Как получить миллионы токенов API ИИ нахаляву [мануал]

31.05.2026 12:05

Не удалось прогрузить медиа

Привет всем, кому интересно.

1. Речь не Claude а о китайской модели Zhipu от Цинхуа (китайский аналог американского МТИ).
Сама модель называется GLM-5.1 (последняя версия). Разговаривает по-русски, корпус данных по ИБ неплохой, но в целом из-за контекста и логики уступает другим моделям.
Доступна здесь: z.ai

2.В качестве рекламы владельцы дарят токены разработчикам. Причем хитрым образом. На три месяца дается это

Не удалось прогрузить медиа

При регистрации нового аккаунта в личном кабинете автоматически появляются подарочные пакеты токенов. На скриншоте вы видите пакеты с пометкой 【新用户专享】 (Эксклюзивно для новых пользователей). Система автоматически начисляет их при создании профиля. Все, что вам нужно сделать — сгенерировать API-ключ в соответствующем разделе и начать отправлять запросы.

Как получить (по шагам)

Шаг 1: Переход на платформу разработчика

Открываем официальный портал Zhipu AI Big Model Open Platform: https://open.bigmodel.cn/

Совет: Если использовать браузер Google Chrome или Яндекс с автопереводчиком страниц на русский - это сильно упростит навигацию.

Шаг 2: Регистрация аккаунта

Не удалось прогрузить медиа

- В правом верхнем углу нажми кнопку 注册 (Регистрация).
Тебе предложат войти через:
- WeChat (微信) — самый быстрый способ, если у тебя есть эта соцсеть (я так и сделала).
- Телефонный номер — можно использовать международный номер (в том числе российский +7).
- Электронную почту.

И вот мы приехали к самому интересному моменту.
Ввод данных трудности не вызывает. Проблема начинается с капчей.

Не удалось прогрузить медиа

В чем проблема что-то перетащить? а тащить нечего. Жестко зафиксированные все части рисунка.
Китайские боты не смогли помочь, но посоветовали попробовать еще раз

Не удалось прогрузить медиа

Теперь стало легче, так как я увидела знакомый иероглиф "ба". Но не прошла - то ли по таймингу, то ли по самонадеянности

Не удалось прогрузить медиа

здесь уже стало легче - я понимала что
а) требуется нажать на иероглифы
б) важен порядок
в) иногда нужно два из трех, а то и один (нижний) - как было в первом задании.

Интереса (шутки ради) я приведу пример как мне объяснил Юаньбао ИИ

Что на самом деле написано?

Текст на картинке — это японские иероглифы (кандзи), перемешанные с фоновым изображением моста. Надпись сверху гласит:

«Пожалуйста, нажмите в порядке: Канкан Узкий»

Однако слово «Узкий» здесь не имеет смысла. Это, скорее всего, результат того, как программа перевела японское слово «カソカン» (Kasokan) или похожее.

2. Что означает «Канкан Узкий»?

На самом деле, это, вероятно, «仮装館» (Kasokan), что переводится как «Павильон костюмов» или «Дом костюмов».

Но в контексте моста и капчи, это, скорее всего, «橋» (Hashi) — «Мост», и нужно найти иероглифы, связанные с мостом.

3. Как решить капчу?

На картинке видны три китайских иероглифа (которые также используются в японском):

苍 (Cāng / Sō) — «Синий», «Голубой»
蚕 (Cán / San) — «Червь», «Шелкопряд»
隘 (Ài / Ai) — «Узкий», «Тесный»

Здесь моё терпение схлопнулось.

А вот что написала "моя рабочая лошадка" Цяньвэнь (ИИ)
На картинке есть три оранжевых иероглифа:
苍 (читается как cāng / цан) — означает «темно-синий», «зеленый» или «седой» (о волосах).
蚕 (читается как cán / цань) — означает «тутовый шелкопряд».
隘 (читается как ài / ай) — означает «узкий проход», «теснина» или «перевал».

Что произошло с переводом:
«Узкий» — это правильный перевод третьего иероглифа 隘 (ài).
«Канкан» — это hilarious (смешная) ошибка переводчика. Первые два иероглифа 苍蚕 читаются примерно как «Цан Цань».
Вероятно, алгоритм перевода услышал в звуках «Cang Can» отсылку к танцу Can-Can (Канкан) и просто перевел это слово, вместо того чтобы перевести значение («Синий шелкопряд»?) или оставить транскрипцию.
Что требовала капча:
Судя по инструкции «нажмите в порядке», от тебя требовали кликнуть по иероглифам на картинке в той последовательности, в которой они указаны в тексте.
То есть правильный порядок кликов был:
Сначала нажать на 苍 (первый слева).
Потом на 蚕 (второй слева).
В конце на 隘 (справа).

Вывод. Не все китайские ИИ одинаково полезны. Нет... Не так.
Нельзя ограничиваться одним ИИ.

Далее -подтверждаем код из SMS или почты. Нет проблем - и вот оно счастье - 20 миллионов токенов.
Двадцать миллионов, вах! Это правда, но не вся. Как всегда в рекламе.

Пояснения от GLM:

1. 【新用户专享】20次图片/视频生成资源包
Баланс: 20 times (20 вызовов)
Для чего (适用场景): Для всех моделей, которые тарифицируются «за вызов» (按次计费). Это генерация изображений (модель CogView-3 / CogView-3-Plus) и генерация видео.
Как тратится: 1 запрос к API (например, «нарисуй кота») = минус 1 times. Неважно, сколько текста ты написала в промпте, списание идет за сам факт генерации картинки/видео.

