Открытые GLM-5 и MiniMax M2.7 догнали Claude Opus в агентах: $12 против $250 в день
LangChain проверила открытые модели GLM-5 и MiniMax M2.7 на базовых задачах агентов — файлы, вызов инструментов, следование инструкциям — и получила результат на уровне закрытых флагманов. При нагрузке 10 млн токенов в день MiniMax M2.7 стоит около $12, а Claude Opus 4.6 — около $250, это примерно $87 тысяч в год. Для массовых однотипных операций открытые модели уже стоит пробовать, а дорогую оставлять для планирования.
AI-обработка оригинала LangChain Blog; редакция Hamidun News
Представьте агента, который весь день перекладывает файлы, вызывает API и разбирает инструкции. Если за каждым шагом стоит самая дорогая закрытая модель, счёт растёт очень быстро, а пользователь ждёт ответа. Команда LangChain проверила, нужна ли такая роскошь. По её тестам, открытые модели GLM-5 и MiniMax M2.7 (их веса можно скачать и запустить где угодно) в базовых агентных задачах — работа с файлами, вызов инструментов, выполнение инструкций — показывают результат, близкий к закрытым флагманам. При этом приложение, которое выдаёт 10 млн токенов в день (токен — это примерно кусочек слова), на MiniMax M2.7 тратит около $12 в сутки, а на Claude Opus 4.6 от Anthropic — около $250. Разница составляет порядка $87 тысяч в год.
Что именно проверили
В последние недели LangChain прогоняла открытые модели через тесты своего фреймворка Deep Agents. Проверяли то, без чего модель вообще нельзя пускать в агентную обвязку: умеет ли она надёжно вызывать инструменты, следовать структурированным инструкциям и работать с файлами. Тестов семь категорий: операции с файлами, использование инструментов, поиск информации, диалог, память, суммаризация и «юнит-тесты».
У каждого теста есть жёсткие условия успеха: модель либо проходит их, либо нет. Есть и мягкие проверки эффективности, то есть сколько шагов и вызовов инструментов ей понадобилось по сравнению с ожидаемым. Метрик четыре: доля решённых задач (результат 0,68 означает 68% решённых тестов), показатель «правильно и быстро» (ожидаемое число шагов, делённое на время выполнения; проваленные тесты дают ноль), отношение фактических шагов к ожидаемым и отношение фактических вызовов инструментов к ожидаемым. Значение 1,0 означает, что модель уложилась ровно в бюджет, выше — потратила больше, ниже — справилась короче. Модель, решившая задачу за два шага вместо пяти, выигрывает и по точности, и по экономности.
Настройки рассуждений брали по умолчанию у каждого провайдера. Для Claude это режим без расширенного мышления. Сама LangChain подчёркивает, что результаты ранние и набор тестов будет расширяться.
Деньги и скорость
По оценке авторов, закрытые флагманы на высоконагруженных сценариях бывают в 8–10 раз дороже. Пример с $250 и $12 в день как раз показывает, как это выглядит в бюджете.
Со скоростью картина похожая. По приведённым данным, GLM-5 на инфраструктуре Baseten отвечает в среднем за 0,65 секунды и выдаёт 70 токенов в секунду. У Claude Opus 4.6 это 2,56 секунды и 34 токена в секунду. Открытые модели обычно компактнее, а специализированные провайдеры инференса вроде Baseten, Fireworks или Groq оптимизируют задержку и пропускную способность лучше, чем большинство команд сможет сделать самостоятельно. Для интерактивных продуктов, где человек смотрит на экран и ждёт, такой разрыв трудно закрыть инженерными трюками.
Как попробовать
В Deep Agents SDK смена модели — одна строка в create_deep_agent: ставите пакет провайдера, например langchain-baseten или langchain-openrouter, и указываете имя модели. Фреймворк сам определяет размер контекстного окна, отключает неподдерживаемые модальности и дописывает в системный промпт название модели, провайдера и её лимиты. Пороги сжатия и суммаризации контекста подстраиваются: у модели с контекстом 4K сжатие агрессивнее, чем у Opus с 1M.
