Como Usar GLM-5.2 Sem Restrições

GLM-5.2 é um dos poucos modelos de classe de fronteira que você pode realmente executar em seu próprio hardware. Ele é fornecido como pesos abertos sob uma licença MIT, sem restrições regionais, então “usá-lo sem restrições” não é um truque. É um caminho suportado. O segredo é saber qual restrição você está realmente encontrando, porque a solução é diferente para cada uma.

Em resumo

• GLM-5.2 (Z.ai / Zhipu AI) tem pesos abertos, aproximadamente 753B parâmetros (MoE), licença MIT, contexto de 1M de tokens, sem bloqueio regional.
• A maioria das “restrições” vem da interface de usuário do chat para o consumidor ou do ajuste de instrução do modelo, e não de um limite rígido de licença.
• O acesso bruto à API oferece controle de prompt do sistema e permite desativar o 'pensamento'. A auto-hospedagem oferece controle total da pilha.
• Compilações 'abliteradas' da comunidade removem recusas embutidas, o mesmo padrão usado para DeepSeek R1 e QwQ. A disponibilidade para o 5.2 muda semana a semana, então verifique no Hugging Face.
• Você ainda é responsável pela moderação e responsabilidade legal ao auto-hospedar. Menos barreiras significam mais responsabilidade, não menos.

Primeiro, saiba qual restrição você está enfrentando

“Restrições” é uma palavra vaga. Para GLM-5.2, geralmente significa uma de quatro coisas diferentes, e cada uma tem sua própria solução.

1. Recusas do ajuste de instrução. O modelo de chat lançado é alinhado para recusar algumas solicitações. Esse comportamento reside nos pesos.
2. Filtros de produto no aplicativo de chat. A interface web do consumidor pode adicionar sua própria camada de moderação sobre o modelo. A API frequentemente se comporta de forma diferente do aplicativo.
3. Limites de plano e taxa. Níveis gratuitos e níveis de Plano de Codificação limitam solicitações, contexto ou saída. Isso é uma cota, não uma regra de conteúdo.
4. Sobrecarga de roteamento de pensamento e segurança. Raciocínio estendido e roteamento de segurança adicionam latência e podem mudar o tom.

A região não está nesta lista propositalmente. Os pesos do GLM-5.2 são licenciados sob MIT sem restrições regionais, então o acesso não é limitado por país da mesma forma que alguns modelos apenas hospedados são.

Alavanca 1: Use a API bruta, não o aplicativo de chat

A mudança mais rápida com o maior retorno é parar de usar a janela de chat do consumidor e chamar a API diretamente. O endpoint é compatível com OpenAI, então você mantém seu próprio prompt de sistema, define sua própria temperatura e pode desativar a fase de pensamento.

• URL Base: https://api.z.ai/api/paas/v4/
• Endpoint: POST /chat/completions
• ID do Modelo: glm-5.2

Uma chamada curl mínima com o 'pensamento' desativado:

curl https://api.z.ai/api/paas/v4/chat/completions \
 -H "Authorization: Bearer $ZAI_API_KEY" \
 -H "Content-Type: application/json" \
 -d '{
 "model": "glm-5.2",
 "thinking": { "type": "disabled" },
 "temperature": 0.7,
 "messages": [
 { "role": "system", "content": "You are a direct, unfiltered technical assistant. Answer concisely." },
 { "role": "user", "content": "Explain how abliteration changes a model." }
 ]
 }'

A mesma chamada com o SDK Python da OpenAI, apenas redirecionada para z.ai:

from openai import OpenAI

client = OpenAI(
 api_key="YOUR_ZAI_KEY",
 base_url="https://api.z.ai/api/paas/v4/",
)

resp = client.chat.completions.create(
 model="glm-5.2",
 temperature=0.7,
 extra_body={"thinking": {"type": "disabled"}},
 messages=[
 {"role": "system", "content": "You are a direct, unfiltered technical assistant."},
 {"role": "user", "content": "Explain how abliteration changes a model."},
 ],
)
print(resp.choices[0].message.content)

Duas coisas importam aqui. Seu prompt de sistema é seu, então você direciona o tom e o escopo diretamente, em vez de herdar os padrões do aplicativo. E thinking: {"type": "disabled"} ignora a passagem de raciocínio quando você deseja uma saída bruta e rápida. Para o conjunto completo de parâmetros, consulte o guia da API GLM-5.2.

Os preços mudam, então verifique ao vivo antes de orçar: na data desta escrita, fontes secundárias listam aproximadamente $1,40 por 1M de tokens de entrada e $4,40 por 1M de saída. Confirme os números atuais na tabela de preços do GLM-5.2, e se o custo for a restrição real, leia como usar o GLM-5.2 gratuitamente.

Alavanca 2: Auto-hospedar os pesos abertos

Esta é a verdadeira resposta para “sem restrições”. Como os pesos são licenciados sob MIT, você pode baixar e servir o GLM-5.2 por conta própria. Quando o modelo roda em sua máquina, não há filtro de UI do fornecedor e nenhum limite de taxa externo. Você define o prompt do sistema, você define a política.

O caminho mais simples é Ollama:

ollama run glm-5.2

Verificação de hardware: GLM-5.2 é um modelo MoE de aproximadamente 753B parâmetros, então os pesos completos precisam de VRAM séria. Para a maioria das pessoas, isso significa uma compilação quantizada, uma máquina multi-GPU alugada ou uma variante menor do GLM. Se seu hardware for modesto, o GLM-4.7-Flash roda localmente com muito menos e é um bom substituto enquanto você constrói o pipeline. O guia geral para executar GLM localmente e o passo a passo de configuração do Ollama cobrem o restante.

