Z.ai: GLM 5 API

我们正在推出GLM-5，专注于复杂系统工程和长周期智能任务。扩展规模仍然是提高通用人工智能（AGI）智慧效率的最重要方法之一。与GLM-4.5相比，GLM-5的参数规模从3550亿（活跃参数32亿）提升到7440亿（活跃参数40亿），预训练数据则从23万亿字元增加到28.5万亿。GLM-5还整合了DeepSeek稀疏注意力（DSA），显著降低部署成本，同时保持长上下文能力。 强化学习旨在弥合预训练模型从胜任到优秀之间的差距。然而，由于RL训练效率低下，在大规模LLM上部署是一项挑战。为此，我们开发了slime，一种全新的异步RL基础设施，大幅提高训练吞吐量和效率，使得后训练迭代更加精细化。凭借在预训练和后训练方面的进步，GLM-5在各种学术基准测试中与GLM-4.7相比，提供了显著的提升，并在推理、编码和代理任务上的表现超过了全球所有开源模型，逐渐赶上前沿模型。 GLM-5专为复杂系统工程和长周期智能任务而设计。在我们内部评估平台CC-Bench-V2上，GLM-5在前端、后端和长周期任务上显著优于GLM-4.7，缩小了与Claude Opus 4.5的差距。 在Vending Bench 2这一衡量长期操作能力的基准测试中，GLM-5在开源模型中排名第一。Vending Bench 2要求模型在一年内模拟一个自动售货机业务，GLM-5最终账户余额为$4432，接近Claude Opus 4.5，展示了强大的长期规划和资源管理能力。 GLM-5已经在Hugging Face和ModelScope开源，模型权重以MIT许可发布。GLM-5也可在开发者平台api.z.ai和BigModel.cn上使用，并与Claude Code和OpenClaw兼容。您也可以在Z.ai上免费试用。 基准测试： | 基准测试 | GLM-5（Thinking） | GLM-4.7（Thinking） | DeepSeek-V3.2（Thinking） | Kimi K2.5（Thinking） | Claude Opus 4.5（Extend Thinking） | Gemini 3.0 Pro（High Thinking Level） | GPT-5.2（xhigh） | | --- | --- | --- | --- | --- | --- | --- | --- | | 推理 | | 人类最后的考试 | 30.5 | 24.8 | 25.1 | 31.5 | 28.4 | 37.2 | 35.4 | | 人类最后的考试附工具 | 50.4 | 42.8 | 40.8 | 51.8 | 43.4 | 45.8 | 45.5* | | AIME 2026 I | 92.7 | 92.9 | 92.7 | 92.5 | 93.3 | 90.6 | - | | HMMT 2025年11月 | 96.9 | 93.5 | 90.2 | 91.1 | 91.7 | 93.0 | 97.1 | | IMOAnswerBench | 82.5 | 82.0 | 78.3 | 81.8 | 78.5 | 83.3 | 86.3 | | GPQA-Diamond | 86.0 | 85.7 | 82.4 | 87.6 | 87.0 | 91.9 | 92.4 | | 编码 | | SWE-bench验证 | 77.8 | 73.8 | 73.1 | 76.8 | 80.9 | 76.2 | 80.0 | | SWE-bench多语言 | 73.3 | 66.7 | 70.2 | 73.0 | 77.5 | 65.0 | 72.0 | | Terminal-Bench 2.0 Terminus-2 | 56.2 / 60.7† | 41.0 | 39.3 | 50.8 | 59.3 | 54.2 | 54.0 | | Terminal-Bench 2.0 Claude Code | 56.2 / 61.1† | 32.8 | 46.4 | - | 57.9 | - | - | | CyberGym | 43.2 | 23.5 | 17.3 | 41.3 | 50.6 | 39.9 | - | | 通用代理 | | BrowseComp | 62.0 | 52.0 | 51.4 | 60.6 | 37.0 | 37.8 | - | | 带上下文管理的BrowseComp | 75.9 | 67.5 | 67.6 | 74.9 | 67.8 | 59.2 | 65.8 | | BrowseComp-Zh | 72.7 | 66.6 | 65.0 | 62.3 | 62.4 | 66.8 | 76.1 | | τ²-Bench | 89.7 | 87.4 | 85.3 | 80.2 | 91.6 | 90.7 | 85.5 | | MCP-Atlas公共集 | 67.8 | 52.0 | 62.2 | 63.8 | 65.2 | 66.6 | 68.0 | | 工具十项全能 | 38.0 | 23.8 | 35.2 | 27.8 | 43.5 | 36.4 | 46.3 | | Vending Bench 2 | $4,432.12 | $2,376.82 | $1,034.00 | $1,198.46 | $4,967.06 | $5,478.16 | $3,591.33 | 说明： *: 指的是完整集的分数。 †: 终端基准2.0的验证版本，修复了一些模糊指令。 参见脚注了解更多评估详情。 办公室 基础模型正在从“聊天”转向“工作”，类似于知识工作者的办公工具和工程师的编程工具。 GLM-4.5是使模型能够完成复杂任务的第一步，涵盖推理、编码和代理。通过GLM-5，我们进一步增强了复杂系统工程和长周期智能的能力。GLM-5可以直接将文本或源材料转换为.docx、.pdf和.xlsx文件，如产品需求文档、课程计划、考试、电子表格、财务报告、工作单、菜单等，并作为可直接使用的最终文档交付。 我们的官方应用程序Z.ai正在推出具有内置PDF/Word/Excel创建技能的代理模式，支持多轮协作并将输出转化为实际可交付成果。 GLM-5生成的文档（.docx） 如何开始使用GLM-5 使用GLM编码计划尝试GLM-5 在您最喜欢的编码代理中使用GLM-5——如Claude Code、OpenCode、Kilo Code、Roo Code、Cline、Droid等。https://docs.z.ai/devpack/overview 对于GLM编码计划的订阅者：由于计算能力有限，我们正在逐步向编码计划用户推出GLM-5。 Max计划用户：您可以通过更新模型名称为"GLM-5"来现在启用GLM-5（如在Claude Code的~/.claude/settings.json中）。 其他计划等级：随着推出的扩大，将逐步支持。 配额说明：请求GLM-5比GLM-4.7消耗更多计划配额。 需要GUI？我们提供Z Code——一个智能开发环境，让您可以控制（即使远程）多个代理，并让它们协作完成复杂任务。 立即开始构建：https://z.ai/subscribe 使用OpenClaw与GLM-5 超越编码代理，GLM-5还支持OpenClaw——一种将GLM-5转变为个人助手的框架，可以跨应用程序和设备工作，而不仅仅是聊天。 OpenClaw包含在GLM编码计划中。参见指导。 在Z.ai上与GLM-5聊天 GLM-5可通过Z.ai访问。如果系统没有自动更改，请手动更改模型选项为GLM-5。我们为GLM-5提供聊天和代理模式： 聊天模式：即时响应，互动聊天，轻量级交付 代理模式：多种工具，多样技能，直接交付结果 本地部署GLM-5 GLM-5的模型权重在HuggingFace和ModelScope上可公开获得。对于本地部署，GLM-5支持包括vLLM和SGLang在内的推理框架。完整部署说明可在官方GitHub库中找到。 我们还支持在非NVIDIA芯片上部署GLM-5，包括华为昇腾、摩尔线程、寒武纪、昆仑芯片、MetaX、燧石和海光。通过内核优化和模型量化，GLM-5在这些芯片上可以达到合适的吞吐量。 脚注 人类最后的考试（HLE）及其他推理任务：我们评估的最大生成长度为131,072字元（temperature=1.0, top_p=0.95, max_new_tokens=131072）。默认情况下，我们报告文本-only子集；带结果来自完整集。我们使用GPT-5.2（medium）作为评判模型。对于HLE附工具，我们使用最大上下文长度为202,752字元。 SWE-bench和SWE-bench多语言：我们使用OpenHands运行SWE-bench套件，使用定制的指令提示。设置：temperature=0.7, top_p=0.95, max_new_tokens=16384，具有200K上下文窗口。 BrowserComp：无上下文管理时，我们保留最近5轮的详细信息。使用上下文管理时，我们使用与DeepSeek-V3.2和Kimi K2.5相同的全部丢弃策略。 Terminal-Bench 2.0（Terminus 2）：我们使用Terminus框架进行评估（timeout=2h, temperature=0.7, top_p=1.0, max_new_tokens=8192），具有128K上下文窗口。资源限制为16个CPU和32GB RAM。 CyberGym：我们在Claude Code 2.1.18（思考模式，无网络工具）中进行评估（temperature=1.0, top_p=1.0, max_new_tokens=32000），每个任务超时250分钟。结果为单次运行Pass@1，共1,507个任务。 MCP-Atlas：所有模型在公共500任务的子集上以思考模式进行评估，每个任务超时10分钟。我们使用Gemini 3 Pro作为评判模型。 τ²-bench：我们在零售和电信中添加了一些提示调整，以避免因用户过早终止导致的失败。对于航空公司，我们应用Claude Opus 4.5系统卡中提出的领域修正。 Vending Bench 2：运行由Andon Labs独立进行。

• 上下文窗口: 200,000 tokens
• 最大输出: 128,000 tokens
• 输入模态: text
• 输出模态: text
• 推理: 支持
• 工具调用: 支持
• 发布日期: 2026-02-11