GLM или Qwen: какую локальную модель выбрать по задаче

Какие именно GLM и Qwen сравнивать

Название семейства без версии бесполезно для планирования пилота. Здесь пара конкретна: Qwen/Qwen3.8-27B — плотная мультимодальная модель; zai-org/GLM-5.3-Flash — мультимодальная MoE-модель. Их разработчики распространяют отдельные репозитории весов и конфигурации; GLM-5.3-Flash нельзя подменять текстовой GLM-5.3, у которой другие размеры и условия лицензии s1 s4 s8.

Qwen описывает 27B как число параметров языковой модели и указывает vision encoder. Карточка называет нативную длину контекста 262 144 токена и расширение до миллиона отдельной настройкой; text_config.max_position_embeddings закреплённой конфигурации равен 262144 s1 s2. Z.ai обозначает Flash как 320B total / 18B active, а конфигурация задаёт text_config.max_position_embeddings 1048576. В recipe vLLM общее число округлено примерно до 321B: это расхождение обозначения и оценки, не два разных checkpoints s4 s5 s7. Указанный максимум контекста не гарантирует, что он поместится в память выбранного сервера.

Обе официальные карточки говорят о работе с изображениями и видео, но не подтверждают превосходство на русских документах или коде: для такого вывода нужны одни и те же входные данные, настройка и метрика s1 s4. Техническая возможность принять изображение также не заменяет проверку распознавания конкретной формы, шрифта и таблицы.

Что выбрать при разном железе

Рабочая станция и ограниченный бюджет памяти. Начните оценку с Qwen3.8-27B: плотная 27B-модель существенно меньше по общему числу параметров, чем 320B MoE. Это приоритет проверки совместимости, а не обещание запуска на вашей единственной GPU. Проверьте точную ревизию, формат файлов, доступную RAM/VRAM, резерв под KV-кеш и лимит контекста выбранного runtime s1 s4 s7. Число 18B «активных» у GLM описывает вычисление на токен, не объём всех весов; прочие эксперты тоже должны где-то храниться.

Собственный сервер и multi-GPU. У GLM-5.3-Flash есть отдельный публичный recipe vLLM: он описывает native FP8 checkpoint и профиль 386 GB VRAM для одного варианта развёртывания, а также другие профили и параметры параллелизма. Это профиль автора recipe, не универсальный минимальный порог: память под контекст, пакет запросов и особенности backend меняют итоговую конфигурацию s7. В карточке Z.ai перечислены vLLM, SGLang и другие способы запуска; выбирайте совместимую с конкретным checkpoint и версией runtime инструкцию, а не копируйте команду для другого GLM s4 s8.

Длинные документы. Заявленный контекст GLM-5.3-Flash больше нативного контекста Qwen3.8-27B, но это не оценка качества поиска фактов в середине документа. У Qwen расширение до миллиона описано как отдельная настройка, а не как нативный режим. Сравнивайте только после одинакового разбиения источника, одинаковой длины входа и контроля пропущенных цитат s1 s2 s5.

Лицензии и эксплуатационные ограничения

В официальном репозитории Qwen3.8-27B лежит Apache License 2.0, в репозитории GLM-5.3-Flash — MIT License s3 s6. Это сведения о названных checkpoints на указанных ревизиях; не переносите их на Qwen3.8-Flash-Next, GLM-5.3 или другие веса семейства. Открытость весов, открытость кода, бесплатное облачное обслуживание и разрешённое использование — разные вопросы. Для корпоративного пилота сохраняйте текст лицензии вместе с модельным ID и ревизией, а собственные обязательства проверяйте отдельно.

Разработчики обеих моделей публикуют таблицы качества, но условия оценивания различаются: карточка Qwen описывает собственный harness и набор задач, карточка GLM — собственные настройки и режим reasoning. Эти числа являются заявлениями авторов, а не сопоставимым тестом Modelium s1 s4. У нас нет честного основания назвать победителя по русскому коду, договорам или OCR.

Как проверить выбор на своих данных

1. Сформулируйте одну задачу с проверяемым выходом: ответ с цитатами по документу, правка кода с проходящим тестом либо извлечение полей с ручной сверкой.
2. Зафиксируйте для каждого варианта ID весов, SHA, точный runtime и его версию, формат/точность весов, доступное железо и параметры контекста. Для GLM используйте документированную конфигурацию серверного recipe, если ваша инфраструктура ей соответствует; для Qwen карточка перечисляет поддерживаемые Transformers, vLLM и SGLang s1 s4 s7.
3. Подайте одинаковые входные данные, сохраните ответ и проверяйте факты по исходнику. Для кода добавьте тесты и считайте ошибки; для документа — пропущенные поля и неверные ссылки. Не выдавайте смену железа или длины контекста за улучшение модели.
4. Если одного кандидата нельзя запустить на доступном оборудовании, это уже результат выбора стека, но не доказательство худшего качества модели. Запишите ограничение и возвращайтесь к сравнению только после воспроизводимого запуска.

Основной следующий шаг — открыть паспорт Qwen3.8 и выбрать точные веса для доступной инфраструктуры. Если у команды есть серверный GPU-стек, посмотрите варианты GLM-5 и сопоставьте recipe с вашей конфигурацией. Для планирования ресурсов полезна методика оценки видеокарты; для кода — сценарий проверки на собственной задаче.