Uma vez que esteja servindo localmente, Ollama expõe seu próprio endpoint compatível com OpenAI em http://localhost:11434/v1, então o mesmo código da Alavanca 1 funciona com apenas a URL base alterada.

Alavanca 3: Compilações da comunidade sem censura (abliteradas)

O ajuste de instrução é onde as recusas residem. A comunidade de código aberto remove esse comportamento através de um processo chamado abliteração, que suprime a direção interna que aciona uma recusa sem um retreinamento completo. A mesma técnica impulsiona compilações sem censura de outros modelos abertos, incluindo QwQ e DeepSeek R1.

Como os pesos do GLM-5.2 são abertos e licenciados sob MIT, essa técnica se aplica aqui também. Uma compilação abliterada do GLM-5.2 pronta não é garantida de estar disponível ainda, e a disponibilidade muda frequentemente, então procure no Hugging Face por uma atual em vez de assumir que existe. Se uma compilação 5.2 não estiver disponível, o fluxo de trabalho é idêntico aos guias QwQ e DeepSeek R1: puxe os pesos abliterados, carregue-os no Ollama ou vLLM e sirva.

Esta é a maneira mais completa de eliminar as recusas embutidas, e é também a que coloca mais responsabilidade em você. Leia a seção de responsabilidade antes de implementá-lo.

Alavanca 4: Escolha um provedor que permita definir políticas

Se você não quiser executar seu próprio servidor, um provedor de roteamento é o meio termo. O GLM-5.2 está listado no OpenRouter como z-ai/glm-5.2 e na biblioteca Ollama. Um roteador permite que você aplique suas próprias configurações de moderação e troque o host subjacente sem reescrever seu aplicativo, o que contorna o filtro da UI do consumidor enquanto mantém um endpoint gerenciado.

Este artigo se junta ao panorama mais amplo de LLMs sem restrições se você quiser comparar o GLM-5.2 com outras opções abertas antes de se comprometer.

Teste cada configuração no Apidog antes de implementar

Qualquer que seja a alavanca que você escolher, você acaba com um endpoint compatível com OpenAI. Confirme se ele se comporta da maneira que você espera antes de conectá-lo a um produto. O Apidog é uma maneira limpa de fazer isso porque você pode inspecionar a resposta de streaming bruta, não apenas o texto final.

1. Crie uma nova solicitação no Apidog apontando para seu endpoint (https://api.z.ai/api/paas/v4/chat/completions para a API hospedada, ou http://localhost:11434/v1/chat/completions para uma compilação local).
2. Adicione o cabeçalho Authorization: Bearer <key> para a API hospedada. O Ollama local não precisa de chave.
3. Envie um corpo de chat/completions com model: glm-5.2, sua mensagem de system e stream: true.
4. Observe o fluxo SSE. Você pode ver os deltas de pensamento e os deltas de conteúdo separadamente, além do objeto usage com a contagem de tokens.
5. Ative e desative thinking e compare as duas respostas lado a lado.

É assim que você verifica se o seu prompt de sistema realmente surtiu efeito e se o modelo responde da maneira que a configuração escolhida promete, em vez de descobrir na produção.

Uma palavra sobre responsabilidade

Remover filtros de produto e executar pesos sem censura é legítimo. É comum para pesquisa, 'red-teaming' e para construir sua própria moderação em vez de herdar a de outra pessoa. Mas, uma vez que você auto-hospeda, a moderação é sua, assim como a exposição legal. Menos barreiras significam que você é o dono do resultado. Mantenha três coisas em mente:

• Você ainda está vinculado à lei e aos termos de qualquer plataforma na qual você implanta.
• Se você oferecer isso a outras pessoas, adicione uma camada de moderação adequada aos seus usuários.
• “Sem restrições” é sobre controle e eliminação de recusas falsas positivas, não uma licença para gerar conteúdo prejudicial ou ilegal.

Perguntas Frequentes

O GLM-5.2 é realmente de código aberto?

Os pesos são lançados sob uma licença MIT, uma das licenças mais permissivas disponíveis. Você pode executá-los, modificá-los e auto-hospedá-los, inclusive para uso comercial, sujeito aos termos da licença. Para a identidade completa e resumo das especificações, veja o que é GLM-5.2.

A API do GLM-5.2 censura respostas?

O modelo de instrução possui alinhamento de seu ajuste, então pode recusar alguns prompts. A API oferece controle de prompt do sistema e permite desativar o 'pensamento', o que resolve a maioria dos problemas de tom e de recusa excessiva. Para remover completamente as recusas embutidas, auto-hospede uma compilação abliterada.

Posso executar o GLM-5.2 em um laptop?

Não o modelo completo de 753B. Use uma compilação quantizada, uma máquina GPU alugada ou uma variante menor do GLM, como o GLM-4.7-Flash, para testes locais, e então aponte o mesmo código para o modelo maior quando precisar.

O GLM-5.2 possui bloqueio regional?

Não. Os pesos são licenciados sob MIT sem restrições regionais. A disponibilidade da API hospedada pode diferir por provedor, mas a auto-hospedagem está aberta a qualquer pessoa.