Apakah GLM-5 bobot terbuka dan bisa dijalankan lokal?

Ya, bobotnya dipublikasikan di Hugging Face di zai-org/GLM-5. Dengan 744B parameter dan 40B aktif, Anda butuh perangkat keras besar untuk menjalankan lokal — konsultasikan panduan VRAM dan kuantisasi sebelum mencoba setup self-hosted.

Berapa biaya GLM-5 dan berapa besar konteksnya?

Lewat API Z.ai, GLM-5 dihargai $0,60 per juta token input dan $1,92 per juta token output, dengan jendela konteks 204.800 token.

Apa bedanya GLM-5 dengan GLM-4.5 atau GLM-4.7?

GLM-5 mengembangkan GLM-4.5 dari 355B parameter (32B aktif) menjadi 744B (40B aktif) dan menambah data pra-pelatihan dari 23T menjadi 28,5T token; juga menambahkan DeepSeek Sparse Attention dan infrastruktur RL asinkron slime, memberikan peningkatan nyata pada benchmark coding, penalaran, dan agen dibanding pendahulunya.

GLM 5

2525°

#llm #z-ai #penalaran #pemrograman #agen #konteks panjang

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 | 204,800 token context | $1.00/M input, $3.20/M output. GLM-5 is Z.ai’s flagship open-source foundation model engineered for complex systems design and long-horizon agent workflows. Built for expert developers, it delivers production-grade performance on large-scale programming tasks, rivaling leading closed-source models. With advanced agentic planning, deep backend reasoning, and iterative self-correction, GLM-5 moves beyond code generation to full-system construction and autonomous execution.

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-5 adalah model unggulan open-weights dari Z.ai, MoE sparse 744 miliar parameter (40 miliar aktif) yang dibuat khusus untuk rekayasa sistem kompleks dan pekerjaan agen multi-langkah jangka panjang. Model ini mengembangkan GLM-4.5 dengan lebih banyak parameter, data pra-pelatihan lebih banyak, dan infrastruktur RL asinkron bernama slime yang membuat pasca-pelatihan lebih efisien. Jika pekerjaan Anda melibatkan membangun dan menjalankan pipeline agen multi-langkah atau sistem backend skala besar, ini adalah model open-weights yang harus diuji coba pertama.

Dikenal untuk

Skor open-source kelas atas di SWE-bench Verified dan SWE-bench Multilingual
Performa agen dan tugas terminal yang kuat, kompetitif dengan model frontier tertutup
Arsitektur MoE 744B total / 40B aktif menjaga biaya inferensi tetap terjangkau
Jendela konteks 204.800 token dengan DeepSeek Sparse Attention menjaga kualitas konteks panjang
Koreksi diri iteratif dan eksekusi otonom melampaui generasi kode sekali jalan

Waspadai

Dengan 744B parameter, hosting sendiri butuh perangkat keras serius; kebanyakan pengguna akan memakai API.
Ketentuan lisensi tidak dijelaskan di sini — periksa repositori Hugging Face sebelum deployment komersial.
Harga output $1,92 per juta token tidak murah untuk loop agen volume tinggi yang menghasilkan jejak panjang.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Rancang antrean tugas terdistribusi

Rancang antrean tugas terdistribusi siap produksi dalam Python menggunakan Redis. Sertakan proses worker dengan logika retry dan exponential backoff, antrean dead-letter untuk pekerjaan gagal, dan API produser sederhana. Tampilkan struktur file lengkap, kode tiap file, dan jelaskan keputusan arsitektur utama.

Debug bug konkurensi

Saya punya server HTTP Go yang kadang mengembalikan data usang saat beban tinggi. Beberapa goroutine membaca dan menulis peta bersama tanpa sinkronisasi. Identifikasi kondisi race, jelaskan mengapa menyebabkan gejala, tulis ulang bagian terkait menggunakan sync.RWMutex, dan tambahkan tes yang seharusnya menangkap ini.

Rencanakan agen multi-langkah

Anda membangun agen yang memantau repositori GitHub, mendeteksi saat isu baru diberi label 'bug', mereproduksi bug di sandbox, mengusulkan perbaikan, membuka pull request, dan memberi tahu saluran Slack. Pecah ini menjadi langkah agen terpisah, identifikasi alat yang dibutuhkan tiap langkah, dan tandai di mana persetujuan manusia harus diperlukan.

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 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

Model teks lain dari z-ai

Pertanyaan yang sering diajukan

Apakah GLM-5 bobot terbuka dan bisa dijalankan lokal?: Ya, bobotnya dipublikasikan di Hugging Face di zai-org/GLM-5. Dengan 744B parameter dan 40B aktif, Anda butuh perangkat keras besar untuk menjalankan lokal — konsultasikan panduan VRAM dan kuantisasi sebelum mencoba setup self-hosted.
Berapa biaya GLM-5 dan berapa besar konteksnya?: Lewat API Z.ai, GLM-5 dihargai $0,60 per juta token input dan $1,92 per juta token output, dengan jendela konteks 204.800 token.
Apa bedanya GLM-5 dengan GLM-4.5 atau GLM-4.7?: GLM-5 mengembangkan GLM-4.5 dari 355B parameter (32B aktif) menjadi 744B (40B aktif) dan menambah data pra-pelatihan dari 23T menjadi 28,5T token; juga menambahkan DeepSeek Sparse Attention dan infrastruktur RL asinkron slime, memberikan peningkatan nyata pada benchmark coding, penalaran, dan agen dibanding pendahulunya.

Putusan Kapten
Pilihan bobot terbuka terkuat untuk pekerjaan agen dan rekayasa sistem serius, asalkan Anda siap dengan infrastruktur atau biaya token output.

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

Nemotron 3.5 Lightning

Model AI untuk Pembuatan Gambar, Video & Teks

GLM 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 pemrograman agen konteks panjang lokal

Jelajahi berdasarkan Keluarga Model