Qwen 3.8 Max против GLM 5.2: какая модель лучше для программирования в 2026 году?

Трёх дней недостаточно, чтобы уверенно принимать продакшен-решение о новой модели. Именно так выглядит сравнение Qwen 3.8 Max и GLM 5.2 на 22 июля 2026 года: с одной стороны — быстро меняющаяся preview-версия, с другой — версионируемый API, опубликованные веса, контекстное окно в 1M токенов и независимые данные оценки.

Краткий ответ: уже сегодня выбирайте GLM-5.2 для продакшен-агента программирования. У неё более понятные условия развёртывания, предсказуемая оплата за токены, доступные для скачивания веса под лицензией MIT и стабильный идентификатор модели. Тестируйте Qwen3.8-Max-Preview, если вас интересуют её первые результаты во frontend-разработке и вы готовы повторять оценку после каждого обновления preview-версии Alibaba.

Я бы пока не переносил продакшен-нагрузку на Qwen3.8 Max. Это не утверждение, что GLM-5.2 навсегда останется лучшей моделью. Это оценка доступных на данный момент доказательств.

Сначала: “Max” не означает одно и то же

Официальное название модели Alibaba — Qwen3.8-Max-Preview. Здесь Max обозначает уровень модели. Суффикс Preview не менее важен: Alibaba анонсировала модель 19 июля, сообщила, что открытые веса появятся “скоро”, и сделала preview-версию доступной через Token Plan, Qoder и QoderWork.

GLM-5.2 использует Max иначе. GLM-5.2 — это модель, а High и Max — выбираемые настройки усилий рассуждения. Max может выделять больше вычислительных ресурсов на сложную задачу, но это не отдельный чекпойнт под названием “GLM-5.2 Max.”

Это различие исправляет две распространённые ошибки в результатах поиска. Qwen3.8 Max — не Qwen3 Max, не Qwen3.7 Max и не Qwen3-8B. Аналогично, результат Artificial Analysis для Qwen3 Max не становится бенчмарком Qwen3.8 только потому, что названия похожи.

Alibaba также подтвердила, что preview-версия менялась ежедневно, и сообщила о более позднем обновлении с улучшениями в web frontend-разработке. Поэтому каждый результат для Qwen3.8 зависит от даты. Историю релизов и спецификации, которые Alibaba ещё не опубликовала, смотрите в нашем отдельном руководстве по Qwen 3.8 Max.

<!-- ВНУТРЕННЯЯ ССЫЛКА TODO: Добавить к первому вхождению “Qwen3.8-Max-Preview” ссылку на страницу модели GPT Proto после публикации модели. -->

Qwen 3.8 Max и GLM 5.2: краткий обзор

Наиболее полезное сравнение начинается с того, что разработчик действительно может развернуть. Параметры идут уже после этого.

Пропущенные ячейки Qwen — не упущение. Preview-версия не наследует контекстное окно, число активных параметров или лицензию Qwen3.7 только потому, что эти значения сделали бы таблицу полной.

Показатель 2.4T действительно был указан в объявлении Alibaba. Однако его практическое значение пока неясно. Без числа активных экспертов и сведений о функционировании сервинга общее количество параметров не говорит нам о задержке, требованиях к памяти или стоимости одной завершённой задачи программирования.

GLM-5.2 раскрывает больше деталей. В отчёте о релизе Z.ai документирует контекст в 1M, лицензию MIT, уровни усилий High и Max, а также архитектуру IndexShare, сокращающую вычисления индексатора в 2.9× при полной длине контекста. В отчёте также говорится о 20-процентном увеличении длины принятия при спекулятивном декодировании. Это измерения поставщика, но архитектура и настройки оценки опубликованы достаточно подробно для проверки.

Производительность в программировании: бенчмарки против сложного репозитория

В бенчмарках программирования у GLM-5.2 есть показатели, которые можно обсуждать с оговорками. Z.ai сообщает 62.1 в SWE-bench Pro и 81.0 в Terminal-Bench 2.1 при использовании Terminus-2. Лучшая заявленная конфигурация Terminal-Bench достигает 82.7. В официальной карточке модели также раскрываются раннер, лимиты токенов, тайм-ауты и ограничения ресурсов, использованные в этих тестах.

Однако это по-прежнему результаты, заявленные поставщиком. Я бы использовал их для определения сильных сторон, а не для объявления безусловного победителя.

