> ## Content Index
> Fetch the complete content index at: https://matveev.tech/llms.txt
> Use this file to discover other available public pages before exploring further.

# GLM-5-Turbo: цены, сравнение с GLM-5 и настройка OpenClaw
- URL: https://matveev.tech/glm-5-turbo-zhipu-ai/
- Published: 2026-03-17T16:25:00.000Z
- Updated: 2026-03-17T16:25:00.000Z
- Description: Zhipu AI выпустила GLM-5-Turbo: $1.20/1M input, tool call error rate 0.67%, закрытая лицензия. Сравнение с GLM-5, ценами конкурентов и инструкция подключения.
- Author: Pavel Matveev
- Tags: AI, LLM, Обзор, Агенты

> TL;DR: Zhipu AI выпустила GLM-5-Turbo — закрытую версию GLM-5 для агентных задач. $1.20/1M токенов на вход, контекст 200K, ошибки вызова инструментов 0.67% (у базовой GLM-5 — от 2.3% до 6.4%). Доступна через API и на OpenRouter.

Китайская Zhipu AI (торговая марка Z.AI) [выпустила GLM-5-Turbo](https://docs.z.ai/guides/llm/glm-5-turbo?ref=matveev.tech), вариант флагманской GLM-5, оптимизированный для агентных воркфлоу. Главная целевая платформа — [OpenClaw](https://docs.openclaw.ai/?ref=matveev.tech), независимый open source проект.

## Чем GLM-5-Turbo отличается от GLM-5

GLM-5-Turbo построена на базе GLM-5 (744B параметров, MoE с \~44B активных на токен), но заточена под агентное выполнение. Основные отличия по [данным OpenRouter](https://openrouter.ai/z-ai/glm-5-turbo?ref=matveev.tech):

|                      | GLM-5                               | GLM-5-Turbo |
| -------------------- | ----------------------------------- | ----------- |
| Контекст             | 200K                                | 200K        |
| Макс. выход          | 128K                                | 128K        |
| Лицензия             | MIT (open source)                   | Закрытая    |
| Tool call error rate | 2.3–6.4%                            | 0.67%       |
| E2E latency          | 9.3–11.2 сек                        | 8.2 сек     |
| Throughput           | 40–70 tok/s (зависит от провайдера) | \~48 tok/s  |
| First token latency  | 0.4–1.1 сек                         | 2.9 сек     |

Главная разница в надёжности вызова инструментов: 0.67% ошибок против 2.3–6.4% у базовой модели. Для агентов, которые цепочкой вызывают инструменты, каждый промах может сорвать весь воркфлоу. Тут Turbo заметно стабильнее.

Зато первый токен приходит медленнее (2.9 сек против 0.4–1.1 сек у GLM-5 через Friendli/Parasail). Для чат-ботов это минус, для агентов, где важнее завершить задачу целиком, менее критично.

## Сколько стоит

Цены на Z.AI API: $1.20/1M input, $4.00/1M output. На [OpenRouter](https://openrouter.ai/z-ai/glm-5-turbo?ref=matveev.tech) со скидкой 20%: $0.96/$3.20\. Для контекста, [по данным TokenCost](https://tokencost.app/blog/glm-5-turbo-openclaw-pricing?ref=matveev.tech):

| Модель            | Input/1M | Output/1M |
| ----------------- | -------- | --------- |
| MiniMax M2.5      | $0.15    | $0.60     |
| Kimi K2.5         | $0.35    | $1.40     |
| GLM-5 (base)      | $1.00    | $3.20     |
| GLM-5-Turbo       | $1.20    | $4.00     |
| Claude Haiku 4.5  | $1.00    | $5.00     |
| Claude Sonnet 4.5 | $3.00    | $15.00    |
| Claude Opus 4.6   | $5.00    | $25.00    |

GLM-5-Turbo стоит чуть дороже базовой GLM-5, и в 8 раз дороже MiniMax M2.5\. При этом MiniMax M2.5 набирает 80.2 на SWE-bench против 77.8 у GLM-5\. Аргумент Zhipu в том, что SWE-bench не измеряет то, что важно для агентов: стабильность длинных цепочек вызовов и работу с инструментами.

Для подписчиков GLM Coding доступны тарифы: Lite ($27/квартал), Pro ($81/квартал), Max ($216/квартал). Pro-подписчики получают GLM-5-Turbo сразу, Lite — с апреля.

