Z.AI — международный бренд китайской компании Zhipu AI, развивающей семейство моделей GLM. Компания сочетает API и корпоративные сервисы с публикацией весов отдельных моделей. Состав линейки и условия лицензий быстро меняются, поэтому актуальную модель и разрешённый способ использования нужно сверять с документацией конкретного релиза.
- Что такое Z.AI и откуда взялась компания
- История бренда: от университетской лаборатории до Z.AI
- Этап формирования (2019–2021)
- Прорыв с GLM-130B и ChatGLM (2022–2023)
- Масштабирование и ребрендинг (2024–2025)
- Кто владеет Z.AI и кто финансирует разработку
- Линейка моделей GLM: что именно компания открывает
- Как работает Z.AI: бизнес-модель компании
- API и облачные сервисы
- Корпоративные внедрения
- Потребительские продукты
- Зачем Z.AI открывает модели и что это даёт рынку
- Z.AI на фоне других AI-компаний: сильные и слабые стороны
- Часто задаваемые вопросы о Z.AI
- Z.AI и Zhipu AI — это одна компания?
- Можно ли бесплатно использовать модели GLM в коммерческом продукте?
- Чем GLM отличается от GPT?
- Безопасно ли передавать данные в API Z.AI?
- Как выбрать сценарий работы с моделями Z.AI
Что такое Z.AI и откуда взялась компания
Z.AI — бренд Zhipu AI (Beijing Zhipu Huazhang Technology), основанной в 2019 году в Пекине на базе технологических разработок Университета Цинхуа. Официальная хронология компании отделяет юридическую историю Zhipu AI от международного продуктового бренда Z.AI.

Технологические корни Zhipu AI уходят в лабораторию Knowledge Engineering Group Университета Цинхуа — одного из двух самых престижных вузов Китая. Именно там работали исследователи, которые ещё до бума больших языковых моделей занимались графами знаний, репрезентационным обучением и предварительным обучением трансформеров. Среди ключевых фигур часто называют профессора Цзе Тана (Jie Tang), чья команда стала научным ядром будущей компании, и генерального директора Чжана Пэна (Zhang Peng).
Компания сразу позиционировала себя не как стартап с приложением, а как разработчика фундаментальных моделей. Её лозунг строился вокруг идеи «научить машины мыслить как люди», а практический фокус — на собственной архитектуре GLM, которая должна была стать китайским ответом на GPT.
История бренда: от университетской лаборатории до Z.AI
История Z.AI хорошо иллюстрирует, как академическая наука превращается в технологический бизнес. Условно путь компании можно разделить на несколько этапов.

Этап формирования (2019–2021)
За первые два года Zhipu AI получила начальные раунды финансирования и собрала команду из выпускников и исследователей Цинхуа. В этот период команда публиковала научные работы об архитектуре GLM (General Language Model) — подходе, сочетающем преимущества авторегрессионного и автоэнкодерного обучения. В отличие от GPT, которая предсказывает текст только слева направо, GLM учится заполнять пропуски в тексте с учётом контекста с обеих сторон, что, по мнению авторов, даёт более гибкую модель.
Прорыв с GLM-130B и ChatGLM (2022–2023)
В 2022 году компания выпустила GLM-130B — двуязычную (китайский и английский) модель с 130 миллиардами параметров с открытыми весами. Это был один из немногих на тот момент больших открытых LLM, способных конкурировать с закрытыми решениями. Весной 2023 года появился ChatGLM-6B — компактная диалоговая модель, которую можно было запустить даже на потребительской видеокарте. Она мгновенно стала популярной среди разработчиков в Китае и за его пределами, а репозитории проекта набрали десятки тысяч звёзд на GitHub.
Масштабирование и ребрендинг (2024–2025)
После GLM-4 компания перешла к агентным и мультимодальным поколениям. По состоянию на сентябрь 2026 года актуальной флагманской открытой серией была GLM-5.3, ориентированная прежде всего на программирование и длинные агентные задачи. Поэтому перечень моделей в статье является временным срезом, а не постоянной спецификацией.
Кто владеет Z.AI и кто финансирует разработку
Z.AI — частная компания, поэтому точная структура собственности публично не раскрывается в деталях. Известно, что основательский состав связан с командой Университета Цинхуа, а среди инвесторов в разные раунды упоминались как ведущие китайские технологические гиганты (в частности Alibaba и Tencent), так и венчурные фонды, а также фонды с государственным участием. Оценка компании в пиковые периоды достигала нескольких миллиардов долларов, что делает её одним из самых ценных AI-стартапов Китая.
Наличие крупных инвесторов не устраняет операционные, лицензионные или регуляторные риски. Перед использованием сервиса нужно отдельно проверить юридическое лицо поставщика, место обработки данных, условия конкретной модели и правила трансграничной передачи информации.
Линейка моделей GLM: что именно компания открывает
Ключевой актив Z.AI — семейство моделей GLM. Оно охватывает несколько классов продуктов, и понимание этой структуры помогает выбрать инструмент под конкретную задачу.

- Базовые языковые модели GLM-4 различных размеров — от компактных версий, работающих локально, до флагманских с сотнями миллиардов параметров.
- Диалоговые и агентные модели, оптимизированные под вызов инструментов, работу с кодом и многошаговые сценарии.
- Мультимодальные модели, обрабатывающие изображения и видео (линейка GLM-4V).
- Модели для генерации изображений и видео (семейство CogView и CogVideoX), которые компания также публиковала в открытом доступе.
- Модели для программирования (CodeGeeX), используемые в плагинах для IDE.
Открытость у Z.AI зависит от конкретного релиза. Например, репозиторий GLM-4.5 содержит открытые веса и отдельную лицензию, а API, веб-продукты и инфраструктура обучения остаются сервисами компании. Термин open weights не означает автоматически открытые обучающие данные, весь код или неограниченное коммерческое использование.
Как работает Z.AI: бизнес-модель компании
Бизнес-модель Z.AI типична для разработчиков фундаментальных моделей, но с китайской спецификой. Источников дохода несколько, и они дополняют друг друга.

