Sind die GLM-5.1-Gewichte offen und kann ich es lokal ausführen?

Ja, die Gewichte sind auf Hugging Face unter zai-org/GLM-5.1 veröffentlicht, sodass Sie das Modell herunterladen und selbst hosten können – prüfen Sie Z.ais Lizenz vor kommerzieller Nutzung.

Was kostet GLM-5.1 und wie groß ist das Kontextfenster?

Über die Z.ai-API kostet es $0,97 pro Million Eingabe-Tokens und $3,04 pro Million Ausgabe-Tokens, mit einem Kontextfenster von 204.800 Tokens.

Worin unterscheidet sich GLM-5.1 von GLM-5?

GLM-5.1 ist speziell für langanhaltende agentische Aufgaben optimiert: Während GLM-5 nach bekannten Techniken stagniert, verbessert sich GLM-5.1 über hunderte Iterationen weiter und führt GLM-5 deutlich bei Repo-Generierung und realen Terminal-Benchmarks an.

GLM 5.1

5287°

#llm #z-ai #logik #programmieren #agenten #langer kontext

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

Z.ai | 204.800 Token Kontext | $0.97/M Eingabe, $3.04/M Ausgabe. GLM-5.1 macht einen großen Sprung in der Programmierfähigkeit, mit besonders bedeutenden Fortschritten bei der Bearbeitung von Langzeitaufgaben. Im Gegensatz zu früheren Modellen, die auf Minuten-interaktionen ausgelegt sind, kann GLM-5.1 eigenständig und kontinuierlich an einer einzigen Aufgabe über mehr als 8 Stunden arbeiten, dabei autonom planen, ausführen und sich selbst verbessern und letztlich vollständige, ingenieurstaugliche Ergebnisse liefern.

Anleitungen zu diesem Modell

Ollama vs LM Studio (2026): Welche lokale KI-App soll man nutzen und welche Top-Modelle laufen auf jeder?

Beste lokale LLM nach Anwendungsfall (Oktober 2026): Das richtige offene Modell für jede Aufgabe

Wie viel VRAM brauche ich eigentlich für lokale KI?

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

GLM-5.1 ist Z.ais führendes agentisches Codierungsmodell, entwickelt, um über Stunden an einer einzigen Ingenieursaufgabe zu arbeiten, statt nach einem ersten Durchlauf zu stagnieren. Es führt die SWE-Bench Pro unter den Modellen in seiner Benchmark-Tabelle an und hat offene Gewichte auf Hugging Face. Wenn Sie ein Modell brauchen, das autonom planen, ausführen und über hunderte Tool-Aufrufe ohne Anleitung iterieren kann, ist dies das Modell Ihrer Wahl.

Bekannt für

Top-SWE-Bench Pro-Ergebnis unter den verglichenen Modellen, inklusive geschlossener Spitzenmodelle.
Ermöglicht produktive Iterationen über sehr lange agentische Sitzungen – Stunden, nicht Minuten.
Zerlegt mehrdeutige technische Probleme in Experimente, liest Ergebnisse, passt Strategie an.
200.000 Token Kontextfenster für große Codebasen und lange Aufgabenverläufe.
Offene Gewichte auf Hugging Face für selbstgehostete Bereitstellung verfügbar.

Achte auf

Ausgabepreise von $3,04/M sind nicht günstig; lange agentische Läufe mit Tausenden Tool-Aufrufen summieren sich schnell.
Für ingenieurmäßige agentische Arbeit konzipiert – allgemeiner Chat und Schreiben sind nicht der Fokus.
Die Gewichte sind offen, prüfen Sie aber Z.ais Lizenzbedingungen vor kommerziellem Einsatz.

Am besten für

Programmieren

Agenten und Werkzeugnutzung

Logisches Denken

Langer Kontext

Lokal ausführbar

Prompts zum Ausprobieren

Ein verstricktes Modul refaktorieren

Hier ist ein Python-Modul, das im Laufe der Zeit unübersichtlich geworden ist. Analysieren Sie seine Struktur, identifizieren Sie die Hauptprobleme – Kopplung, Benennung, fehlende Fehlerbehandlung, alles, was Sie finden – und refaktorieren Sie es Schritt für Schritt, erklären Sie jede Änderung und führen Sie nach jedem Schritt eine kurze Plausibilitätsprüfung durch. Fügen Sie das Modul unten ein.

Eine fehlerhafte CI-Pipeline debuggen

Mein GitHub Actions-Workflow schlägt fehl und ich kann den Grund nicht herausfinden. Ich werde den vollständigen Workflow-YAML und die letzten 50 Zeilen des Fehlerprotokolls einfügen. Diagnostizieren Sie die Ursache, schlagen Sie eine Lösung vor und weisen Sie auf sekundäre Probleme hin, die sich lohnen, währenddessen behoben zu werden.

Ein kleines CLI-Tool bauen

Schreiben Sie ein eigenständiges Python-CLI-Tool, das ein Verzeichnis auf neue CSV-Dateien überwacht, prüft, ob jede die Spalten 'id', 'timestamp' und 'value' enthält, alle Zeilen, die die Validierung nicht bestehen, in eine separate Datei protokolliert und nach Abschluss eine Zusammenfassung ausgibt. Fügen Sie eine requirements-Datei und kurze Gebrauchsanweisungen bei.

Vergleichen mit

GLM 5.3 FlashX
Nur API-Modell
1,048,576 Token Kontext · $0.37/M Eingabe, $1.25/M Ausgabe
GLM 5V Turbo
Nur API-Modell
202,752 Token Kontext · $1.20/M Eingabe, $4.00/M Ausgabe
GLM 5 Turbo
Nur API-Modell
202,752 Token Kontext · $1.20/M Eingabe, $4.00/M Ausgabe
GLM 5.3 Prime
Nur API-Modell
1,000,000 Token Kontext · $2.80/M Eingabe, $8.80/M Ausgabe

Mehr Textmodelle von z-ai

Häufig gestellte Fragen

Sind die GLM-5.1-Gewichte offen und kann ich es lokal ausführen?: Ja, die Gewichte sind auf Hugging Face unter zai-org/GLM-5.1 veröffentlicht, sodass Sie das Modell herunterladen und selbst hosten können – prüfen Sie Z.ais Lizenz vor kommerzieller Nutzung.
Was kostet GLM-5.1 und wie groß ist das Kontextfenster?: Über die Z.ai-API kostet es $0,97 pro Million Eingabe-Tokens und $3,04 pro Million Ausgabe-Tokens, mit einem Kontextfenster von 204.800 Tokens.
Worin unterscheidet sich GLM-5.1 von GLM-5?: GLM-5.1 ist speziell für langanhaltende agentische Aufgaben optimiert: Während GLM-5 nach bekannten Techniken stagniert, verbessert sich GLM-5.1 über hunderte Iterationen weiter und führt GLM-5 deutlich bei Repo-Generierung und realen Terminal-Benchmarks an.

Captain's Urteil
Wenn Ihre Arbeit mehrstündige autonome Codierläufe statt schnelle Einzelergebnisse erfordert, ist GLM-5.1 eines der wenigen Modelle, die dafür wirklich gebaut sind.

Model Card auf Hugging Face

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

Qwen3 Coder 30B A3B Instruct

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

GLM 5.1 ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm z-ai logik programmieren agenten langer kontext lokal

Nach Modellfamilie stöbern