Русскоязычные обзоры локальных моделей устроены на удивление однообразно: Llama, Mistral, Gemma, Qwen, изредка Phi — и на этом список кончается. Две крупные китайские линейки, GLM и Kimi, в этот список попадают редко, хотя обе выкладывают веса, обе обновляются часто и обе строятся вокруг того самого свойства, за которым чаще всего и приходят к локальным моделям, — длинного контекста.
Пробел объясним: документация и обсуждение идут преимущественно на китайском и английском, названия версий меняются быстро, а карточки моделей переписываются без объявлений. Но игнорировать линейки из-за языка документации — плохая причина, особенно если ваша задача звучит как «прочитать документ на сто страниц и ответить по нему».
Дальше — что это за семейства, как читать их заявления о контексте и почему ключевая колонка любой такой таблицы заполняется вами, а не автором обзора. Дата написания — 25 августа 2026 года.
#Что это за семейства
GLM — линейка китайской компании Zhipu (она же Z.ai), выросшая из университетской разработки. Исторически семейство шло от чат-моделей среднего размера к крупным вариантам с разреженной архитектурой; часть релизов сопровождалась публикацией весов, часть существовала только как облачный сервис. Внутри линейки регулярно появляются варианты, специально заточенные под длинное окно.
Kimi — линейка компании Moonshot AI. Известность ей принёс потребительский чат-сервис, который с самого начала продавался именно длиной контекста: загрузите книгу целиком и спрашивайте. Позже часть моделей семейства вышла в открытых весах, в том числе крупные варианты со смешанной архитектурой экспертов.
Общее у них три вещи. Первая — обе линейки считают длинный контекст своей витриной, а не побочным свойством. Вторая — крупные современные варианты обоих семейств построены как модели со смешанной архитектурой экспертов, где на каждый токен работает лишь часть весов; что это означает для памяти и скорости, разобрано в материале про модели с архитектурой смеси экспертов. Третья — обе семьи сильны на английском и китайском, а русский для них язык остаточный.
#Состав линеек и заявленный контекст
Третья колонка описывает порядок величины, а не точное значение: производители меняют заявленные цифры между релизами, а варианты с расширенным окном выходят отдельными сборками, поэтому конкретное число смотрите на карточке той версии, которую берёте. Смотрите в таблице не числа, а разницу между третьей и четвёртой колонками.
| Линейка | Разработчик | Заявленный контекст | Реально полезный | Веса |
|---|---|---|---|---|
| GLM, средние варианты | Zhipu (Z.ai) | сотни тысяч токенов, отдельные сборки — на порядок больше | проверяется вашим тестом | часть релизов выложена |
| GLM, крупные варианты | Zhipu (Z.ai) | сотни тысяч токенов | проверяется вашим тестом | часть релизов выложена |
| Kimi, открытые релизы | Moonshot AI | сотни тысяч токенов | проверяется вашим тестом | часть релизов выложена |
| Kimi, облачный сервис | Moonshot AI | заявляется как основное свойство продукта | проверяется вашим тестом | не выкладываются |
Колонка «реально полезный» не заполнена числами намеренно. Никакой честной цифры туда поставить нельзя: она зависит от квантизации, от того, как рантайм режет позиционные кодировки, от формата вашего документа и от типа вопроса. Разрыв между заявленным и рабочим окном бывает кратным — модель формально принимает двести тысяч токенов и при этом перестаёт находить факт, лежащий в середине, задолго до этой отметки. Разбор механики этого разрыва — в статье о том, чем реальный контекст модели отличается от заявленного.
#Как проверить окно своими руками
Методика называется «иголка в стоге сена» и занимает полчаса.
- Возьмите свой реальный рабочий текст: договор, документацию, расшифровку.
- Вставьте в него короткое проверяемое утверждение, которого там быть не может.
- Соберите версии этого текста разной длины — четверть заявленного окна, половина, три четверти, полное — и в каждой поставьте иголку в начале, середине и конце.
- Задайте один и тот же вопрос и отметьте, найден ли факт.
Провал почти всегда начинается с середины длинных версий: начало и конец модели удерживают дольше. Отметка, на которой середина перестаёт находиться, и есть ваше рабочее окно — не то, что написано в карточке.
Заявления об окне в миллион токенов разбираются отдельно в материале про то, что на самом деле означает контекстное окно в миллион токенов. Короткая версия: технический предел и полезная длина — разные величины, и вторая измеряется только вашим тестом.
#Что у этих линеек получается
Длинные входы как штатный режим. Обе семьи проектировались под сценарий «загрузить документ целиком», и это заметно: они реже, чем модели того же класса из западных семейств, теряют нить на середине большого текста. Реже — не значит никогда.
Код и работа с инструментами. Крупные варианты обоих семейств позиционируются как агентные: вызов функций, следование схеме, длинные цепочки действий. Для локального запуска это чаще теория, чем практика — см. раздел о слабых сторонах.
Быстрое обновление. Между релизами проходит мало времени, и свежая версия семейства нередко полезнее устаревшей версии более раскрученного семейства.
#Где начинаются проблемы
Размер крупных вариантов. Главное практическое ограничение. Флагманы обеих линеек — модели со смешанной архитектурой экспертов, у которых общее число параметров огромно, даже если на каждый токен работает малая доля. В память нужно поместить все веса, а не только активные. Арифметика простая: параметры, умноженные примерно на 0,55 байта в четырёхбитной квантизации. Для флагманских вариантов это десятки, а иногда и сотни гигабайт — за пределами потребительского железа. Домашнему пользователю доступны средние варианты линеек, а не витринные.
