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...

Commencer gratuitement ← Tous les modèles

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

Paramètres

203K

Fenêtre de contexte

1810GB

VRAM minimale

POST /api/v1/chat/completions 200 OK

Caractéristiques

Paramètres 754B

Fenêtre de contexte 202,752 tokens

VRAM minimale 1810 GB

Architecture GlmMoeDsaForCausalLM (vLLM)

Licence mit

Modalité text->text

Date de sortie February 2026

Éditeur zai-org ↗

Tarifs

Router partagé · par token

€1.15

Entrée (par 1M de tokens)

€3.68

Sortie (par 1M de tokens)

0,29 € par million de tokens d'entrée en cache

GPU dédié · par heure

Sur demande

Déploiement dédié, à partir de 1810 Go de VRAM. Facturé à l'heure de GPU.

Router européen partagé, paiement au token, scale-to-zero. Les déploiements GPU dédiés sont facturés à l'heure, voir tarifs.

Indice Bench

Bench est notre indice de qualité pour chaque modèle, de 0 à 100. Il s'appuie sur des mesures publiques (Epoch AI avec une quarantaine de benchmarks, LiveBench, LMArena et d'autres) et est actualisé chaque matin. Là où personne ne mesure, il affiche une estimation avec une fourchette.

69,7 / 100 · Mesuré

Mesuré par Epoch AI sur 12 benchmarks, avec une fourchette.

Fourchette de 67,2 à 72,1 · Rang 84 sur 277 chez Epoch AI

Sources: Epoch AI ↗ · LiveBench ↗ · LMArena ↗ · Mis à jour chaque jour, dernière fois le 19-10-2026

LiveBench · 68,9

Raisonnement 69,1

Code 73,6

Code agentique 55,0

Mathématiques 83,5

Analyse de données 67,9

Langue 77,5

Respect des consignes 55,3

Tous les 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 · Toutes les tâches

Raisonnement

theory of mind 82,7

zebra puzzle 35,8

spatial 92,0

logic with navigation 66,0

Code

code generation 69,0

code completion 78,3

Code agentique

javascript 50,0

typescript 40,0

python 75,0

Mathématiques

AMPS Hard 97,0

integrals with game 57,0

math comp 95,1

olympiad 84,8

Analyse de données

consecutive events 60,0

tablejoin 45,7

tablereformat 98,0

Langue

connections 91,0

plot unscrambling 63,6

typos 78,0

Respect des consignes

paraphrase 52,4

simplify 52,9

story generation 57,8

summarize 58,3

Appelez-le dès maintenant

Remplacement direct d'OpenAI : changez uniquement l'URL de base et la clé API. Le format Anthropic (/v1/messages) est également pris en charge.

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!"}]
  }'

Questions fréquentes

Puis-je exécuter GLM 5 dans l'UE ?

Oui. HostYourAI exécute GLM 5 sur des GPU situés dans des centres de données européens via vLLM. Les prompts et les réponses ne quittent jamais l'UE, et aucun fournisseur de cloud américain n'intervient dans la chaîne.

L'hébergement de GLM 5 est-il conforme au RGPD ?

Oui. Tout le traitement a lieu au sein de l'UE, un accord de traitement des données (DPA) est disponible et la liste des sous-traitants est publique. Des poids open source signifient aussi : aucun entraînement sur vos données.

Combien coûte GLM 5 ?

Via le Router européen partagé, vous payez 1.15 € par million de tokens d'entrée et 3.68 € par million de tokens de sortie, sans coûts fixes. Pour de gros volumes ou pour l'isolation, vous pouvez aussi exécuter GLM 5 sur une instance GPU dédiée facturée à l'heure.

L'API est-elle compatible avec OpenAI ?

Oui. Vous utilisez les SDK OpenAI standard avec une URL de base personnalisée (https://hostyourai.com/api/v1). L'API Anthropic Messages est également prise en charge en remplacement direct.

Autres modèles 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 contexte Voir le modèle →

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 contexte Voir le modèle →

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 contexte Voir le modèle →

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 contexte Voir le modèle →

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 contexte Voir le modèle →

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 Voir le modèle →

Essayez GLM 5 gratuitement

La création d'un compte prend une minute. Testez GLM 5 tout de suite dans le Playground.

Commencer gratuitement