GLM-4.5

glm-4.5

GLM-4.5은(는) 출처에서 355B 총 / 32B 활성 MoE, thinking and non-thinking modes을(를) 핵심 특징으로 제시합니다. 주요 가치는 추론, 코딩, 도구 사용 and browser-style 에이전트 워크플로에 있습니다. 따라서 일반 챗봇처럼 설명하기보다 이 모델만의 차별점을 중심으로 소개하는 것이 적합합니다.

Context Window

131.1K tokens

Maximum Output

98.3K tokens

Release Date

2025년 7월 28일

Modalities

GLM-4.5 가격

입력 가격	출력 가격
$0.4286/M	$2/M

GLM-4.5 API 기능

Reasoning

Supported

Tool calling

Supported

Temperature parameter

Supported

Attachments

Not supported

Knowledge Base

2025-04-01

Endpoint Protocols

Messages APIgeminiCompletions API

GLM-4.5 모델 주요 특징

GLM-4.5는 추론, 코딩, 에이전트 역량을 통합하고 하이브리드 사고 모드와 128K 컨텍스트를 제공하는 오픈 웨이트 텍스트 모델입니다.

통합 에이전트 추론

추론, 코딩, 에이전트 중심 학습을 하나의 모델에 통합해 다단계 문제 해결과 소프트웨어 작업을 지원합니다.

하이브리드 사고 모드

복잡한 추론을 위한 사고 모드와 단순 작업을 위한 즉시 응답 모드를 제공해 작업에 맞게 추론 수준을 조정할 수 있습니다.

오픈 웨이트 MoE

총 3,550억 개 중 320억 개 매개변수를 활성화하는 전문가 혼합 아키텍처를 사용하며 MIT 라이선스로 공개되었습니다.

GLM-4.5 사용 사례

GLM-4.5는 소프트웨어 엔지니어링 에이전트, 복잡한 텍스트 추론, 사고 깊이를 선택할 수 있는 자체 호스팅 개발 흐름에 적합합니다.

소프트웨어 엔지니어링 에이전트

코드 변경을 계획하고 프로젝트 파일을 검사하며 여러 차례의 개발 작업에서 구현과 디버깅 단계를 수행합니다.

복잡한 텍스트 추론

사고 모드에서 긴 기술 요구사항이나 다단계 논리 문제를 분석하고 근거 있는 텍스트 해결책을 생성합니다.

프라이빗 모델 배포

MIT 라이선스 오픈 웨이트를 통제된 인프라에 배포해 내부 코딩, 추론 또는 에이전트 작업에 활용합니다.

TokenHub API로 GLM-4.5 사용하는 방법

Create API key

curl 'https://us-api.tokenhub.com/v1/messages' \
  -X 'POST' \
  -H "Authorization: Bearer $TOKENHUB_API_KEY"

GLM-4.5 벤치마크

GLM-4.5 (Reasoning)