2. 【新用户专享】100次搜索资源包
Баланс: 100 times (100 вызовов)
Для чего (适用场景): Для моделей интернет-поиска: search-std, search-pro, search-pro-quark, search-pro-sogou. Это крутая фича GLM — модели, которые перед ответом идут в интернет, гуглят информацию и выдают актуальный ответ со ссылками.
Как тратится: 1 поисковый запрос = минус 1 times. Текстовые токены здесь не списываются, всё оплачивается из этих 100 попыток.

3. 【新用户专享】200万通用模型推理资源包
Баланс: 2 000 000 tokens
Для чего (适用场景): Для всех базовых текстовых моделей, которые тарифицируются «по токенам» (按tokens计费). Сюда относятся тяжелые флагманские модели: GLM-4, GLM-4-Plus, GLM-4-0520.
Как тратится: Считаются токены входящего запроса (prompt) + токены ответа модели. Флагманские модели дорогие, поэтому токенов сюда дали меньше всего (2 млн), чтобы ты могла протестировать качество умных моделей, но не заспамила их навсегда.

4. 【新用户专享】600万GLM-4.6V资源包
Баланс: 6 000 000 tokens
Для чего (适用场景): Исключительно для модели glm-4.6v (мультимодальная модель с зрением — Vision).
Как тратится: Ты отправляешь картинке + текстовый вопрос («Что на фото?»), модель отвечает. Токены тратятся на «прочтение» картинки и генерацию текстового ответа. 6 млн — это очень много для визуальной модели, можно вдоволь наиграться с распознаванием документов, фото и графиков.

5. 【新用户专享】1200万GLM-4.5-Air资源包
Баланс: 12 000 000 tokens
Для чего (适用场景): Исключительно для модели glm-4.5-air (или GLM-4-Air). Это легкая, урезанная, но очень быстрая текстовая модель.
Как тратится: По токенам, как и в универсальном пакете. Но поскольку модель легкая, токенов сюда налили целых 12 миллионов!

- А что за фрукт эта GLM-4.5-Air?, - спрашиваю я "главного".

GLM-4.5-Air (или просто GLM-4-Air в других версиях интерфейса) — это, пожалуй, самая «вкусная» и полезная модель для разработчика в этом бонусном наборе.
Индексы «Air» (воздушный) или «Flash» в мире нейросетей всегда означают одно и то же: это облегченная, быстрая и дешевая версия флагманской модели.

Ее главные фишки:
1. Скорость (Low Latency): Она выдает текст в разы быстрее, чем тяжелые модели. Первый токен появляется почти мгновенно (Time-to-First-Token минимален), а скорость генерации (Tokens-per-Second) очень высокая. Это критически важно для чат-ботов, где пользователь не хочет ждать ответа по 10 секунд.
2. Длинное контекстное окно: Как и старшие модели, Air поддерживает большой контекст (обычно 128K токенов)

Где она идеальна (Идеальные сценарии использования):

Прототипирование: Написал код, делаешь первые тесты API? Ставь glm-4.5-air. Если код работает с ней, он гарантированно сработает и на умной GLM-4.
Чат-боты поддержки и ассистенты: Где нужен быстрый, живой диалог в реальном времени без пауз.
Массовая обработка данных: Нужно проанализировать 10 000 отзывов клиентов, извлечь из них тональность и суть? Запускай скрипт на Air. Это будет быстро и не съест весь бюджет.
Суммаризация (Сжатие текста): Пересказ длинных статей, написание саммари встреч.
Простые логические задачи: Она отлично пишет письма, переводит тексты, форматирует данные в JSON.

Где она НЕ подойдет (Когда переключаться на GLM-4 за 2 млн токенов):
Несмотря на крутость, у «воздушных» моделей есть предел. Не используй её для:

Сложной математики и программирования: Если нужно решить хитрую алгоритмическую задачу или написать сложный код с множеством зависимостей, она может запутаться. Тут нужен «тяжеловес» GLM-4.
Глубокого рассуждения (Chain-of-Thought): Если задача требует многошаговых сложных логических выводов, лучше использовать базовый GLM-4.
Жесткого следования формату: Air иногда может поболтать лишнего или забыть закрыть скобку в JSON. GLM-4 строже следует системному промпту.

From my experience

На модели 4.6 я подключила агента, который занялся поиском уязвимостей в нужных мне скриптах.
+ оркестратор+фильтрация 2го уровня+анализ от умника+мое тестирование

пример от 4.6.

Code:

{
      "risk_score": 7,
      "vuln_type": "SSRF",
      "source": "subscription.endpoint",
      "sink": "sendNotification(subscription.endpoint)",
      "exploit_payload": {
         "subscription": {
            "endpoint": "http://example.com",
            "keys": {
               "auth": "authkey",
               "p256dh": "p256dhkey"
            }
         },
         "title": "Test Notification",
         "body": "Push Notifications activated successfully",
         "url": "https://app.cal.com/",
         "requireInteraction": false,
         "type": "TEST_NOTIFICATION"
      },
      "file": "repos\\c***\\addNotificationsSubscription.handler.ts",
      "repo": "**-main"
   },

Тут я подробней пояснять не буду, ибо, как говорила одна восточная дама, это уже совсем другая история (статья)....

👍89 ❤️17 😮22 👏11 😢14 💯12

Как получить миллионы токенов API ИИ нахаляву [мануал]

Как получить (по шагам)​

Шаг 1: Переход на платформу разработчика​

Шаг 2: Регистрация аккаунта​

Что на самом деле написано?​

2. Что означает «Канкан Узкий»?​

3. Как решить капчу?​

From my experience​

Как получить (по шагам)

Шаг 1: Переход на платформу разработчика

Шаг 2: Регистрация аккаунта

Что на самом деле написано?

2. Что означает «Канкан Узкий»?

3. Как решить капчу?

From my experience