Независимая картина уже, но полезна. Artificial Analysis оценивает GLM-5.2 Max в 51 балл по Intelligence Index v4.1. Модель Qwen на этой странице сравнения — Qwen3 Max Thinking, более старая модель, а её оценка отмечена как приблизительная. Это не доказывает, что GLM-5.2 превосходит Qwen3.8 Max со счётом 51 против 32.

Заявление Qwen гораздо шире: Alibaba описала Qwen3.8 как сопоставимую с ведущими передовыми моделями и уступающую только Fable 5. Публичной таблицы бенчмарков или методологии вместе с этим рейтингом не представлено. Факт: это заявление разработчика модели. Моя оценка: использовать его для закупочных решений пока слишком рано.

Тест 36Kr от 22 июля на сложном незавершённом web-проекте даёт более конкретное сравнение. Проект содержал frontend на Next.js, Payload CMS, код анимаций, старую документацию, существующие функции и взаимосвязанные ошибки frontend/backend. Qwen3.8-Max-Preview заняла первое место при определении текущего состояния проекта, запуске отсутствующего сервиса CMS и внесении масштабного визуального обновления. В первой задаче по изучению проекта она завершила работу менее чем за 10 секунд в конкретной конфигурации.

GLM-5.2 победила в более узкой задаче по реализации карусели. Она сохранила автопрокрутку, управление перетаскиванием и настоящий непрерывный цикл, хотя переход всё ещё сопровождался визуальным скачком. Qwen работала быстрее, но удалила поддержку перетаскивания и реализовала растянутую имитацию цикла, которая в итоге возвращалась к началу со скачком.

Этот компромисс информативнее, чем одно имя победителя. Qwen лучше справилась с пониманием текущего замысла и быстрым продвижением. GLM выглядела сильнее там, где важны сохранение функций и инженерная полнота. Один проект не может установить общий рейтинг скорости, особенно если отличаются маршрут сервинга и версия модели. Но он показывает типы ошибок, которые стоит проверять.

Как справедливо интерпретировать доказательства

Публичный тест на устаревшем коде полезен, но не является контролируемым бенчмарком. В нём использовались один и тот же незавершённый проект и рабочий процесс на базе OpenCode, что делает сравнение информативнее, чем несвязанные скриншоты. Однако опубликованных сведений о маршрутах сервинга, бюджетах токенов или версиях моделей недостаточно для полной воспроизводимости всех результатов.

Это меняет то, что может доказать тест. Он показывает характерные типы ошибок: Qwen быстро работала и хорошо уловила текущий замысел проекта, но также убрала запрошенное взаимодействие и заменила неполную реализацию цикла. GLM сохранила больше требуемого поведения в этой задаче, однако была медленнее при первоначальном анализе и однажды приняла устаревшую документацию за актуальную работу.

Тест не доказывает, что Qwen всегда быстрее, что GLM всегда пишет более безопасный код или что любая из моделей будет вести себя так же после следующего обновления preview-версии Qwen.

Я бы разделил доступные доказательства на три уровня. Независимые оценки имеют наибольший вес, но сегодня они охватывают GLM-5.2, а не Qwen3.8 Max. Затем идёт публичный тест на одном проекте: он показывает реальные инженерные ошибки, даже если его конфигурация не полностью воспроизводима. Последними идут рейтинги поставщика и заявления при запуске — до тех пор, пока их не подтвердит внешний оценщик.

Этот пробел в доказательствах сам по себе важен при покупке. Если вы не можете провести закрытое сравнение, GLM-5.2 — менее рискованный продакшен-выбор, поскольку её версия, цены, веса, лимит контекста и независимая оценка уже документированы. Qwen3.8 Max остаётся preview-версией с высокой неопределённостью: за ней интересно наблюдать, но её документация пока недостаточно полна, чтобы заменять ею продакшен-стандарт только на основании первых отчётов.

Цены и стоимость Qwen 3.8 Max против GLM 5.2

Это не обычное сравнение цен за токены.

Qwen3.8-Max-Preview сейчас входит в Token Plan Alibaba. Текущие цены для индивидуальных пользователей при запуске составляют $6 в месяц за Lite, $18 за Standard и $68 за Pro — примерно 10 000, 40 000 и 160 000 Credits в месяц соответственно. Credits — не токены. Их расход может зависеть от модели, рассуждений, кэширования и вызовов инструментов, поэтому обоснованного публичного пересчёта в цену Qwen3.8 за миллион токенов не существует.

