Переходить ли с GLM 5.2 на GLM 5.3: что изменилось для команд разработки и что пока неизвестно

Автор: Grace Turner. Раскрытие: я пишу для команды glm5.app — независимой платформы, которая даёт доступ к моделям семейства GLM. Характеристики и результаты бенчмарков ниже взяты с публичных страниц glm5.app и из данных, опубликованных Z.ai, а не из моих собственных тестов.

Каждый новый флагман вызывает один и тот же вопрос у тех, кто уже встроил предыдущую модель в процессы: стоит ли переезжать сейчас или подождать? Для команд, которые работают с GLM 5.2, этот вопрос стал актуальным в августе 2026 года. Разберём, что изменилось на самом деле, где выигрыш очевиден, а где решение лучше отложить.

Контекст: семейство GLM 5

GLM 5 — фронтирная языковая модель пятого поколения на архитектуре Mixture-of-Experts: около 745B параметров всего и около 44B активных на токен, окно контекста 200K токенов. На glm5.app с ней можно работать прямо в браузере — чат, анализ файлов, генерация кода — или через OpenAI-совместимый API.

Следующие версии семейства развивались в сторону длинных инженерных задач: больше контекста, больше обучения на реальных проектах, больше инструментов для агентов.

Что сейчас даёт GLM 5.2

GLM 5.2 вышла 16 июня 2026 года как модель для длинных задач с окном контекста 1M токенов и управлением уровнем усилий. На glm5.app она доступна в чате и через документированный OpenAI-совместимый API с публичным идентификатором glm-5.2.

Важная практическая деталь: для публичного API на glm5.app указаны контекст 64 000 токенов и максимальный вывод 8 192 токена. Если ваш процесс уже построен вокруг этих лимитов, с суммаризацией и поиском по истории, он работает предсказуемо. Модель также поддерживает инструменты в стиле OpenAI: приложение само проверяет аргументы, права доступа и выполняет одобренные действия.

Что меняет GLM 5.3

GLM 5.3 — новый флагман Z.ai, анонсированный в августе 2026 года. Он построен на базе GLM 5.2, но получил в десятки раз больше пост-тренировки на длинных задачах — на реальных вычислительных кластерах, хранилищах, документации и кодовых базах. По словам Z.ai, ощущение работы с кодом улучшилось примерно на 50%.

Подтверждённые характеристики:

  • окно контекста 1M токенов и максимальный вывод 128K токенов;
  • текстовый вход и текстовый выход (мультимодальный вход не задокументирован);
  • режимы мышления, вызов функций, стриминг, кэширование контекста, структурированный вывод, поддержка MCP.

Результаты, опубликованные Z.ai относительно GLM 5.2: Terminal-Bench 3.0 — 28,3 против 4,6; DeepSWE v1.1 — 66,9 против 46,2; Agents' Last Exam — 28,5 против 23,8. На CyberGym — 84,5. Это данные производителя на конкретных стендах, поэтому их стоит воспринимать как повод проверить, а не как гарантию.

Что пока не известно

  • Официальный API модели — «скоро», точной даты нет.
  • Цены API не объявлены (для ориентира: предыдущий флагман стоит около $1,40 за вход и $4,40 за выход на 1M токенов).
  • Число параметров не опубликовано.
  • Открытые веса и лицензия ожидаются по прецеденту MIT, но не подтверждены.

При этом GLM Coding Plan от Z.ai уже полностью перевели на новую модель — она работает в Claude Code, Cline и OpenCode. В чате glm5.app её тоже можно попробовать уже сейчас.

Как принять решение

Переходите сейчас, если:

  1. задачи охватывают весь репозиторий или десятки связанных файлов;
  2. вы уже пользуетесь Coding Plan и инструментами вроде Claude Code или Cline;
  3. вам важны длинные агентные циклы с MCP и структурированным выводом.

Подождите, если:

  1. ваш продукт зависит от стабильного API с известной ценой и лимитами;
  2. вы планируете self-hosting и вам нужна подтверждённая лицензия на веса;
  3. текущие процессы на GLM 5.2 укладываются в лимиты и уже дают нужное качество.

Как проверить без риска

Возьмите одну реальную задачу из бэклога, например: «Спланируй этот рефакторинг и перечисли шаги отката». Отправьте один и тот же промпт обеим моделям в чате. Сравните план целиком: нашла ли модель нужные файлы, предложила ли откат, уточнила ли недостающие данные. Затем добавьте логи и второй модуль, чтобы посмотреть, где ответ начинает терять нить. Короткая заметка по каждой задаче даст больше, чем любой рейтинг.

Итог

GLM 5.3 — заметный шаг для длинных инженерных задач: контекст 1M, вывод до 128K и богатый набор агентных инструментов. GLM 5.2 остаётся рабочим выбором для процессов, которым нужен уже задокументированный API. Разумная стратегия для большинства команд — пробовать новый флагман на реальных задачах уже сейчас, а переносить продакшен после того, как Z.ai опубликует API, цены и лицензию.