GLM-4.5

glm-4.5

GLM-4.5 是 Z.ai 推出的面向 Agent 的 MoE 模型，官方資料描述为 355B 總參數、32B 啟用參數。文件強調推理、程式碼、工具調用和瀏覽器类 Agent 能力，并支援思考与非思考模式。它可以作为 GLM-5 之前一代重要的 Agent 基座模型来介绍。

上下文視窗

131.1K Token

最大輸出

98.3K Token

發布日期

2025年7月28日

模態

GLM-4.5 價格

輸入價格	輸出價格
$0.4286/M	$2/M

GLM-4.5 API 能力

推理

支援

工具呼叫

支援

Temperature 參數

支援

附件

不支援

知識庫

2025-04-01

Endpoint 協議

Completions APIMessages APIgemini

GLM-4.5 模型亮點

GLM-4.5 是整合推理、程式開發與 Agent 能力的開放權重文字模型，提供混合思考模式與 128K 內容脈絡。

整合式 Agent 推理

在同一模型中整合推理、程式開發與 Agent 專項訓練，用於多步驟問題求解及軟體工作。

混合思考模式

為複雜推理提供思考模式，也為較簡單的工作負載提供直接回應模式，便於依工作調整推理投入。

開放權重 MoE

採用總計 3,550 億、每次前向傳遞啟用 320 億參數的專家混合架構，並以 MIT 授權開放權重。

GLM-4.5 使用情境

GLM-4.5 適合軟體工程 Agent、複雜文字推理，以及需要調整思考深度的自行託管開發流程。

軟體工程 Agent

規劃程式碼修改、檢查專案檔案，並在多輪開發工作中執行實作與除錯步驟。

複雜文字推理

在思考模式下分析長篇技術需求或多步驟邏輯問題，並產生具依據的文字解決方案。

私有模型部署

在受控基礎設施中部署採用 MIT 授權的開放權重，用於內部程式開發、推理或 Agent 工作負載。

如何透過 TokenHub API 使用 GLM-4.5

建立 API key

import OpenAI from "openai"

const client = new OpenAI({
  apiKey: process.env.TOKENHUB_API_KEY,
  baseURL: "https://us-api.tokenhub.com/v1",
})

const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)

GLM-4.5 基準測試

GLM-4.5 (Reasoning)

指數分數
Artificial Analysis 綜合能力指數Artificial Analysis 綜合能力指數彙總多個評測維度，用於觀察模型的整體能力表現。	Artificial Analysis 綜合能力評分	19.5
Artificial Analysis 程式碼能力指數Artificial Analysis 程式碼能力指數彙總模型在程式碼生成、除錯與軟體工程任務中的表現。	Artificial Analysis 軟體任務評分	26.3
Artificial Analysis 數學能力指數Artificial Analysis 數學能力指數彙總模型在數學推理與競賽題求解中的表現。	Artificial Analysis 數學推理評分	73.7
知識與推理
MMLU-ProMMLU-Pro 使用比原版 MMLU 更具挑戰的問題，評估模型在學術與專業知識上的綜合能力。	高難度多任務知識評測	83.5%
GPQAGPQA 是面向研究生級科學問題的評測集，用來測試模型的專家級推理能力。	高階科學問題求解	78.2%
HLEHLE 覆蓋多個領域的高難度專家級知識與推理問題。	廣泛專家級考試集合	12.2%
程式碼與工程
LiveCodeBenchLiveCodeBench 使用較新的程式題評估模型程式碼能力，降低訓練資料污染帶來的影響。	近期程式題評測	73.8%
SciCodeSciCode 評估模型在科學計算場景下撰寫 Python 程式碼和實作演算法的能力。	科學計算程式碼挑戰	34.8%
Terminal-Bench HardTerminal-Bench Hard 評估 AI Agent 在終端環境中完成複雜任務的能力。	高難度終端任務執行	22.0%
數學能力
MATH-500MATH-500 透過一組精選高難度數學題評估模型的問題求解能力。	高難度數學解題	97.9%
AIMEAIME 用競賽風格數學題評估模型的數學推理能力。	數學競賽題	87.3%
AIME 2025AIME 2025 評估模型在高難度競賽數學題上的表現。	數學競賽題	73.7%
指令遵循與 Agent 任務
IFBenchIFBench 衡量模型遵循複雜指令和約束條件的穩定性。	指令約束遵循	44.1%
AA-LCRAA-LCR 衡量模型在長上下文視窗中的推理品質。	長上下文推理	48.3%
τ²-Benchτ²-Bench 使用帶工具和狀態約束的真實工作流程，評估對話式 Agent 的任務完成能力。	Agent 工作流程任務	43.0%

指標來源 Artificial Analysis

GLM-4.5 常見問題

GLM-4.5 的能力、適用情境、限制與 TokenHub 使用指南。

GLM-4.5 是什麼模型？+

GLM-4.5 是 Z.AI 針對推理、程式開發與原生代理流程推出的模型。

哪些任務適合 GLM-4.5？+

適合程式碼推理、代理流程、大量工具呼叫的自動化，尤其適合重視深度推理的情境。

GLM-4.5 哪項能力最突出？+

核心優勢是整合推理、程式開發與原生代理的最佳化。

團隊何時不該選 GLM-4.5？+

它屬於較早世代，可能缺少後續模型的新能力。更重視需要最新能力時，可考慮 GLM-5。

呼叫 GLM-4.5 前要確認什麼？+

請確認 TokenHub 是否仍可用；新專案優先選擇目前後續模型。

準備呼叫 GLM-4.5？

透過一個 API Key 接入 GLM-4.5 與更多 AI 模型。

建立 API Key