GPT-6.1 Terra kontra GLM-5.5: Brakujący model i ten, który możesz pobrać

Wyszukiwanie GPT-6.1 Terra w porównaniu z GLM-5.5zwraca mnóstwo pewnych siebie tabel dotyczących modelu, który nie istnieje. Z.ai nie opublikowało żadnej karty modelu, identyfikatora API, ceny ani wag pod nazwą GLM-5.5; jego katalog wciąż kończy się na GLM-5.3, wydanym w połowie sierpnia 2026 r., a otwarte wagi pojawiły się w późniejszej części tego miesiąca. Terra natomiast została wydana 26 października i można jej dziś używać. Zatem prawdziwe porównanie to Terra kontra GLM-5.3 — i w tym zestawieniu oba modele kosztują niemal dokładnie tyle samo za token, podczas gdy Terra kosztuje około jednej piątej tyle za ukończone zadanie. Nie wynika to z żadnego triku cenowego. To kwestia rozwlekłości.

Stan GLM-5.5 warto opisać precyzyjnie, ponieważ plotkarski młyn pracował pełną parą. Doniesienia z końca października wskazują na okno premiery przypadające na okres od końca października do początku listopada 2026 r. Przecieki z notatek sugerują łącznie od 2,5 do 3,5 biliona parametrów, wobec wcześniejszych deklaracji o 1 bln i 1,6 bln, oraz cel w postaci wydajności „klasy Fable”. Samo Z.ai powiedziało jedynie, że GLM-5.4 i GLM-5.5 będą modelami klasy biliona parametrów, a podczas telekonferencji wynikowej 31 sierpnia wspomniało o GLM-6.0, nie podając daty. Nic z tego nie jest produktem. Czteroczęściowy test — wywoływalny identyfikator API, opublikowany cennik z opłatami za cache, niezależny wpis w rankingu oraz wagi do pobrania — obecnie nie jest spełniony w żadnym z czterech punktów.

Model, który faktycznie znajduje się po drugiej stronie tego porównania

• GLM-5.3 — wydany w połowie sierpnia 2026 r.; otwarte wagi na licencji GLM-5.3; około 750 mld parametrów łącznie, z około 40 mld aktywnymi na token; kontekst 1 mln tokenów; wyjście 128 tys. tokenów; tylko tekst; myślenie domyślnie włączone; cena katalogowa 1,40/4,40 USD za 1 mln tokenów wejściowych/wyjściowych lub 1,26/3,96 USD przez OrcaRouter.

• GPT-6.1 Terra — wydany 26 października 2026 r.; zamknięte wagi; kontekst 1,05 mln tokenów; 128K tokenów wyjściowych; wejście tekstowe i obrazowe; sześć poziomów rozumowania; 1,00/5,00 USD za 1 mln tokenów wejściowych/wyjściowych, rosnąco do 2,00/7,50 USD po przekroczeniu 272K tokenów wejściowych; pamięć podręczna wejścia 0,05 USD.

• Niezależny Indeks Inteligencji — Terra 48, GLM-5.3 45, w obecnej skali Artificial Analysis.

W cenniku są niemal bliźniaczo podobne. Przy cenie pass-through OrcaRouter GLM-5.3 kosztuje 1,26 USD/3,96 USD w porównaniu z 1,00 USD/5,00 USD w przypadku Terra. GLM jest o 26% tańszy na wejściu i o 21% tańszy na wyjściu. Zespół wybierający na podstawie tych dwóch liczb wybrałby GLM-5.3 i poszedł dalej.

Za token kosztują tyle samo; za zadanie już nie.

Artificial Analysis mierzy koszt na zadanie w Intelligence Index, który uwzględnia, ile tokenów model faktycznie zużywa, aby dojść do odpowiedzi. Terra wypada na około 0,40 USD. GLM-5.3 wypada na około 2,01 USD — pięć razy więcej, mimo tańszych stawek za tokeny. Przyczyna jest widoczna w samej ewaluacji: Terra zużyła około 130 mln tokenów wyjściowych w całym zestawie, a GLM-5.3 około 210 mln. GLM-5.3 myśli dłużej, więcej powtarza i płaci za to na liczniku.

