GLM-5 vs Kimi K2 для кодинг-агентов: контекстные окна, цены и выбор модели для длинных задач

Если вы создаёте кодинг-агентов, которым нужно работать через китайские API endpoint — по причинам compliance, задержки или стоимости — два семейства моделей неизменно оказываются в списке кандидатов: GLM-5 от Z.ai (ранее Zhipu AI) и Kimi K2 от Moonshot AI. Обе модели с открытыми весами, обе предоставляют OpenAI-совместимые API, обе целенаправленно оптимизированы для длительных агентных инженерных задач.

Разница — в компромиссах проектирования. GLM-5.2 делает ставку на масштаб контекста: стабильное окно в 1M токенов с максимальным выводом 128K, созданное для работы с целыми проектами. Kimi K2.7 Code делает ставку на эффективность токенов: обязательный глубокий thinking с на 30% меньшим количеством reasoning-токенов по сравнению с предшественником и лучшая в классе точность MCP tool calling. Выбор зависит от того, что является узким местом — размер контекста или стоимость одного запуска agent.

Источники: GLM-5.2 Overview — Z.ai Developer Docs, получено 2026-06-18; Kimi K2.7 Code Quick Start, получено 2026-06-18; VentureBeat: анализ запуска GLM-5.2, получено 2026-06-18.

Краткая сводка

Чем кодинг-агенты отличаются от чатботов

Кодинг-агент — не чатбот. Он вызывает модель десятки или сотни раз за одну задачу: читает файлы, планирует изменения, пишет код, запускает тесты, итерирует при ошибках. Ключевые параметры:

1. Ёмкость контекста — сколько состояния проекта можно загрузить за один вызов?
2. Длина вывода — может ли модель сгенерировать целый модуль за один ответ?
3. Надёжность tool calling — модель стабильно генерирует валидные function call на протяжении длинных сессий?
4. Эффективность токенов — сколько reasoning-токенов модель расходует для достижения одного результата?
5. Стоимость одного запуска agent — суммарные расходы за многошаговую сессию.

GLM-5.2 и Kimi K2.7 Code оптимизируют разные подмножества этих параметров. Именно поэтому они дополняют друг друга, а не заменяют.

GLM-5.2: флагман с 1M контекстом

GLM-5.2 вышел 13 июня 2026 года как новейший флагман Z.ai. Модель использует технологию IndexShare — переиспользование одного индексатора на каждые четыре sparse attention layer, что снижает FLOPs на токен в 2.9 раза при контексте 1M. Основные характеристики:

• Архитектура: 753B параметров (dense). Не MoE — все параметры активны при каждом forward pass.
• Контекст: 1 000 000 токенов. Z.ai описывает это как «solid 1M» — протестировано на многочасовых автономных инженерных сессиях.
• Макс. вывод: 128 000 токенов за ответ — вдвое больше, чем у Kimi K2.7 Code.
• Режимы thinking: переключаемые между «High» (баланс производительности и задержки) и «Max» (максимальный reasoning, ~85K выходных токенов на задачу). Для простых операций thinking можно отключить.
• Vision: только текст для GLM-5.2.
• Лицензия: MIT — без ограничений на коммерческое использование, модификацию и распространение.
• API-цены (Z.ai): $1.40 / 1M input-токенов, $4.40 / 1M output-токенов.

Преимущества GLM-5.2:

• Захват всего проекта. Загрузите весь репозиторий — backend, frontend, тесты, конфиги, документацию — в одно контекстное окно.
• Долгий горизонт рефакторинга. Z.ai сообщает 34.3% на PostTrainBench (GPT-5.5: 25.0%) и 13.0% на SWE-Marathon (GPT-5.5: 12.0%).
• SWE-bench Pro: 62.1% — выше GPT-5.5 (58.6%) и GLM-5.1 (58.4%).
• FrontierSWE (Dominance): 74.4% — выше GPT-5.5 (72.6%), почти на уровне Claude Opus 4.8 (75.1%).
• 128K вывод. Когда нужно сгенерировать полный модуль за один ответ.

Где GLM-5.2 дороже:

• Стоимость за токен. Input $1.40 — примерно на 47% дороже, чем K2.7 Code ($0.95).
• Dense-архитектура. Все параметры активны при каждом forward pass — больше вычислений на токен.
• Нет vision input. Если pipeline включает screenshot-to-code, GLM-5.2 не подходит.

Источники: GLM-5.2 Overview — Z.ai Developer Docs, получено 2026-06-18; VentureBeat: GLM-5.2 обгоняет GPT-5.5, получено 2026-06-18; Fireworks.ai: GLM 5.2 day-zero, получено 2026-06-18.