Протестированы провайдеры Baseten, Fireworks, Groq, OpenRouter и Ollama (cloud). Одна и та же модель часто доступна у нескольких, так что выбирать можно по цене, задержке или требованиям к приватности. Для полностью локального запуска подойдут Ollama и vLLM. Тесты можно прогнать у себя через pytest, указав группу моделей или конкретную модель. В CI LangChain гоняет один набор тестов на 52 моделях.
Отдельно стоит упомянуть CLI — открытый кодинг-агент, который авторы называют альтернативой Claude Code. В нём появился ConfigurableModelMiddleware, позволяющий менять модель прямо посреди сессии. Так можно планировать задачу на дорогой закрытой модели, а исполнять на дешёвой открытой.
Ограничения и вывод
Это публикация компании, которая продаёт агентную платформу LangSmith, а тесты написаны под её собственную обвязку. Они проверяют базовые навыки, а не самые сложные рассуждения и длинные цепочки решений, поэтому «на уровне закрытых» относится к простым агентным операциям, а не ко всем задачам. Цифры по задержке зависят от конкретного провайдера и нагрузки.
Практический вывод простой. Если ваш агент гоняет много однотипных операций с файлами и инструментами, прогоните на нём GLM-5 или MiniMax M2.7 на собственных тестах и сравните стоимость. Схема «дорогая модель планирует, дешёвая открытая исполняет» выглядит самым разумным компромиссом. LangChain обещает описать приёмы настройки обвязки под семейства открытых моделей и проверить конфигурации, где закрытый оркестратор управляет открытыми субагентами.
- 22 нояб. 2026 г.Claude Code за 1,5 часа очистил телевизор от рекламы и запустил моду на взлом гаджетов
- 22 нояб. 2026 г.Агент проигнорировал AGENTS.md: в трети пушей не спросил, 31 раз force push
- 22 нояб. 2026 г.Axiom Math с ИИ записала гигантское доказательство в 43,1 млн строк кода Lean за 24 дня
- 22 нояб. 2026 г.Грант Яндекса ушёл на движок для LLM: 35B-модель на RTX 2080 Ti втрое быстрее llama.cpp
Вопросы и ответы по материалу
Что известно по теме: что именно проверили?
В последние недели LangChain прогоняла открытые модели через тесты своего фреймворка Deep Agents. Проверяли то, без чего модель вообще нельзя пускать в агентную обвязку: умеет ли она надёжно вызывать инструменты, следовать структурированным инструкциям и работать с файлами. Тестов семь категорий: операции с файлами, использование инструментов, поиск информации, диалог, память, суммаризация и «юнит-тесты». У каждого теста есть жёсткие условия успеха: модель либо проходит их, либо нет.
Что известно по теме: деньги и скорость?
По оценке авторов, закрытые флагманы на высоконагруженных сценариях бывают в 8–10 раз дороже. Пример с $250 и $12 в день как раз показывает, как это выглядит в бюджете. Со скоростью картина похожая. По приведённым данным, GLM-5 на инфраструктуре Baseten отвечает в среднем за 0,65 секунды и выдаёт 70 токенов в секунду. У Claude Opus 4.6 это 2,56 секунды и 34 токена в секунду.
Что известно по теме: как попробовать?
В Deep Agents SDK смена модели — одна строка в create_deep_agent: ставите пакет провайдера, например langchain-baseten или langchain-openrouter, и указываете имя модели. Фреймворк сам определяет размер контекстного окна, отключает неподдерживаемые модальности и дописывает в системный промпт название модели, провайдера и её лимиты. Пороги сжатия и суммаризации контекста подстраиваются: у модели с контекстом 4K сжатие агрессивнее, чем у Opus с 1M.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.