To najbardziej przydatna rzecz do zrozumienia w tym zestawieniu i właśnie ją omówienia premierowe obu modeli zwykle pomijają. Ceny tokenów są daną wejściową kosztu, a nie jego miarą. Model, który jest o 20% tańszy za token i o 60% bardziej rozwlekły, jest o 33% droższy za odpowiedź. W przypadku ekstrakcji, klasyfikacji lub generowania krótkich odpowiedzi na dużą skalę ta odwrotność decyduje o rachunku.

To oznacza również, że porównanie odwraca się w zależności od charakteru obciążenia. Gadatliwość GLM-5.3 najbardziej szkodzi przy krótkich wynikach, gdzie narzut związany z rozumowaniem dominuje. Przy generowaniu długich form, gdzie oba modele i tak wytwarzają tysiące tokenów, różnica w cenie tokenów znów daje o sobie znać, a 21-procentowa zniżka GLM na wyniki przekłada się na realne pieniądze.

Gdzie GLM-5.3 i tak jest lepszym zakupem

Otwarte wagi są oczywistą odpowiedzią i nie jest to drobna rzecz. GLM-5.3 można pobrać, hostować samodzielnie, dostroić i utrzymać w granicach zgodności. Terra nie. W branży regulowanej, w środowisku odizolowanym od sieci lub w zespole, który potrzebuje, by model przestał zmieniać się pod nim, rozstrzyga to kwestię, zanim jeszcze spojrzy się na benchmarki.

GLM-5.3 ma również mocny profil techniczny w stosunku do ceny. Przewodzi wśród modeli z otwartymi wagami w indeksie Artificial Analysis, mniej więcej ex aequo z Kimi K3, i jest niezwykle mocny w cyberbezpieczeństwie oraz badaniach podatności — zarówno własne oceny cyberbezpieczeństwa Zhipu, jak i testy red-team Anthropic plasują go blisko modeli frontier pod względem wykrywania exploitów. W SciCode uzyskał 59,0 pkt, wyprzedzając GPT-6.1 Sol z 54,2 pkt, choć Terra nie znalazła się w tym zestawieniu. Obsługuje kontekst 1 mln tokenów oraz zniżkę za cache na poziomie około 81%, dzięki czemu powtarzane długie prompty są tańsze, niż sugeruje cena katalogowa.

Obsługuje wyłącznie tekst: żadnych obrazów, dźwięku ani plików PDF. Myślenie jest zawsze włączone, z wieloma poziomami wysiłku, ale bez prawdziwego wyłącznika. A gadatliwość to realny koszt operacyjny, a nie tylko artefakt benchmarku — objawia się dłuższymi opóźnieniami, większymi rachunkami i większą liczbą tokenów do odfiltrowania w dalszych potokach przetwarzania.

Gdzie Terra wygrywa

Trzypunktowa przewaga modelu Terra w indeksie jest skromna, a niezależne zestawy testów sprawiają, że wygląda jeszcze mniejsza. W Vals Index Terra uzyskuje 60,17% wobec 59,73% GLM-5.3 — różnica 0,44 punktu mieszcząca się w granicach szumu, przy wyższym koszcie na test wynoszącym 2,92 USD. W benchmarku księgowym DualEntry GLM-5.3 uzyskał wyższy wynik i był tańszy niż model Terra, który osiągnął 78,2%. Jeśli pytanie brzmi „który model jest mądrzejszy”, uczciwa odpowiedź jest taka, że są wystarczająco blisko, by wybór benchmarku decydował o zwycięzcy.

Zalety modelu Terra leżą gdzie indziej. Przyjmuje obrazy; GLM-5.3 nie. Oferuje sześć poziomów rozumowania, dzięki czemu łatwy ruch można kierować na niski wysiłek, czego nie umożliwia zawsze włączone myślenie GLM. Jego punkt odcięcia wiedzy to czerwiec 2026 r. wobec wcześniejszego okna treningowego GLM-5.3. Jest też szybki: 90,9 tokena wyjściowego na sekundę w Artificial Analysis, w tym samym przedziale co GLM-5.3, którego zmierzona przepustowość wahała się od wysokich 60 do średnich 90 w zależności od dostawcy i migawki. Szybkość w połączeniu z niższym kosztem na zadanie to naprawdę mocna kombinacja w produktach interaktywnych.

