Najmniejszy model Z.ai pobrano 2,8 mln razy — siedem razy częściej niż cały jej pozostały katalog razem wzięty

Z.ai publikuje niemal wszystko, co zbuduje, na Hugging Face na licencji MIT — dzięki temu liczniki pobrań są u tej firmy wyjątkowo uczciwym rankingiem tego, co ludzie faktycznie uruchamiają. Ten ranking nie przypomina cennika. Na szczycie stoi GLM-OCR, wydany pod koniec stycznia 2026: czytnik dokumentów o 0,9 mld parametrów, albo 1,33 mld, jeśli doliczyć enkoder wizyjny z plików wag. Pobrano go około 2,85 mln razy. Za nim modele, którymi firma się reklamuje, są ledwie widoczne — GLM-4.5-Air ma 172 tys. pobrań, flagowy GLM-4.5 115 tys., wizyjny GLM-4.5V 97 tys., a nowszy GLM-4.6V 8,4 tys. Razem daje to niecałe 400 tys., czyli mniej więcej siódmą część tego, co zebrał sam model OCR. Powody nie są tajemnicze. Model o 0,9 mld parametrów mieści się na sprzęcie, który większość organizacji już ma, wdraża się przez vLLM albo SGLang i działa na tyle szybko, że siedzi wewnątrz potoku przetwarzania dokumentów, a nie za wywołaniem API. Sieć mixture-of-experts o 355 mld parametrów nigdzie nie mieści się tanio. A zadanie, które wykonuje GLM-OCR — zamiana skanów, zdjęć i plików PDF na tekst, tabele HTML albo ustrukturyzowany JSON — ma każdy bank, ubezpieczyciel, szpital i urząd, masowo i bez końca. Cennik mówi to samo z drugiej strony. Z.ai bierze za GLM-OCR 0,03 USD za milion tokenów w obie strony: to najtańsza pozycja na liście i dwudziesta część tego, co kosztuje przeczytanie tego samego tekstu przez flagowca. Firma raportuje 94,62 punktu w teście OmniDocBench V1.5, a w dokumentacji podkreśla przypadki niewygodne, nie łatwe: pieczęcie, gęste tabele, listingi kodu, pismo odręczne, mieszankę tekstu z obrazem. Dla katalogu, który miesiąc po miesiącu śledzi premiery flagowców, to pożyteczna korekta. Model, którego się używa, nie zawsze jest tym, który dostaje komunikat prasowy.