Фуллстек-разработчик Selectel Влад опубликовал практическое сравнение self-hosted моделей GLM-5.1 и GLM-5.2 с внешними коммерческими моделями Claude и GPT. Материал основан на опыте работы в корпоративном проекте за последний год и не содержит синтетических бенчмарков: автор сознательно отказался от публичных тестов, поскольку считает их недостаточно достоверными.
Влад использует гибридный подход: внешние модели (Claude Opus 4.5–4.7, GPT-5.3-Codex) применяются для ресерча и работы с публичными данными, а self-hosted GLM выполняет задачи с закрытым кодом и внутренней документацией. Такой выбор обусловлен требованиями безопасности: внутренний контур позволяет передавать модели чувствительные данные без риска утечки.
| Модель | Контекст | API-цена (вход/выход) |
|---|---|---|
| GLM-5.1 | 200K | 124 ₽ / 390 ₽ |
| GLM-5.2 | 1M | 73 ₽ / 229 ₽ |
| Claude Opus 4.5–4.7 | 200K–1M | 5 $ / 25 $ |
| GPT-5.3-Codex | 400K | 1,75 $ / 14 $ |
| GPT-5.5 | 1,05M | 5 $ / 30 $ |
Для сравнения использовались разные конфигурации. Self-hosted стенд на нескольких GPU с FP8-квантизацией выдавал 400–500 токенов в секунду при одном активном клиенте. Внешние модели работали через подписки Claude Max и ChatGPT Pro. В первом кейсе self-hosted модель имела прямой доступ к репозиториям, а внешней приходилось собирать контекст вручную. Во втором — условия были одинаковыми.
Внешние модели использовались для ресерча и ИИ-ассиста, self-hosted — для внутренней документации и кода.
Цены на API зафиксированы на июль 2026 года. Для GLM-5.1 через ИИ-роутер Selectel — 124 ₽ за миллион входных и 390 ₽ за выходные токены, для GLM-5.2 — 73 ₽ и 229 ₽ соответственно. Claude Opus 4.5–4.7 стоит 5 $ / 25 $, GPT-5.3-Codex — 1,75 $ / 14 $. Автор отмечает, что эти цифры — лишь ориентир, так как подписка, API и self-hosted имеют разные модели оплаты.
Ключевой вывод: self-hosted модели способны выполнять ограниченные задачи разработчика с закрытым контекстом и доводить результат до инженерного ревью. Однако для этого необходима правильная агентная обвязка (harness). В случае GLM использовался OpenCode со скиллами, субагентами и поддержкой Model Context Protocol (MCP). Внешние модели работали через Claude Code и Codex.
Автор подчеркивает, что выбор модели зависит не от её «крутости», а от того, какие данные и задачи ей можно доверить. Для компаний с высокими требованиями к безопасности self-hosted решения становятся практичной альтернативой, несмотря на необходимость поддержки инфраструктуры.