## Как подключить GLM-5-Turbo

### Через OpenAI SDK

API совместим с OpenAI SDK. Минимальная миграция:

```python
from openai import OpenAI

client = OpenAI(
    api_key="ваш-z-ai-api-key",
    base_url="https://api.z.ai/api/paas/v4/",
)

response = client.chat.completions.create(
    model="glm-5-turbo",
    messages=[
        {"role": "user", "content": "Ваш промпт"}
    ],
)

```

Через [OpenRouter](https://openrouter.ai/z-ai/glm-5-turbo?ref=matveev.tech) дешевле ($0.96 вместо $1.20 за 1M input) и есть автоматические фоллбэки:

```python
from openai import OpenAI

client = OpenAI(
    api_key="ваш-openrouter-key",
    base_url="https://openrouter.ai/api/v1",
)

response = client.chat.completions.create(
    model="z-ai/glm-5-turbo",
    messages=[
        {"role": "user", "content": "Ваш промпт"}
    ],
)

```

Поддерживаются function calling, thinking mode, structured output и стриминг. Ключ API получается на [z.ai](https://z.ai/?ref=matveev.tech).

### В OpenClaw

Инструкция по [документации Z.AI](https://docs.z.ai/devpack/tool/openclaw?ref=matveev.tech):

1. Установить OpenClaw:

```bash
curl -fsSL https://openclaw.ai/install.sh | bash

```

1. При настройке (`openclaw onboard --install-daemon`) выбрать Z.AI как провайдера и ввести API-ключ.
2. Переключить модель на GLM-5-Turbo. В файле `~/.openclaw/openclaw.json` добавить модель в секцию `models.providers.zai.models`:

```json
{
  "id": "glm-5-turbo",
  "name": "GLM-5-Turbo",
  "reasoning": true,
  "input": ["text"],
  "contextWindow": 204800,
  "maxTokens": 131072
}

```

1. Поменять дефолтную модель в `agents.defaults.model`:

```json
"primary": "zai/glm-5-turbo",
"fallbacks": ["zai/glm-5", "zai/glm-4.7"]

```

1. Перезапустить: `openclaw gateway restart`.

Skills (навыки агента) ставятся через [ClawHub](https://clawhub.ai/?ref=matveev.tech): `clawhub search "тема"` → `clawhub install название`. Именно рост использования Skills с 26% до 45% стал одной из причин, почему Zhipu сделала отдельную модель под OpenClaw.

## Бенчмарк ZClawBench

Вместе с моделью Zhipu представила [ZClawBench](https://docs.z.ai/guides/llm/glm-5-turbo?ref=matveev.tech) — свой бенчмарк для агентных сценариев, построенный на типичных задачах OpenClaw. Покрывает настройку окружений, разработку, поиск информации, анализ данных и автоматизацию.

![Результаты ZClawBench — GLM-5-Turbo обходит GLM-5 и ряд конкурентов в агентных задачах](https://matveev.tech/content/images/2026/03/glm-5-turbo-zclawbench.png)

По радарной диаграмме от Zhipu, GLM-5-Turbo обходит базовую GLM-5 во всех категориях. Но тут важная оговорка: конкретные цифры ZClawBench пока не опубликованы, это данные вендора без независимой валидации. Датасет и траектории выложены в открытый доступ, так что проверить можно.

Пишу про модели, агентов и инструменты для разработки с AI — [подписывайся в Telegram](https://t.me/ctospeech?ref=matveev.tech).

---

Zhipu пошли нетипичным путём: вместо того чтобы взять готовую модель и прикрутить function calling сверху, они тренировали GLM-5-Turbo на агентных данных с самого начала. По [анализу VentureBeat](https://venturebeat.com/technology/z-ai-debuts-faster-cheaper-glm-5-turbo-model-for-agents-and-claws-but-its?ref=matveev.tech), модель позиционируется не как замена GLM-5, а как коммерческий ответвление: быстрее, стабильнее в агентных цепочках, но закрытая.

GLM-5 вышла под MIT-лицензией, и Zhipu строила репутацию на открытости. GLM-5-Turbo закрыта. Zhipu обещает, что наработки из Turbo попадут в будущие open source релизы, но саму модель открывать не планирует.

Для тех, кто строит агентов и ищет альтернативу OpenAI с Anthropic, GLM-5-Turbo — вариант с нативной поддержкой MCP и OpenAI-совместимым API. Но цена не бюджетная: MiniMax M2.5 в 8 раз дешевле и на SWE-bench набирает больше. Аргумент за Turbo — стабильность инструментов в длинных агентных цепочках, и тут данные OpenRouter (0.67% ошибок) пока выглядят убедительно.

## Что ещё почитать

- [GLM-4.7: что нового в модели Zhipu](https://matveev.tech/glm-4-7-obzor) — предыдущее поколение моделей Zhipu
- [Память AI-агентов: контекст, RAG, графы и mem0](https://matveev.tech/pamyat-ai-agentov-rag-grafy-mem0) — как агенты работают с контекстом
- [Топ-6 AI-агентов для кода в 2026](https://matveev.tech/luchshie-ai-agenty-dlya-koda-2026) — обзор конкурентов в агентном пространстве