Две новые модели в GPTIK: Qwen3.8 27B и GLM-5.3

Август выдался урожайным. В каталоге появились две модели, вышедшие с разницей в несколько дней, и общего у них почти нет. Qwen3.8 27B умеет смотреть: на картинки, видео, сканы документов. GLM-5.3 держит в голове миллион токенов и заточена под долгую возню с кодом.

Qwen3.8 27B: маленькая модель, которая видит

Команда Qwen выложила Qwen3.8 27B 14 августа под лицензией Apache 2.0. Параметров в ней 27,78 млрд, по нынешним меркам скромно. На вход идут текст, изображения и видео, на выходе текст. Контекст 262 тысячи токенов.

Самое любопытное в другом. Предыдущее поколение, Qwen3.6-27B, устроено почти так же: весь прирост качества дало обучение, а не переделка архитектуры. И прирост вышел неприличный:

• Terminal-Bench 2.1: 73,0 против 63,4 у предшественницы
• DeepSWE 1.1: 42,2 против 13,3, то есть больше чем втрое
• OSWorld-Verified (работа с компьютером): 84,3 против 63,9
• MathVision: 94,6, разбор научных графиков CharXiv: 90,2, документы OmniDocBench: 91,1

Цифры взяты из карточки модели на Hugging Face. Там же Qwen заявляет, что на управлении интерфейсами и разборе документов её 27-миллиардная модель обходит флагманы в разы крупнее. Это слова самого разработчика, независимой перепроверки пока нет.

Откуда дешёвый длинный контекст? Из гибридного внимания: на три слоя линейного приходится один слой полного. Для трёх четвертей слоёв вычисления растут линейно, а не квадратично. Независимый замер Artificial Analysis даёт модели 52 балла индекса качества, первое место среди открытых моделей близкого размера, где медиана болтается на девятке.

Пригодится везде, где на что-то нужно посмотреть глазами: скриншот интерфейса, скан договора, чертёж, кадр из видео, таблица с графиком. Плюс агентные сценарии, где надо не ответить, а последовательно что-то сделать.

Есть и подвох. Разработчик Саймон Уиллисон погонял модель вживую и обнаружил, что по умолчанию она рассуждает до последнего даже над ерундой: на простую векторную картинку ушло 22 276 токенов размышлений и 21 минута. Со сниженным уровнем рассуждений та же задача заняла пару минут. Так что для несложных запросов уровень рассуждений лучше убавлять, сэкономите и время, и деньги.

Цена в GPTIK: 72 ₽ за миллион входящих токенов, 510 ₽ за миллион исходящих.

GLM-5.3: миллион токенов и упор на инженерию

Z.ai выпустила GLM-5.3 тоже 14 августа. История та же, что у Qwen, только доведённая до предела: базовую модель вообще не трогали. Под капотом всё та же MoE-архитектура на 743 млрд параметров, что и у GLM-5.2, а весь прирост дало дообучение на более разнообразных задачах. Прирост при этом такой, будто модель переделали:

• Z.ai Code Bench: 34,5% против 23,4% у GLM-5.2, примерно плюс половина
• Terminal-Bench 3.0: 28,3 против 4,6
• DeepSWE v1.1: 66,9 против 46,2
• Agents' Last Exam: 28,5 против 23,8

Числа приведены в документации Z.ai, там же честно указано, что на собственном кодовом бенчмарке Z.ai модель всё же уступает Claude Fable 5 с её 39,5%. Отдельно разработчик подчёркивает: на длинных агентных задачах GLM-5.3 не только точнее предшественницы, она ещё и тратит меньше токенов на ответ.

Контекст миллион токенов, на ответ модель выдаёт до 128 тысяч. Есть вызов функций, структурированный вывод и три уровня рассуждений: низкий, высокий и максимальный.

По вертикали индекс качества, по горизонтали средняя стоимость одной задачи теста в долларах, шкала логарифмическая. Зелёным залит привлекательный квадрант: высокое качество за небольшие деньги, пунктиром обозначена граница лучших на сегодня сочетаний. GLM-5.3 попадает туда с индексом 60, это восьмое место среди 182 моделей, при стоимости задачи в 0,68 доллара. Модели сопоставимого качества обходятся в 1-3 доллара.

Качество моделей относительно стоимости задачи. По данным сайта artificialanalysis.ai.

Куда её девать: разбор большого репозитория целиком, рефакторинг, отладка, долгие агентные цепочки, где модель час работает над одной задачей. Миллион токенов контекста, это примерно книга среднего размера или очень крупный проект, загруженный разом.

Обратная сторона: GLM-5.3 болтлива. На прогоне того же индекса Artificial Analysis она выдала 170 млн выходных токенов при медиане 72 млн. А исходящие токены дороже входящих, 660 ₽ против 210 ₽ за миллион. Гоняете модель на потоке, подбирайте уровень рассуждений под задачу, а не оставляйте максимальный.

Цена в GPTIK: 210 ₽ за миллион входящих токенов, 660 ₽ за миллион исходящих.

Что дальше

Обе модели уже в каталоге и доступны на общих основаниях: оплата в рублях с баланса, отдельные ключи и подписки не нужны. Выбрать можно в списке моделей: Qwen3.8 27B, когда модели нужно что-то показать, а не рассказать; GLM-5.3, когда задача большая и про код.