Apakah bobot GLM-4.5 terbuka dan bisa dijalankan lokal?

Ya — Z.ai telah merilis model penuh, varian Air, versi FP8, dan model dasar di Hugging Face di bawah lisensi MIT, jadi penggunaan komersial dan fine-tuning diperbolehkan. Menjalankan model 355B penuh secara lokal membutuhkan memori server di atas 1 TB, jadi kebanyakan pengguna mandiri akan memilih varian Air atau build FP8.

Berapa biaya GLM-4.5 dan berapa jendela konteksnya?

Melalui API Z.ai, harganya $0,60 per juta token input dan $2,20 per juta token output, dengan jendela konteks 128k token.

Apa perbedaan GLM-4.5 dan GLM-4.5-Air?

GLM-4.5 memiliki 355 miliar parameter total dengan 32 miliar aktif; GLM-4.5-Air adalah desain lebih kecil dengan 106 miliar total dan 12 miliar aktif, menukar beberapa kemampuan demi kebutuhan perangkat keras lebih rendah sambil mempertahankan mode inferensi berpikir/tidak berpikir yang sama.

GLM 4.5

1439°

#llm #z-ai #penalaran #agen #pemrograman #lokal

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Z.ai | konteks token 131.072 | $0,60/M input, $2,20/M output. GLM-4.5 adalah model dasar unggulan terbaru kami, dirancang khusus untuk aplikasi berbasis agen. Model ini memanfaatkan arsitektur Mixture-of-Experts (MoE) dan mendukung panjang konteks hingga 128k token. GLM-4.5 memberikan kemampuan yang jauh lebih baik dalam penalaran, pembuatan kode, dan penyelarasan agen. Mendukung mode inferensi hibrida dengan dua opsi, "thinking mode" yang dirancang untuk penalaran kompleks dan penggunaan alat, serta "non-thinking mode" yang dioptimalkan untuk respons instan. Pengguna dapat mengontrol perilaku penalaran dengan boolean reasoning enabled. Pelajari lebih lanjut di docs kamiOpens in new tab

Panduan untuk model ini

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

GLM-4.5 adalah model MoE unggulan dari Z.ai, dibangun khusus untuk alur kerja agen daripada chat umum. Dengan total 355 miliar parameter dan 32 miliar aktif, model ini berganti antara mode berpikir untuk penalaran kompleks dan penggunaan alat serta mode tanpa berpikir untuk respons cepat, dikendalikan oleh satu boolean. Bobot terbuka di bawah lisensi MIT membuatnya sangat permisif untuk model sebesar ini.

Dikenal untuk

Dua mode inferensi: penalaran mendalam atau respons instan, dapat diubah per panggilan
Lisensi MIT — penggunaan komersial dan fine-tuning diperbolehkan
Arsitektur MoE: 355 miliar parameter total, hanya 32 miliar aktif saat inferensi
Penyesuaian agen yang dibuat khusus, bukan model umum yang diadaptasi untuk alat
Varian FP8 dan Air tersedia untuk tim yang butuh beban perangkat keras lebih rendah

Waspadai

Menjalankan model penuh 355B secara mandiri membutuhkan memori server lebih dari 1 TB — ini bukan model laptop.
GLM-4.5-Air (106B total, 12B aktif) tersedia jika Anda butuh yang lebih ringan, tapi ini model terpisah.
Skor benchmark berasal dari laporan Z.ai sendiri; verifikasi pihak ketiga independen belum luas.

Terbaik untuk

Agen dan penggunaan alat

Penalaran

Pemrograman

Jalankan secara lokal

Prompt untuk dicoba

Rencana penggunaan alat multi-langkah

Anda mengelola rilis perangkat lunak. Daftar urutan tepat perintah shell dan panggilan API yang dibutuhkan untuk: menaikkan versi di package.json, menjalankan tes, membangun image Docker dengan tag versi baru, mendorongnya ke registry, dan mengirim pesan Slack dengan digest image. Tunjukkan setiap langkah sebagai panggilan alat terpisah dengan input dan output yang diharapkan.

Debug loop agen yang gagal

Sebuah loop agen memanggil alat pencarian, lalu alat ringkasan, lalu menulis file. Setelah tiga iterasi berhenti tanpa error. Jelaskan kemungkinan kegagalan utama — overflow konteks, kesalahan parsing panggilan alat, pengecualian yang tertelan diam-diam — dan untuk masing-masing tulis snippet diagnostik minimal dalam Python yang dapat mengonfirmasi atau menolaknya.

Penalaran melalui teka-teki logika

Lima insinyur masing-masing menguasai bahasa pemrograman berbeda, minum minuman berbeda, dan duduk berbaris. Pengembang Python minum kopi. Pengembang Rust duduk di sebelah peminum teh. Pengembang Go duduk di salah satu ujung. Pengembang Java minum air. Pengembang TypeScript duduk tepat di kanan peminum kopi. Siapa minum apa, dan dalam urutan apa mereka duduk? Tunjukkan penalaran langkah demi langkah.

Bandingkan dengan

GLM 5.3 FlashX
Model hanya API
konteks 1,048,576 token · $0.37/M input, $1.25/M output
GLM 5V Turbo
Model hanya API
konteks 202,752 token · $1.20/M input, $4.00/M output
GLM 5.3 Prime
Model hanya API
konteks 1,000,000 token · $2.80/M input, $8.80/M output
GLM 5.3 Flash
Model dengan bobot terbuka
konteks 1,048,576 token · $0.02/M input, $0.72/M output

Model teks lain dari z-ai

Pertanyaan yang sering diajukan

Apakah bobot GLM-4.5 terbuka dan bisa dijalankan lokal?: Ya — Z.ai telah merilis model penuh, varian Air, versi FP8, dan model dasar di Hugging Face di bawah lisensi MIT, jadi penggunaan komersial dan fine-tuning diperbolehkan. Menjalankan model 355B penuh secara lokal membutuhkan memori server di atas 1 TB, jadi kebanyakan pengguna mandiri akan memilih varian Air atau build FP8.
Berapa biaya GLM-4.5 dan berapa jendela konteksnya?: Melalui API Z.ai, harganya $0,60 per juta token input dan $2,20 per juta token output, dengan jendela konteks 128k token.
Apa perbedaan GLM-4.5 dan GLM-4.5-Air?: GLM-4.5 memiliki 355 miliar parameter total dengan 32 miliar aktif; GLM-4.5-Air adalah desain lebih kecil dengan 106 miliar total dan 12 miliar aktif, menukar beberapa kemampuan demi kebutuhan perangkat keras lebih rendah sambil mempertahankan mode inferensi berpikir/tidak berpikir yang sama.

Putusan Kapten
MoE agen yang benar-benar terbuka dengan desain dual-mode yang masuk akal — lisensi MIT dan build FP8 membuatnya layak dipertimbangkan serius untuk tim yang dapat menyediakan perangkat keras.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Muse Spark 1.3 Contributor

Model AI untuk Pembuatan Gambar, Video & Teks

GLM 4.5 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm z-ai penalaran agen pemrograman lokal

Jelajahi berdasarkan Keluarga Model