. В паузу входит и наш участок пути. Лабораторная дорожка рядом — Artificial Analysis, прямой API одним промптом: это потолок, наша цифра — то, на что стоит рассчитывать.

Можно ли переключаться между моделями?

Да, обе доступны по одному ключу. Чтобы сменить модель, достаточно поменять её идентификатор в запросе — ни отдельного договора, ни второго ключа не нужно.

Дальше

Другие сравнения

Каждая из этих двух — против соседей по каталогу. Любую пару можно собрать в выборе наверху страницы.

GLM 5.1илиDeepSeek V4 Flash 0731 GLM 5.1илиGPT-5.6 Luna GLM 5.1илиGemini 2.5 Flash GLM 5.2илиDeepSeek V4 Flash 0731 GLM 5.2илиGPT-5.6 Luna GLM 5.2илиGemini 2.5 Flash Все сравнения·и любая пара

Источники: GLM-5.1 (Non-reasoning) и GLM-5.2 (Non-reasoning) — Artificial Analysis, 2026-09-04; цены, контекст и модальности — каталог Hubris, 2026-09-04; скорость и средний чек — запросы через Hubris за 30 дней.