GLM-5

glm-5

GLM-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

GLM-5 价格

输入价格输出价格缓存读取
$0.5714/M$2.5714/M$0.1143/M

GLM-5 API 能力

推理

支持

工具调用

支持

Temperature 参数

支持

附件

不支持

知识库

—

Endpoint 协议

Completions APIMessages APIgemini

GLM-5 模型亮点

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。

复杂系统工程

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。

长程智能体规划

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。

深度软件调试

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 使用场景

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。

后端系统重构

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。

复杂缺陷排查

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。

自主工程流程

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。

如何通过 TokenHub API 使用 GLM-5

创建 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-5 基准测试

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-BenchAgent 工作流任务98.2%

指标来源 Artificial Analysis

媒体与讨论

精选与此模型相关的公开视频和帖子。

X (Twitter)

View post on X
View post on X
View post on X

Reddit

YouTube

Watch on YouTube
Watch on YouTube
Watch on YouTube

GLM-5 常见问题

GLM-5 的能力、适用场景、限制和 TokenHub 使用指南。

GLM-5 主要解决什么问题?+

GLM-5 是 Z.AI 面向复杂系统工程和长程智能体任务的模型。

什么时候适合选 GLM-5?+

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。

GLM-5 擅长什么?+

核心优势是对复杂系统工程和长程智能体的重点优化。

GLM-5 牺牲了什么?+

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。

如何在 TokenHub 中调用 GLM-5?+

使用 TokenHub 显示的精确标识符,并按账户文档确认当前功能。

准备调用 GLM-5?

通过一个 API Key 接入 GLM-5 与更多 AI 模型。

创建 API Key