GLM 4.5
1439°
Z.ai | 131,072 token context | $0.60/M input, $2.20/M output. GLM-4.5 是我们最新的旗舰基础模型，专为代理应用打造。它采用专家混合（MoE）架构，支持最高128k token的上下文长度。GLM-4.5 在推理、代码生成和代理对齐方面能力显著增强。支持混合推理模式，包含“思考模式”（用于复杂推理和工具使用）和“非思考模式”（优化即时响应）。用户可通过启用推理的布尔值控制推理行为。详情请参阅我们的文档Opens in new tab。
本模型的指南
按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型
本地AI到底需要多少显存？
开放权重 vs 开源 vs 仅API：你到底能做什么
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
船长笔记
2026-10-13 的笔记
GLM-4.5是Z.ai的旗舰MoE模型，专为代理工作流设计，而非通用聊天。拥有3550亿总参数，推理时激活320亿，支持复杂推理和工具使用的思考模式与快速响应的非思考模式，通过单一布尔值切换。MIT许可开放权重，在此规模模型中极为宽松。
以……著称
- 双重推理模式：深度推理或即时响应，可调用时切换
- MIT许可——允许商业使用和微调
- MoE架构：3550亿总参数，推理时仅激活320亿
- 专为代理对齐设计，而非通用模型改造
- 提供FP8和Air版本，适合硬件资源有限的团队
注意
- 完整3550亿模型自托管需超过1TB服务器内存，不适合笔记本。
- GLM-4.5-Air（1060亿总参数，120亿激活）为轻量版本，但为独立模型。
- 基准分数来自Z.ai自报，独立第三方验证尚不普遍。
推荐尝试的提示词
多步骤工具使用计划
你负责软件发布。列出精确的shell命令和API调用序列，完成以下任务：更新package.json版本号，运行测试，构建带新版本标签的Docker镜像，推送至注册表，并在Slack发布带镜像摘要的消息。每步以独立工具调用形式展示输入和预期输出。
调试失败的代理循环
一个代理循环调用搜索工具、摘要工具，然后写文件。三次迭代后无错误停止。分析最可能的失败模式——上下文溢出、工具调用解析错误、异常被吞没——并为每种情况写出最小Python诊断代码以确认或排除。
逻辑谜题推理
五位工程师分别精通不同编程语言，喝不同饮料，排成一排。Python开发者喝咖啡。Rust开发者坐在喝茶者旁边。Go开发者坐在一端。Java开发者喝水。TypeScript开发者紧挨咖啡饮用者右侧。请推断谁喝什么，坐次顺序，并逐步展示推理过程。
与……比较
- GLM 5.3 FlashX仅限API模型1,048,576 令牌上下文 · $0.37/M 输入，$1.25/M 输出
- GLM 5V Turbo仅限API模型202,752 令牌上下文 · $1.20/M 输入，$4.00/M 输出
- GLM 5.3 Prime仅限API模型1,000,000 令牌上下文 · $2.80/M 输入，$8.80/M 输出
- GLM 5.3 Flash开源权重模型1,048,576 令牌上下文 · $0.02/M 输入，$0.72/M 输出
来自 z-ai 的更多文本模型
常见问题
- GLM-4.5权重是开放的吗？我能本地运行吗？
- 是的，Z.ai已在Hugging Face以MIT许可发布完整模型、Air版本、FP8版本及基础模型，允许商业使用和微调。完整3550亿模型本地运行需超1TB内存，多数自托管者会选择Air或FP8版本。
- GLM-4.5费用和上下文窗口是多少？
- 通过Z.ai API，输入价格为每百万0.60美元，输出为每百万2.20美元，上下文窗口为128k令牌。
- GLM-4.5和GLM-4.5-Air有何区别？
- GLM-4.5拥有3550亿总参数和320亿激活参数；GLM-4.5-Air较小，1060亿总参数和120亿激活，牺牲部分能力以降低硬件需求，均支持双思考/非思考推理模式。
船长评语一款真正开放、以代理为先的MoE模型，设计合理的双模式推理，MIT许可和FP8版本使其对有硬件条件的团队极具吸引力。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
GLM 4.5 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153