Kimi K2.7 Code: эффективный специалист по MCP

K2.7 Code вышел 12 июня 2026 года как модель Moonshot AI, специализированная на кодинге. Основные характеристики:

• Архитектура: 1T параметров всего, 32B активных на токен (MoE). Значительно меньше вычислений на токен по сравнению с dense-архитектурой GLM-5.2.
• Контекст: 256 000 токенов. Достаточно для большинства одиночных репозиториев, но в 4 раза меньше окна GLM-5.2.
• Макс. вывод: 65 536 токенов за ответ.
• Режим thinking: обязательный. Невозможно отключить. Каждый ответ содержит reasoning-токены. Temperature зафиксирован на 1.0, top_p на 0.95.
• Vision: MoonViT 400M encoder — текст, изображения и видео.
• Лицензия: Modified MIT (открытые веса, коммерческое использование с атрибуцией).
• API-цены (Moonshot): $0.95 / 1M input, $4.00 / 1M output.

Преимущества K2.7 Code:

• MCP tool calling. 81.1 на MCP Mark Verified — лучший результат среди китайских моделей, выше Claude Opus 4.8 (76.4).
• Эффективность токенов. На 30% меньше reasoning-токенов, чем K2.6, при эквивалентных задачах.
• Стоимость за сессию. Типичная 20-turn сессия стоит ~$0.18.
• HighSpeed-вариант. kimi-k2.7-code-highspeed выдаёт ~180 tokens/s (до 260 tokens/s в коротком контексте).
• Vision input. Screenshot-to-code, понимание видео, мультимодальная отладка — встроенные возможности.

Ограничения K2.7 Code:

• Обязательный thinking. Reasoning-токены генерируются даже для простых tool-call ответов.
• Зафиксированный sampling. Temperature и top_p не настраиваются — нет deterministic mode для CI/CD.
• Потолок контекста. 256K — достаточно для большинства задач, но не для монорепозиториев масштаба 1M.

Источники: Kimi K2.7 Code Quick Start, получено 2026-06-18; Kimi K2.7 Code Pricing, получено 2026-06-18; AtlasCloud: Kimi K2.6 vs GLM 5.1, получено 2026-06-18.

Полная линейка моделей

Цены по данным Z.ai и Moonshot (pay-as-you-go). Источники: Z.ai Pricing, получено 2026-06-18; Moonshot Pricing, получено 2026-06-18; TheRouter models-data.ts.

Сравнение бенчмарков: кодинг и агентные задачи

Все цифры ниже из отчётов производителей или от именованных сторонних оценщиков. Бенчмарки используют разные setup, поэтому кросс-сравнения носят ориентировочный характер.

Главные выводы:

• GLM-5.2 доминирует на длинных бенчмарках (FrontierSWE, PostTrainBench, SWE-Marathon) — задачах продолжительностью часы, а не минуты. Контекст 1M даёт структурное преимущество.
• K2.7 Code лидирует на MCP Mark Verified (81.1 vs Opus 4.8: 76.4) — бенчмарке точности MCP tool calling.
• Ни одна из моделей не догоняет Claude Opus 4.8 или GPT-5.5 по абсолютным SWE-bench результатам (разрыв ~7–9 п.п.).
• GLM-5.2 и K2.7 Code тестируются на разных бенчмарках, что затрудняет прямое сравнение.

Источники: VentureBeat: анализ бенчмарков GLM-5.2, получено 2026-06-18; Kimi K2.7 Code Quick Start — бенчмарки, получено 2026-06-18; Fireworks.ai: GPQA-Diamond validation, получено 2026-06-18.

Одна задача — две модели

Обе модели работают с OpenAI SDK. Разница только в base_url, api_key и model:

GLM-5.2 через Z.ai API:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_ZAI_KEY",
    base_url="https://open.bigmodel.cn/api/paas/v4/",
)

response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "system", "content": "You are a coding assistant."},
        {"role": "user", "content": "Refactor this Django project into domain-driven modules."},
    ],
    tools=[{
        "type": "function",
        "function": {
            "name": "read_file",
            "description": "Read a file from the project",
            "parameters": {
                "type": "object",
                "properties": {"path": {"type": "string"}},
                "required": ["path"],
            },
        },
    }],
)

Kimi K2.7 Code через Moonshot API:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_MOONSHOT_KEY",
    base_url="https://api.moonshot.ai/v1",
)

response = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[
        {"role": "system", "content": "You are a coding assistant."},
        {"role": "user", "content": "Refactor this Django project into domain-driven modules."},
    ],
    tools=[{
        "type": "function",
        "function": {
            "name": "read_file",
            "description": "Read a file from the project",
            "parameters": {
                "type": "object",
                "properties": {"path": {"type": "string"}},
                "required": ["path"],
            },
        },
    }],
)

API-поверхность идентична. Решение о маршрутизации зависит от ёмкости контекста, стоимости и подходящего типа задач.