Dopłata za 272K działa na jej niekorzyść. Po przekroczeniu tego progu wejściowego ceny Terra skaczą do $2.00/$7.50, co całkowicie niweluje jej przewagę na wejściu nad GLM-5.3 i sprawia, że wyjście jest o 89% droższe. W przepływach pracy z długimi dokumentami należy wyceniać według dopłaty, a nie według ceny nagłówkowej.

Jeśli GLM-5.5 faktycznie się pojawi

Użyteczny sposób myślenia o brakującym modelu to nie pytanie „jaki wynik by osiągnął”, lecz „co musiałoby być prawdą, żeby zmienił tę decyzję”. Trzy kwestie:

• Musiałby być drastycznie mniej rozwlekły. Model z 2,5 biliona parametrów, który myśli jeszcze dłużej niż GLM-5.3, przegrałby pod względem kosztu na zadanie, niezależnie od tego, jak korzystnie wyglądałaby jego cena za token. Plotki o parametrach wskazują w tym względzie niewłaściwy kierunek.

• Wymagałoby to otwartych wag już w momencie premiery, a nie tygodnie później. Wagi GLM-5.3 pojawiły się około dziesięciu dni po API; takie opóźnienie wystarczy, by zakłócić cykl zakupowy.

• Musiałby mieć cenę niższą niż GLM-5.3 albo tak duży skok w możliwościach, by uzasadnić wyższą cenę. Model o bilionie parametrów udostępniany po stawkach frontier nie zaoferowałby stawki niższej niż 0,40 USD za zadanie oferowane przez Terra.

Nic z tego nie jest przewidywaniem. To lista kontrolna do uruchomienia w dniu, w którym pojawi się karta. Do tego czasu GLM-5.5 jest powodem, by obserwować informacje o wydaniach Z.ai, a nie powodem do odkładania decyzji.

Dziś uruchamiam oba

GLM-5.3 znajduje się w katalogu OrcaRouter w cenie 1,26 USD/3,96 USD za milion tokenów, czyli w cenie katalogowej dostawcy przekazanej bez narzutu (0%), obok ponad 200 innych modeli dostępnych na jednym kluczu z automatycznym przełączaniem awaryjnym. W momencie publikacji Terra nie znajduje się w katalogu — jest dostępna przez API OpenAI oraz kilka platform zewnętrznych — więc praktycznym eksperymentem jest wywołanie GLM-5.3 przez OrcaRouter, a Terra przez OpenAI, a następnie porównanie ich na własnym ruchu, a nie na tabeli liderów.

Gdy to zrobisz, mierz tokeny na ukończone zadanie, a nie cenę za token. To jest liczba, która odróżnia te dwa modele, i to liczba, której żaden z wpisów premierowych nie umieścił w nagłówku. Jeśli Terra ukończy Twoje obciążenie, zużywając o jedną trzecią mniej tokenów wyjściowych, jego 21-procentowa niekorzyść w cenie tokenów wyjściowych znika, a niższa stawka za tokeny wejściowe zaczyna się kumulować. Jeśli rozumowanie GLM-5.3 zwraca się w postaci mniejszej liczby ponownych prób i mniejszego udziału ręcznej weryfikacji, rachunek na zadanie się odwraca. Średnie z benchmarków mówią, że modele dzieli zaledwie kilka punktów. Twoje liczby tokenów powiedzą, który z nich jest tańszy.

Pytanie o czekanie ma prostą odpowiedź. GLM-5.5 może pojawić się w ciągu kilku tygodni; GLM-5.3 można już pobrać, a Terrę można już wywoływać. Zespół, który potrzebuje otwartych wag, ma dziś jedną realną opcję, a zespół, który potrzebuje najniższego kosztu na ukończone zadanie, ma inną. Czekanie na model bez punktu końcowego nie poprawia żadnej z tych opcji.