API и облачные сервисы
Один из каналов монетизации — доступ к моделям через API и облачные сервисы. Тарифы, доступные модели и региональные условия меняются, поэтому их следует проверять на платформе Z.AI API, а не переносить ценовые предположения китайского рынка на все страны.
Корпоративные внедрения
Компания также предлагает корпоративные сценарии и локальное развёртывание отдельных моделей. Публичная информация не позволяет определить точную долю этого направления в выручке, а возможность развёртывания зависит от лицензии, вычислительных ресурсов и требований к данным.
Потребительские продукты
Веб-чат и приложения демонстрируют возможности моделей и формируют отдельный потребительский канал. Без публичной отчётности не стоит называть их неприбыльной «витриной» или утверждать, что их цель — сбор поведенческих данных.
| Направление | Формат | Целевая аудитория |
|---|---|---|
| API-доступ к GLM | Оплата за токены | Разработчики, стартапы |
| Корпоративные развёртывания | Лицензия и сопровождение | Банки, госсектор, индустрия |
| Открытые веса моделей | Бесплатно, открытые лицензии | Сообщество, исследователи |
| Потребительские приложения | Freemium | Массовый пользователь |
Зачем Z.AI открывает модели и что это даёт рынку
Стратегия открытых моделей кажется контринтуитивной: зачем бесплатно раздавать то, на разработку чего потрачены миллионы? В случае Z.AI есть несколько рациональных причин.

Открытые веса могут расширять сообщество, облегчать независимое тестирование и стимулировать появление интеграций. При этом они не гарантируют прозрачности обучающих данных, безопасности, отсутствия лицензионных ограничений или пригодности модели для регулируемого применения.
Для пользователей за пределами Китая открытые веса позволяют провести локальный тест без обязательного использования облачного API. Фактическая стоимость зависит от оборудования, программного обеспечения для инференса, объёма запросов и поддержки; сравнивать качество с закрытыми системами следует на собственном наборе задач.
- Выбрать модель по задаче, контексту и доступной памяти; размер в миллиардах параметров сам по себе не определяет необходимое оборудование или качество.
- Прочитать лицензию именно выбранного релиза: условия коммерческого использования, модификации и распространения могут отличаться.
- Оценить аппаратные требования: компактные модели работают на одной потребительской GPU, флагманские требуют серверной инфраструктуры или квантизации.
- При необходимости выполнить файнтюнинг на собственных данных — открытые веса это позволяют, в отличие от API-only моделей.
Z.AI на фоне других AI-компаний: сильные и слабые стороны
Внутри Китая Z.AI конкурирует с Ernie от Baidu, Qwen от Alibaba, моделями DeepSeek и Moonshot. Глобально — с Meta (Llama), Mistral и закрытыми системами OpenAI и Anthropic. На этом фоне у компании есть несколько заметных характеристик.

Сравнение качества зависит от версии, языка, режима рассуждения и методики теста. Собственные бенчмарки разработчика полезны как ориентир, но для решения требуется независимое тестирование на реальных задачах команды.
Слабые стороны тоже очевидны. Глобальная узнаваемость бренда ниже, чем у OpenAI или даже DeepSeek, который в 2025 году перехватил значительную часть внимания. Англоязычная документация и поддержка сообщества исторически уступали западным проектам. Наконец, для европейских и американских клиентов китайское происхождение компании — фактор комплаенс-риска, который приходится учитывать при выборе поставщика AI-сервисов.
Часто задаваемые вопросы о Z.AI
Z.AI и Zhipu AI — это одна компания?
Да. Z.AI — бренд, под которым Zhipu AI вышла на глобальный рынок в 2025 году. Юридическое лицо, команда и модели те же, изменилось позиционирование и название продуктового портала.
Можно ли бесплатно использовать модели GLM в коммерческом продукте?
Единого правила для всей линейки нет. Коммерческое использование проверяют по лицензии конкретных весов и версии кода; условия API и веб-сервиса регулируются отдельными документами.
Чем GLM отличается от GPT?
GLM — это и архитектура, и семейство моделей. Архитектурно она сочетает авторегрессионное обучение с заполнением пропусков, тогда как GPT — чисто авторегрессионная модель. Для конечного пользователя практическая разница невелика: обе работают как диалоговые системы, различаются сильные стороны в конкретных языках и задачах.
Безопасно ли передавать данные в API Z.AI?
Безопасность нельзя определить только по стране происхождения сервиса. Перед передачей персональных или конфиденциальных данных нужно проверить актуальную политику конфиденциальности, договорные условия, регион обработки, сроки хранения и доступ субподрядчиков. Локальное развёртывание уменьшает передачу данных поставщику, но не отменяет требований к защите собственной инфраструктуры.
Как выбрать сценарий работы с моделями Z.AI
Для пробного сценария сначала определяют задачу и критерии качества, затем сравнивают веб-сервис, API и локальное развёртывание по лицензии, приватности, стоимости и ресурсам. Перед промышленным запуском результат проверяют на собственных данных и фиксируют версию модели: продуктовая линейка Z.AI обновляется очень быстро.