GLM-5.2 использует обычную оплату за токены. На странице API GPT Proto GLM-5.2 текущая ставка составляет $1.26 за 1M входных токенов и $3.96 за 1M выходных токенов. Прямые тарифы Z.ai — $1.40 за входные и $4.40 за выходные токены. Обе цифры следует перепроверить перед публикацией или крупной покупкой, поскольку цены на модели меняются.

Для месячной нагрузки в 10M входных и 2M выходных токенов расчёт GPT Proto выглядит так:

10 × $1.26 + 2 × $3.96 = $20.52

Это число полезно, потому что единица измерения явно указана. Тариф Qwen Lite за $6 имеет более низкую стартовую цену, но это не доказывает, что Qwen дешевле для той же нагрузки. Для этого понадобился бы фактический расход Credits по результатам повторных запусков.

Мой вывод о стоимости условен: GLM-5.2 проще планировать и учитывать. Qwen3.8 может оказаться дешевле для индивидуального разработчика, чья работа укладывается в лимит подписки, но публичные данные не позволяют утверждать равную стоимость при одинаковом количестве токенов.

Какая модель лучше для задач программирования?

Выбирайте GLM-5.2, если нужно выпускать продукт уже сейчас. Это лучший вариант по умолчанию для агентов, работающих с репозиториями, длительных задач, регулируемых сред, где требуется фиксация версии, и команд, которым нужен учёт стоимости каждого запроса. Это также единственный из двух текущих вариантов для самостоятельного хостинга: веса и лицензия MIT уже доступны.

Выбирайте Qwen3.8-Max-Preview для отдельного трека оценки, а не как единственную продакшен-зависимость. Первые результаты делают её достойной тестирования во frontend-разработке, анализе текущего состояния и задачах, где быстрая итерация важнее точной воспроизводимости. Цена этого выбора — дрейф версии: Alibaba сообщает, что preview-версия всё ещё меняется, а для выпуска открытых весов пока нет подтверждённой даты или лицензии.

Практический ответ на вопрос “Qwen 3.8 Max против GLM 5.2 — какая модель лучше?” поэтому несимметричен. GLM-5.2 выигрывает продакшен-решение сегодня. Qwen3.8 Max может выигрывать отдельные задачи, но пока не предоставила достаточно стабильных доказательств, чтобы выиграть решение о выборе платформы.

Как использовать GLM-5.2 через GPT Proto

GPT Proto предоставляет GLM-5.2 через совместимый с OpenAI endpoint. Создайте API-ключ, добавьте его в окружение и вызывайте доступную модель со строкой glm-5.2. Тот же баланс можно использовать для всей коллекции моделей GPT Proto.

Сначала задайте ключ и выполните запрос cURL:

export GPTPROTO_API_KEY="your_gptproto_api_key"

curl https://gptproto.com/v1/chat/completions \
  -H "Authorization: Bearer $GPTPROTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "Inspect before editing. Preserve API contracts and report the tests required for every proposed change."
      },
      {
        "role": "user",
        "content": "Plan a safe fix for duplicate refresh-token requests after concurrent 401 responses. State assumptions and verification steps before proposing code."
      }
    ]
  }'

Эквивалентный вызов на Python использует OpenAI SDK:

python -m pip install openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GPTPROTO_API_KEY"],
    base_url="https://gptproto.com/v1",
)

response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a repository-level coding assistant. Inspect before "
                "proposing changes. Preserve existing API contracts, do not add "
                "dependencies without approval, and list the verification "
                "commands required for every proposed edit."
            ),
        },
        {
            "role": "user",
            "content": (
                "An API client occasionally sends two refresh-token requests "
                "after several concurrent requests fail with 401. Identify the "
                "likely race condition, list the files you would inspect, and "
                "return a minimal repair plan before writing code."
            ),
        },
    ],
)

print(response.choices[0].message.content)

В этом примере намеренно запрашивается план анализа до внесения изменений. Модель программирования, которая сразу придумывает файлы или меняет API-контракт, провалила задачу, даже если её ответ выглядит убедительно.

Qwen3.8 Max сейчас недоступна в GPT Proto, поэтому здесь нет блока кода для Qwen. Добавление блока с вымышленным endpoint создало бы ложное впечатление о доступности модели. После публикации модели замените это примечание на сопоставимый запрос с тем же промптом и добавьте ссылку на страницу модели. До тех пор разработчики могут начать с API GLM-5.2 или посмотреть другие модели на главной странице GPT Proto.