GLM-5.1 показатели выглядят хорошо, внедрение — это другое дело: аппаратные требования и разрыв в проверке всё ещё существуют

Demo и реальное развертывание — две разные вещи

Z.ai с GLM-5.1 делает ставку на “открытый исходный код” в долгосрочных задачах, создавая шум, но популярность опережает фактическую пригодность. Официально заявлено, что он занимает первое место по открытости в SWE-Bench Pro (58.4%), третье в мире по Terminal-Bench (63.5%) и 42.7% в NL2Repo, а также превосходит GPT-5.4 с 57.7% в SWE-Bench. Но независимые тесты рассказывают другую историю — Claude Opus 4.6 достигает 75–80% на проверяемых подмножествах. Стандарты Z.ai скорее подчеркивают сильные стороны и избегают слабых, что не говорит о стабильности модели в производственной среде.

В Твиттере повсюду демонстрации GLM-5.1 в инструментах вроде Claude Code. Но что не упоминается — требования к оборудованию очень высоки. Большинство независимых разработчиков не смогут запустить его, что поднимает неловкий вопрос: модель, требующая корпоративных мощностей, что на самом деле означает “открытый исходный код”?

• Недостаток доверия инвесторов: IPO Z.ai оценена примерно в 3 миллиарда долларов, собрано 400 миллионов, но цена акций упала на 23% в феврале 2026 года. Недостаток вычислительных ресурсов — реальная проблема, и рынок это уже отразил.
• Общая хеджирование компаний: лицензия MIT для GLM-5.1 и возможность автономного кодирования до 8 часов имеют практическую ценность, но в долгосрочной нагрузке он уступает Opus от Anthropic. Большинство покупателей оставляют закрытые API для ключевых задач.
• “Открытый исходный код обязательно победит” — преждевременно: без субсидий на вычислительные мощности (например, в сотрудничестве с io.net) модели такого масштаба недоступны большинству разработчиков, и это еще не разрушило доминирование крупных компаний в рабочих процессах.

Аппаратные барьеры вынуждают делать сложный выбор

Обсуждение GLM-5.1 разделяет мнения, что было ожидаемо. Инженеры AI показывают итерационные решения; исследователи DeepMind отмечают сложности с обработкой межфайловых зависимостей в длинных диалогах.

Z.ai явно ориентирована на высокоэффективные вычисления — поддержка чипов Huawei Ascend, совместимость с vLLM — но 754 миллиардов параметров требуют как минимум FP8 квантования. Если вы — лаборатория с достаточным финансированием внутри страны, проблем нет; в других регионах ситуация сложнее.

Финансирование тоже рассказывает свою историю. Участие Prosperity7 подразумевает геополитическую хеджирование, но включение в санкционные списки в 2025 году ограничило международное расширение Z.ai. Скорее, это “локальный чемпион”, а не “глобальный конкурент”.

Итог: Если вы полностью ставите на “открытый исходный код — революция”, сейчас, скорее всего, рано. Закрытые модели по надежности все еще превосходят. Для бизнеса: используйте открытые веса, если это экономит деньги, а в производстве — оставляйте закрытые API. Для инвесторов: позиционирование Z.ai в Азии заслуживает внимания, но только при условии контроля за геополитикой вычислительных мощностей.

Важность: Высокая
Категория: Выпуск моделей, Технический анализ, Влияние на рынок

Вердикт: Пока говорить о “открытом исходном коде, который полностью заменит закрытые модели” — преждевременно; краткосрочно лидируют закрытые API и крупные лаборатории с мощностями. В чем выгода для разных ролей:

• Создатели (builder): если в рамках азиатской экосистемы вычислений, с субсидиями или локальным оборудованием, стоит попробовать на средних рабочих потоках; иначе — нерентабельно.
• Трейдеры (trader): можно торговать по теме, но важно следить за сотрудничеством по мощностям и регуляторными изменениями, быстро входить и выходить.
• Долгосрочные инвесторы и фонды: преимущество у тех, кто умеет строить цепочки поставок и диверсифицировать AI стек в Азии; у тех, у кого этого нет — не в выигрыше.