Z.ai
GLM-5.3-FlashX
最大上下文
1M
最大输出
131.1K
发布日期
暂无
glm-5GLM-5 是 Z.ai 面向 Agentic Engineering、复杂系统工程和长程 Agent 任务的新一代基座模型。官方文档强调它面向生产级编程、规划、后端推理和迭代式自我纠错。描述时应突出复杂工程工作流,而不是只把它写成“中国大模型”。
上下文窗口
204.8K Token
最大输出
131.1K Token
发布日期
2026年2月11日
模态
| 输入价格 | 输出价格 | 缓存读取 |
|---|---|---|
| $0.5714/M | $2.5714/M | $0.1143/M |
推理
工具调用
Temperature 参数
附件
知识库
Endpoint 协议
GLM-5 是侧重复杂系统工程、长程智能体规划和深度软件调试的开放权重文本模型。
可理解多组件软件系统,支持前端开发、后端工程和协同架构修改。
可规划并执行较长的工程操作序列,减少复杂任务中的人工干预。
分析跨代码路径的故障,提出根因判断,并利用执行反馈迭代修复。
GLM-5 适合后端重构、复杂缺陷排查以及跨多个工程阶段的自主实现流程。
梳理现有后端的依赖关系,规划架构修改,并在保持预期行为的同时调整关联模块。
追踪跨组件故障,检查相关代码并验证假设,从而形成针对性的修复方案。
将软件任务从规划推进到实现和验证,并根据中间结果调整后续操作。
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)| 指数分数 | ||
|---|---|---|
| Artificial Analysis 综合能力指数 | Artificial Analysis 综合能力评分 | 39.5 |
| Artificial Analysis 代码能力指数 | Artificial Analysis 软件任务评分 | 44.2 |
| 知识与推理 | ||
| GPQA | 高阶科学问题求解 | 82% |
| HLE | 广泛专家级考试集合 | 27.2% |
| 代码与工程 | ||
| SciCode | 科学计算代码挑战 | 46.2% |
| Terminal-Bench Hard | 高难度终端任务执行 | 43.2% |
| 指令遵循与 Agent 任务 | ||
| IFBench | 指令约束遵循 | 72.3% |
| AA-LCR | 长上下文推理 | 63.3% |
| τ²-Bench | Agent 工作流任务 | 98.2% |
指标来源 Artificial Analysis
GLM-5 的能力、适用场景、限制和 TokenHub 使用指南。
GLM-5 是 Z.AI 面向复杂系统工程和长程智能体任务的模型。
适合复杂编程、智能体流程、代码仓库级开发,尤其适合重视软件工程质量的场景。
核心优势是对复杂系统工程和长程智能体的重点优化。
它以文本为主,不具备新模型同等的多模态覆盖。 更看重长程任务完成度时,可考虑 GLM-5.2。
使用 TokenHub 显示的精确标识符,并按账户文档确认当前功能。
通过一个 API Key 接入 GLM-5 与更多 AI 模型。
媒体与讨论
精选与此模型相关的公开视频和帖子。
X (Twitter)
Reddit
YouTube