GLM-5

glm-5

GLM-5 是 Z.ai 面向 Agentic Engineering、複雜系统工程和長程 Agent 任務的新一代基座模型。官方文件強調它面向生產级编程、规划、后端推理和迭代式自我纠错。描述时应突出複雜工程工作流程，而不是只把它写成“中国大模型”。

上下文視窗

204.8K Token

最大輸出

131.1K Token

發布日期

2026年2月11日

模態

GLM-5 價格

輸入價格	輸出價格	快取讀取
$0.5714/M	$2.5714/M	$0.1143/M

GLM-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

—

Endpoint 協議

Messages APIgeminiCompletions API

GLM-5 模型亮點

GLM-5 是著重複雜系統工程、長程 Agent 規劃與深度軟體除錯的開放權重文字模型。

複雜系統工程

可理解多元件軟體系統，支援前端開發、後端工程與連動架構修改。

長程 Agent 規劃

可規劃並執行較長的工程操作序列，減少複雜工作中的人工介入。

深度軟體除錯

分析跨程式路徑的故障、提出根因判斷，並利用執行回饋反覆修正。

GLM-5 使用情境

GLM-5 適合後端重構、複雜缺陷排查，以及橫跨多個工程階段的自主實作流程。

後端系統重構

梳理現有後端的相依關係、規劃架構修改，並在維持預期行為的同時調整關聯模組。

複雜缺陷排查

追蹤跨元件故障、檢查相關程式碼並驗證假設，進而形成針對性的修正方案。

自主工程流程

將軟體工作從規劃推進到實作與驗證，並根據中間結果調整後續操作。

如何透過 TokenHub API 使用 GLM-5

建立 API key

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

GLM-5 基準測試

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	39.5
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	44.2
知識與推理
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	82%
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	27.2%
程式碼與工程
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	46.2%
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	43.2%
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	72.3%
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	63.3%
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	98.2%

指標來源 Artificial Analysis

GLM-5 常見問題

GLM-5 的能力、適用情境、限制與 TokenHub 使用指南。

GLM-5 主要解決什麼問題？+

GLM-5 是 Z.AI 針對複雜系統工程與長程代理任務推出的模型。

什麼時候適合選 GLM-5？+

適合複雜程式開發、代理流程、程式碼庫層級開發，尤其適合重視軟體工程品質的情境。

GLM-5 擅長什麼？+

核心優勢是針對複雜系統工程與長程代理的重點最佳化。

GLM-5 犧牲了什麼？+

它以文字為主，不具備新模型同等的多模態範圍。更重視長時程任務完成度時，可考慮 GLM-5.2。

如何在 TokenHub 中呼叫 GLM-5？+

使用 TokenHub 顯示的精確識別碼，並依帳戶文件確認目前功能。

準備呼叫 GLM-5？

透過一個 API Key 接入 GLM-5 與更多 AI 模型。

建立 API Key