Alex GetmanMga maagang senyal sa AI
FIL

GLM-5

Z.ai

Inilabas Na-update
Context window
203K
202,752 token
Pinakamahabang output
131K
131,072 token
Input / Output
teksto → teksto

Mga presyo ng API

USD / 1 milyong token

InputOutputNaka-cache na input
  • $1.00
zai-pricing
  • $3.20
zai-pricing
  • $0.20
zai-pricing
Kuwentahin ang gastos ng paggamit

Takdang panahon

  1. · Bersyon ng mga timbang · link sa ebidensiya
Presyo ng input / output · USD / 1 milyong token
ModeloMga link sa ebidensiyaPresyo ng input / output
glm-5
standard
zai-pricing
Hindi available ang ruta ng API
$1.00 / $3.20
  1. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · smg-project/smg · @hello-alexmcc
    Sipi
    Atria-Dawn, `glm`, beside Atria-Dawn-Preview: the template writes the GLM-5 shape (`[gMASK]<sop>`, a reasoning-effort system turn, `<|system|>` / `<|user|>` / `<|assistant|>` / `<|observation|>` turns), the tools
  2. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · milabench/milabench · @bouthilx
    Sipi
    - GLM-5: layout check before launch, loss from the last stage, checkpoint timing and checksums, crash cleanup; `benchmarks/megatron/dev.yaml`, `scripts/trillium/glm/`.
  3. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · maximhq/bifrost · @mickgvirtu
    Sipi
    is not `schemas.Anthropic`, and the served model -- `glm-5`, `Kimi-K2`, ... -- is neither opus-4.8 nor Fable), so Claude Code's per-turn reminders were hoisted every
  4. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · anomalyco/models.dev · @models-dev-automation[bot]
  5. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · ai-dynamo/frontend-crates · @dundysm
  6. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · ai-dynamo/dynamo · @indrajit96
    Sipi
    for any DSA model (including DeepSeek V3.2 and GLM-5), or matching `flashmla_kv`/`trtllm` kernels on K3.1's sharded DCP path. Kernels SGLang has not resolved at CLI
  7. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · ROCm/ATOM · @whx-sjtu
  8. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · NVIDIA/TensorRT-LLM · @moraxu
    Sipi
    class is registered for both `DeepseekV3ForCausalLM` and `DeepseekV32ForCausalLM`; GLM-5 (`GlmMoeDsaForCausalLM`) and Mistral Large 3 subclass it, so exact-class matching excludes them. Kimi K2 declares `DeepseekV3ForCausalLM`
  9. · Mga link sa ebidensiya · GitHub search · Z.ai · pulls · NVIDIA/TensorRT-LLM · @kaiyux
    Sipi
    - `modeling_glm5_next_vision.py`: the GLM-5 input processor takes the prefix tokenization cache (the fourth commit). Before, it tokenized every text prompt in full and ignored `enable_tokenization_cache`.
Mga espesipikasyon

Ang GLM-5 ay isang modelo mula sa Z.ai na may bukas na weights, na inilabas noong 2026-02-12. Ang context window ay 202,752 token. Ang pinakamahabang output ay 131,072 token. Ang presyo ay $1.00 sa bawat isang milyong input token at $3.20 sa bawat isang milyong output token.

Context window
202,752
Pinakamahabang output
131,072
Input
teksto
Output
teksto
Weights
Bukas
Input · USD / 1 milyong token
$1.00
Output · USD / 1 milyong token
$3.20
Naka-cache na input · USD / 1 milyong token
$0.20

Mga tanong

Gaano kalaki ang context window ng GLM-5?

Ang context window ay 202,752 token. Ang pinakamahabang output ay 131,072 token.

Magkano ang GLM-5?

Ang presyo ay $1.00 sa bawat isang milyong input token at $3.20 sa bawat isang milyong output token. Ang naka-cache na input ay $0.20 sa bawat isang milyong token.

Magagamit ba ng publiko ang weights ng GLM-5?

Oo. Inilalathala ng Z.ai ang weights.

Kailan inilabas ang GLM-5?

Noong 2026-02-12.