지표 점수
Artificial Analysis Intelligence IndexArtificial Analysis Intelligence Index는 여러 평가 영역에서 측정한 모델의 전반적인 역량을 종합한 지표입니다.	종합 역량 평가	19.5
Artificial Analysis Coding IndexArtificial Analysis Coding Index는 코딩 및 소프트웨어 엔지니어링 작업에서 모델의 성능을 종합한 지표입니다.	코딩 역량 종합 평가	26.3
Artificial Analysis Math IndexArtificial Analysis Math Index는 수학적 추론과 경시대회 형식의 문제 해결 능력을 종합한 지표입니다.	수학적 추론 종합 평가	73.7
지식 및 추론
MMLU-ProMMLU-Pro는 기존 MMLU보다 어려운 문제를 통해 폭넓은 학술 및 전문 지식을 평가합니다.	고난도 다분야 지식	83.5%
GPQAGPQA는 대학원 수준의 과학 문제로 전문적인 추론 능력을 평가하는 벤치마크입니다.	고난도 과학 문제 해결	78.2%
HLEHLE는 다양한 분야의 전문가 수준 지식과 추론 능력을 측정하는 고난도 종합 벤치마크입니다.	다분야 전문가 수준 평가	12.2%
코딩 및 소프트웨어 엔지니어링
LiveCodeBenchLiveCodeBench는 평가 데이터 오염을 줄이기 위해 최근 공개된 프로그래밍 문제로 코딩 능력을 평가합니다.	최신 코딩 문제	73.8%
SciCodeSciCode는 과학적 맥락을 바탕으로 한 알고리즘 구현을 포함해 과학 컴퓨팅용 Python 프로그래밍 능력을 평가합니다.	과학 컴퓨팅 코딩 과제	34.8%
Terminal-Bench HardTerminal-Bench Hard는 AI 에이전트가 터미널 환경에서 어려운 작업을 완료할 수 있는지 평가합니다.	고난도 터미널 작업 수행	22.0%
수학
MATH-500MATH-500은 엄선된 고난도 문제를 통해 수학적 문제 해결 능력을 평가합니다.	고난도 수학 문제 해결	97.9%
AIMEAIME는 수학 경시대회 형식의 문제를 통해 수학적 추론 능력을 측정합니다.	수학 경시대회 형식 문제	87.3%
AIME 2025AIME 2025는 고난도 수학 경시대회 문제에 대한 성능을 측정합니다.	수학 경시대회 형식 문제	73.7%
지시 준수 및 에이전트 작업
IFBenchIFBench는 모델이 세부 지시와 제약 조건을 얼마나 일관되게 따르는지 측정합니다.	프롬프트 제약 준수	44.1%
AA-LCRAA-LCR은 긴 컨텍스트 윈도우 전반에서 추론 품질을 측정합니다.	긴 컨텍스트 추론	48.3%
τ²-Benchτ²-Bench는 도구와 상태 제약이 있는 실제 워크플로에서 대화형 에이전트의 역량을 평가합니다.	에이전트 워크플로 작업	43.0%

지표 출처 Artificial Analysis

GLM-4.5 자주 묻는 질문

GLM-4.5의 역량, 활용 사례, 한계와 TokenHub 사용 안내.

GLM-4.5는 어떤 모델인가요?+

GLM-4.5는 Z.AI의 추론·코딩·네이티브 에이전트 워크플로용 모델입니다.

어떤 워크로드가 GLM-4.5에 맞나요?+

코드 추론, 에이전트 워크플로, 도구 중심 자동화에 적합하며, 특히 우선순위가 깊은 추론인 경우 유용합니다.

GLM-4.5에서 어떤 기능이 돋보이나요?+

핵심 강점은 추론·코딩·네이티브 에이전트의 통합입니다.

팀은 언제 GLM-4.5를 피해야 하나요?+

이전 세대라 후속 모델의 새로운 기능이 없을 수 있습니다. 최신 기능이 중요함이 우선이면 GLM-5를 고려하세요.

GLM-4.5 호출 전에 무엇을 확인하나요?+

TokenHub 제공 여부를 확인하고 신규 작업에는 현재 후속 모델을 우선하세요.

GLM-4.5을 사용할 준비가 되셨나요?

하나의 API 키로 GLM-4.5과 더 많은 AI 모델을 이용하세요.

API 키 만들기

GLM-4.5

GLM-4.5 가격

GLM-4.5 API 기능

GLM-4.5 모델 주요 특징

통합 에이전트 추론

하이브리드 사고 모드

오픈 웨이트 MoE

GLM-4.5 사용 사례

소프트웨어 엔지니어링 에이전트

복잡한 텍스트 추론

프라이빗 모델 배포

TokenHub API로 GLM-4.5 사용하는 방법

GLM-4.5 벤치마크

GLM-4.5과 유사한 모델

미디어 및 논의

X (Twitter)

Reddit

YouTube

GLM-4.5 자주 묻는 질문

GLM-4.5을 사용할 준비가 되셨나요?