Русский язык. Он в этих семействах не приоритет. Ожидаемые симптомы: калька с английского в стилистике, ошибки в падежах после числительных, неуверенное обращение с русскими именами собственными и аббревиатурами. Публичные бенчмарки здесь не помогут вовсе — они англоцентричны и на русский не переносятся. Проверять придётся своими текстами.
Документация и экосистема. Меньше готовых рецептов на русском и английском, чем у Llama или Qwen, дольше поиск рабочих настроек шаблона чата, выше шанс наткнуться на сборку с некорректным токенизатором.
#Лицензия и ограничения
Обе линейки регулярно выкладывают веса, но «веса выложены» и «свободная лицензия» — разные утверждения. Внутри обоих семейств встречались и разрешительные лицензии, и собственные условия использования производителя с ограничениями по сценариям применения и требованиями к именованию производных моделей. Статус привязан к конкретному релизу и меняется со временем — проверяйте карточку той версии, которую скачиваете, а не обзоры, включая этот.
Три вопроса, ответ на которые нужно получить до попадания модели в рабочий контур: разрешено ли коммерческое использование, разрешено ли дообучение и распространение производных, обязаны ли вы что-то указывать или раскрывать. Общая рамка — в разборе лицензий открытых моделей и их подводных камней.
Отдельный пункт, который стоит назвать прямо: у моделей китайского происхождения встроенные ограничения на политически чувствительные темы отличаются от привычных. Для рабочих задач это чаще всего безразлично, но если ваш сценарий касается новостей, истории или международной политики — проверьте поведение до внедрения.
#Кому это подойдёт
Стоит попробовать, если ваша основная задача — разбор длинных документов на английском, у вас есть видеокарта под средний вариант линейки и вы готовы потратить полчаса на тест «иголка в стоге сена» вместо доверия карточке.
Не стоит брать, если вы работаете преимущественно по-русски и рассчитываете на качество стилистики, если у вас потребительская видеокарта и вы смотрите на флагманские варианты, либо если вам важна большая экосистема готовых рецептов и русскоязычных обсуждений.
Разумный порядок действий — сначала посчитать бюджет памяти и определить размерный класс, потом уже выбирать семейство. Эта последовательность разобрана в общем руководстве о том, какую модель выбрать под своё железо и свои задачи: железо отсекает большую часть списка ещё до обсуждения имён.
#Частые вопросы
#Можно ли запустить GLM или Kimi локально?
Часть релизов обоих семейств выложена в открытых весах, и средние варианты запускаются на потребительской видеокарте так же, как любые другие модели в формате GGUF. Флагманские варианты со смешанной архитектурой экспертов требуют десятков гигабайт памяти под полный набор весов и на домашнем железе практически недоступны. Статус конкретной версии проверяйте на её карточке.
#Правда ли что у этих моделей контекст в миллион токенов?
Отдельные сборки заявляют окно такого порядка — конкретное значение смотрите на карточке версии. Заявленная длина означает, что модель технически не падает на таком входе, а не что она удерживает в нём факты. Реально полезная длина обычно кратно меньше и измеряется тестом «иголка в стоге сена» на ваших документах.
#Насколько хорошо GLM и Kimi работают на русском языке?
Русский для этих семейств второстепенен: обучение и оценка идут прежде всего на английском и китайском. Ожидаемые проблемы — стилистическая калька, падежи после числительных, обращение с русскими сокращениями. Никакой публичный бенчмарк на этот вопрос не отвечает, потому что англоязычные тесты на русский не переносятся; проверять нужно на своих текстах.
#Чем китайские линейки отличаются от Llama и Qwen?
Практически — акцентом на длинный контекст, более быстрым темпом релизов и меньшей экосистемой русско- и англоязычных рецептов. Архитектурно современные крупные варианты обоих семейств используют смесь экспертов, что даёт высокую скорость на токен при большом суммарном объёме весов. Qwen, кстати, тоже китайская линейка — просто она в русскоязычные обзоры попала.
#Безопасно ли использовать китайские модели в работе?
Локально запущенные веса — это файл на вашем диске: он не отправляет ничего никуда, работает ваш рантайм. Вопросы возникают к облачным сервисам этих компаний, где запросы уходят на их серверы, и к юридическому статусу лицензии для коммерческого применения. Отдельно стоит проверить поведение модели на чувствительных темах, если ваш сценарий их затрагивает.
#Вывод
GLM и Kimi заслуживают места в списке кандидатов не потому, что они лучше привычных семейств, а потому что они отличаются по профилю: длинный вход у них штатный режим, а не растянутая по случаю функция.
Если вы разбираете длинные англоязычные документы и у вас есть карта под средний вариант линейки — прогоните их через свой тест на контекст, результат может оказаться лучше, чем у более известного соседа того же размера. Если вы работаете по-русски или смотрите на флагманы с потребительской видеокартой — эти линейки вам сейчас не помогут, и честнее это признать до скачивания, а не после.
И главное правило для любых заявлений о длине окна: колонку «реально полезный контекст» заполняете вы, своим тестом, на своих документах. Ни один обзор не может заполнить её за вас.