We are launching GLM-5, targeting complex systems engineering and long-horizon agentic tasks. Scaling is still one of the most important ways to improve the intelligence efficiency of Artificial General Intelligence (AGI). Compared to GLM-4.5, GLM-5 scales from 355B parameters (3...

Empezar gratis ← Todos los modelos

zai-org/GLM-5

text->text · zai-org · sovereign EU

Runs on EU infrastructure operated by European companies; US marketplace capacity is never part of this chain. Full chain

754B

Parámetros

203K

Ventana de contexto

1810GB

VRAM mínima

POST /api/v1/chat/completions 200 OK

Especificaciones

Parámetros 754B

Ventana de contexto 202,752 tokens

VRAM mínima 1810 GB

Arquitectura GlmMoeDsaForCausalLM (vLLM)

Licencia mit

Modalidad text->text

Lanzamiento February 2026

Editor zai-org ↗

Precios

Router compartido · por token

€1.15

Entrada (por 1M de tokens)

€3.68

Salida (por 1M de tokens)

0,29 € por millón de tokens de entrada en caché

GPU dedicada · por hora

Bajo petición

Despliegue dedicado, desde 1810 GB de VRAM. Facturado por hora de GPU.

Router europeo compartido, pago por token, scale-to-zero. Los despliegues de GPU dedicada se facturan por horas, consulte precios.

Índice Bench

Bench es nuestro índice de calidad para cada modelo, de 0 a 100. Se basa en mediciones públicas (Epoch AI con unos 40 benchmarks, LiveBench, LMArena y más) y se actualiza cada mañana. Donde nadie mide, muestra una estimación con un rango.

69,7 / 100 · Medido

Medido por Epoch AI en 12 benchmarks, con un rango.

Rango de 67,2 a 72,1 · Puesto 84 de 277 en Epoch AI

Fuentes: Epoch AI ↗ · LiveBench ↗ · LMArena ↗ · Actualizado a diario, última vez el 19-10-2026

LiveBench · 68,9

Razonamiento 69,1

Programación 73,6

Programación agéntica 55,0

Matemáticas 83,5

Análisis de datos 67,9

Lenguaje 77,5

Seguimiento de instrucciones 55,3

Todos los benchmarks (12)

GPQA diamond 83,8

OTIS Mock AIME 2024-2025 80,0

SWE-Bench verified 72,1

Terminal Bench 52,4

WeirdML 48,2

ARC-AGI 44,7

SimpleBench 43,8

FrontierMath-2025-02-28-Private 28,8

CL-bench 18,7

Chess Puzzles 5,3

ARC-AGI-2 4,9

FrontierMath-Tier-4-2025-07-01-Private 3,5

LiveBench · Todas las tareas

Razonamiento

theory of mind 82,7

zebra puzzle 35,8

spatial 92,0

logic with navigation 66,0

Programación

code generation 69,0

code completion 78,3

Programación agéntica

javascript 50,0

typescript 40,0

python 75,0

Matemáticas

AMPS Hard 97,0

integrals with game 57,0

math comp 95,1

olympiad 84,8

Análisis de datos

consecutive events 60,0

tablejoin 45,7

tablereformat 98,0

Lenguaje

connections 91,0

plot unscrambling 63,6

typos 78,0

Seguimiento de instrucciones

paraphrase 52,4

simplify 52,9

story generation 57,8

summarize 58,3

Llámelo ahora

Sustituto directo de OpenAI: cambie solo la URL base y la clave de API. También se admite el formato de Anthropic (/v1/messages).

curl https://hostyourai.com/api/v1/chat/completions \
  -H "Authorization: Bearer hyai-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org/GLM-5",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Preguntas frecuentes

¿Puedo ejecutar GLM 5 en la UE?

Sí. HostYourAI ejecuta GLM 5 en GPU de centros de datos europeos mediante vLLM. Los prompts y las respuestas nunca salen de la UE y en la cadena no interviene ningún proveedor de nube estadounidense.

¿El alojamiento de GLM 5 cumple el RGPD?

Sí. Todo el tratamiento se realiza dentro de la UE, hay disponible un acuerdo de encargo del tratamiento (DPA) y la lista de subencargados es pública. Además, los pesos de código abierto significan que no se entrena con sus datos.

¿Cuánto cuesta GLM 5?

A través del Router europeo compartido paga 1.15 € por millón de tokens de entrada y 3.68 € por millón de tokens de salida, sin costes fijos. Para grandes volúmenes o para aislamiento, también puede ejecutar GLM 5 como instancia de GPU dedicada facturada por horas.

¿La API es compatible con OpenAI?

Sí. Usted utiliza los SDK estándar de OpenAI con una URL base personalizada (https://hostyourai.com/api/v1). La API Anthropic Messages también se admite como sustituto directo.

Más modelos de Z.AI

GLM 5.3 Flash

We introduce GLM-5.3-Flash, the first natively multimodal model in the GLM-5 series. With 320B total parameters and just 18B active parameters, it outperforms GLM-5.2 across benchmarks and real-world workloads at one-tenth the price, while approaching Claude Opus 4.8 on coding and agentic benchmarks.

321B 1M contexto Ver modelo →

GLM 5.3

GLM-5.3 uses the same base model as GLM-5.2 — every gain comes from post-training. Compared with GLM-5.2, it is much better at complex coding and long-horizon tasks:

753B 1M contexto Ver modelo →

GLM 5.2

We're introducing GLM-5.2, our latest flagship model for long-horizon tasks. It marks a substantial leap in long-horizon task capability over its predecessor GLM-5.1 and, for the first time, delivers that capability on a solid 1M-token context. GLM-5.2's new capabilities include: - Solid 1M Context: A solid 1M-token context that stably sustains long-horizon work - Advanced Coding with Flexible Effort: Stronger coding capabilities with multiple thinking effort levels to balance performance and latency - Improved Architecture: We propose IndexShare, which reuses the same indexer across every fou

753B 1M contexto Ver modelo →

GLM 5.1

GLM-5.1 is our next-generation flagship model for agentic engineering, with significantly stronger coding capabilities than its predecessor. It achieves state-of-the-art performance on SWE-Bench Pro and leads GLM-5 by a wide margin on NL2Repo (repo generation) and Terminal-Bench 2.0 (real-world terminal tasks).

754B 203K contexto Ver modelo →

GLM 4.7 Flash

GLM-4.7-Flash is a 30B-A3B MoE model. As the strongest model in the 30B class, GLM-4.7-Flash offers a new option for lightweight deployment that balances performance and efficiency.

31B 203K contexto Ver modelo →

GLM Image

GLM-Image is an image generation model adopts a hybrid autoregressive + diffusion decoder architecture. In general image generation quality, GLM‑Image aligns with mainstream latent diffusion approaches, but it shows significant advantages in text-rendering and knowledge‑intensive generation scenarios. It performs especially well in tasks requiring precise semantic understanding and complex information expression, while maintaining strong capabilities in high‑fidelity and fine‑grained detail generation. In addition to text‑to‑image generation, GLM‑Image also supports a rich set of image‑to‑imag

6.9B Ver modelo →

Pruebe GLM 5 gratis

Crear una cuenta lleva un minuto. Pruebe GLM 5 de inmediato en el Playground.

Empezar gratis