Источники: Z.ai Developer Docs — API Overview, получено 2026-06-18; Kimi API Overview, получено 2026-06-18.

Стоимость одного запуска кодинг-агента

Типичная 20-turn сессия (рефакторинг модуля среднего размера):

При умеренном использовании контекста стоимость обеих моделей за сессию почти одинакова. Более низкая input-цена K2.7 Code компенсируется обязательными thinking-токенами, раздувающими объём output.

Экономика меняется в зависимости от сценария:

• Узкое место — размер контекста (загрузка целых репозиториев): GLM-5.2 — единственный вариант. K2.7 Code физически не вместит 1M токенов.
• Узкое место — объём (тысячи сессий с умеренным контекстом в день): input-цена K2.7 Code ($0.95 vs $1.40) экономит ~32%.
• Нужен гибкий thinking: GLM-5.2 позволяет пропускать reasoning-токены на простых turns.

DashScope: обе модели доступны на Bailian

Обе линейки моделей доступны через платформу DashScope (Bailian) от Alibaba Cloud — единый биллинг и один API endpoint.

• GLM-5.1 доступен как glm-5.1 (доступность GLM-5.2 на DashScope ожидается).
• Kimi K2.6 доступен как kimi-k2.6.

При использовании TheRouter модели Z.ai и Moonshot маршрутизируются через интеграцию с провайдером Zhipu. Fallback-цепочки настраиваются без изменения кода приложения.

Замечание: GLM-5.2 пока не в каталоге моделей TheRouter — будет добавлен после верификации. GLM-5/5.1 и Kimi K2.6/K2.7 Code доступны. Подробности: руководство по GLM API и руководство по интеграции Kimi K2 API.

Когда выбрать GLM-5.2

• Кодовая база превышает 256K токенов. Монорепозитории, мультипроектные workspace — GLM-5.2 с 1M контекстом единственный вариант среди китайских моделей.
• Нужна максимальная длина вывода. 128K токенов за ответ — полные модули, а не фрагменты.
• Нужен гибкий thinking. Переключение между High и Max, возможность полностью отключить reasoning для простых вызовов.
• Приоритет — надёжность на длинных задачах. FrontierSWE 74.4%, PostTrainBench 34.3% — лучшие long-horizon результаты среди open-weight моделей.
• Нужна MIT-лицензия. Без требований атрибуции, без региональных ограничений.

Когда выбрать K2.7 Code

• Бюджет — основное ограничение. Input $0.95/M — на ~32% дешевле. Для больших объёмов с умеренным контекстом экономия накапливается.
• Agent-фреймворк использует MCP. 81.1 на MCP Mark Verified — лучший результат среди китайских моделей.
• Нужен vision input. Screenshot-to-code, понимание видео — встроенные возможности.
• Нужен HighSpeed-вариант. ~180 tokens/s для задач, чувствительных к задержке.
• Работа в Китае с контекстом до 256K. K2.7 Code покрывает стандартные задачи при минимальной стоимости.

Маршрутизация обеих моделей через TheRouter

Для многих production-деплойментов правильный ответ — обе модели в конфигурации маршрутизации:

• Primary: GLM-5.2 для задач с большим контекстом (architecture review, рефакторинг всей кодовой базы, долгие автономные запуски).
• Fallback: K2.7 Code для высоконагруженных, cost-sensitive agent-циклов и MCP-интенсивных workflow.

Мы маршрутизируем модели Z.ai/Zhipu через TheRouter — код приложения остаётся прежним, меняется только конфигурация маршрутизации. Подробности — в руководстве по fallback-маршрутизации.

Чек-лист для production

Перед развёртыванием любой модели в pipeline кодинг-агента:

• Протестируйте формат tool calling. Обе модели следуют OpenAI function-calling spec, но убедитесь, что ваш agent-фреймворк обрабатывает обязательные thinking-токены K2.7 Code в каждом ответе.
• Обработайте лимиты контекста. Если pipeline может превысить 256K токенов, используйте GLM-5.2 или реализуйте chunking для K2.7 Code.
• Настройте max_tokens. GLM-5.2 поддерживает до 128K output-токенов; K2.7 Code — до 65K.
• Мониторьте thinking-overhead. Обязательный thinking K2.7 Code раздувает каждый ответ. Отслеживайте thinking-токены и content-токены раздельно.
• Протестируйте sampling. K2.7 Code фиксирует temperature=1.0, top_p=0.95. Для deterministic output в CI используйте GLM-5.2 с temperature=0.
• Учтите rate limits. У Z.ai и Moonshot есть rate limits. Реализуйте retry с экспоненциальным backoff. DashScope — альтернативный путь.
• Оцените self-hosting. Обе модели с открытыми весами. Для deployment с требованиями к задержке или compliance — self-hosting на Fireworks, DeepInfra или собственной инфраструктуре.

Источники