GLM-5 are greutăți deschise și pot să-l rulez local?

Da, greutățile sunt publicate pe Hugging Face la zai-org/GLM-5. La 744B parametri cu 40B activi, vei avea nevoie de hardware substanțial pentru rulare locală — consultă ghidurile de VRAM și cuantizare înainte de a încerca o implementare self-hosted.

Cât costă GLM-5 și care este fereastra de context?

Prin API-ul Z.ai, GLM-5 costă 0,60 USD per milion de tokeni de intrare și 1,92 USD per milion de tokeni de ieșire, cu o fereastră de context de 204.800 tokeni.

Cum diferă GLM-5 de GLM-4.5 sau GLM-4.7?

GLM-5 se scalează de la 355B parametri (32B activi) ai GLM-4.5 la 744B (40B activi) și crește datele de pre-antrenare de la 23T la 28,5T tokeni; adaugă DeepSeek Sparse Attention și infrastructura RL asincronă slime, oferind câștiguri măsurabile la codare, raționament și benchmark-uri agentice față de predecesori.

GLM 5

2525°

#llm #z-ai #raționament #programare #agenți #context lung

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

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.

Ghiduri pentru acest model

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Greutăți deschise vs open source vs doar API: ce ai voie să faci cu adevărat

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

GLM-5 este modelul emblematic open-weights al Z.ai, un MoE rar (40B activi) cu 744 miliarde de parametri construit special pentru inginerie complexă de sisteme și muncă agentică pe orizont lung. Se scalează de la GLM-4.5 cu mai mulți parametri, mai multe date de pre-antrenare și o infrastructură RL asincronă numită slime care face post-antrenamentul mai eficient. Dacă munca ta implică construirea și rularea pipeline-urilor agentice în mai mulți pași sau sisteme backend la scară largă, acesta este modelul open-weights pe care să-l testezi prima dată.

Cunoscut pentru

Scoruri open-source de top pe SWE-bench Verified și SWE-bench Multilingual
Performanță puternică agentică și pe sarcini terminale, competitiv cu modelele închise de frontieră
Arhitectură MoE cu 744B total / 40B activi menține costurile de inferență gestionabile
Fereastră de context de 204.800 tokeni cu DeepSeek Sparse Attention care păstrează calitatea pe context lung
Auto-corectare iterativă și execuție autonomă dincolo de generarea de cod single-shot

Atenție la

La 744B parametri, găzduirea locală cere hardware serios; majoritatea utilizatorilor vor folosi API-ul.
Termenii licenței nu sunt detaliați aici — verifică depozitul Hugging Face înainte de orice implementare comercială.
Prețul de ieșire de 1,92 USD/M tokeni nu este ieftin pentru bucle agentice cu volum mare care generează urme lungi.

Cel mai bun pentru

Programare

Agenți și utilizare unelte

Raționament

Context lung

Rulează local

Sugestii de încercat

Proiectează o coadă de sarcini distribuită

Proiectează o coadă de sarcini distribuită gata de producție în Python folosind Redis. Include un proces worker cu logică de retry și backoff exponențial, o coadă dead-letter pentru joburi eșuate și un API simplu pentru producător. Arată structura completă a fișierelor, codul fiecărui fișier și explică deciziile arhitecturale cheie.

Depanează o eroare de concurență

Am un server HTTP Go care returnează ocazional date învechite sub sarcină. Mai multe goroutine citesc și scriu într-o hartă partajată fără sincronizare. Identifică condiția de cursă, explică de ce cauzează simptomul, rescrie secțiunea relevantă folosind sync.RWMutex și adaugă un test care ar fi prins problema.

Planifică un agent în mai mulți pași

Construiești un agent care monitorizează un depozit GitHub, detectează când o problemă nouă este etichetată „bug”, reproduce bugul într-un sandbox, propune o soluție, deschide un pull request și notifică un canal Slack. Descompune în pași agentici discreți, identifică uneltele necesare fiecărui pas și marchează unde este necesară aprobarea umană.

Compară cu

GLM 5.3 FlashX
Model doar API
context de 1,048,576 tokeni · $0.37/M intrare, $1.25/M ieșire
GLM 5V Turbo
Model doar API
context de 202,752 tokeni · $1.20/M intrare, $4.00/M ieșire
GLM 5 Turbo
Model doar API
context de 202,752 tokeni · $1.20/M intrare, $4.00/M ieșire
GLM 5.3 Prime
Model doar API
context de 1,000,000 tokeni · $2.80/M intrare, $8.80/M ieșire

Mai multe modele text de la z-ai

Întrebări frecvente

GLM-5 are greutăți deschise și pot să-l rulez local?: Da, greutățile sunt publicate pe Hugging Face la zai-org/GLM-5. La 744B parametri cu 40B activi, vei avea nevoie de hardware substanțial pentru rulare locală — consultă ghidurile de VRAM și cuantizare înainte de a încerca o implementare self-hosted.
Cât costă GLM-5 și care este fereastra de context?: Prin API-ul Z.ai, GLM-5 costă 0,60 USD per milion de tokeni de intrare și 1,92 USD per milion de tokeni de ieșire, cu o fereastră de context de 204.800 tokeni.
Cum diferă GLM-5 de GLM-4.5 sau GLM-4.7?: GLM-5 se scalează de la 355B parametri (32B activi) ai GLM-4.5 la 744B (40B activi) și crește datele de pre-antrenare de la 23T la 28,5T tokeni; adaugă DeepSeek Sparse Attention și infrastructura RL asincronă slime, oferind câștiguri măsurabile la codare, raționament și benchmark-uri agentice față de predecesori.

Verdictul căpitanului
Cea mai puternică opțiune open-weights pentru muncă serioasă agentică și inginerie de sisteme, dacă poți suporta infrastructura sau factura de tokeni de ieșire.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

GPT 6.1 Sol Pro

TEXT / LLM

Gemini 3.5 Flash Lite

TEXT / LLM

Mistral 7B Instruct v0.2

TEXT / LLM

GLM 4.7 Flash

TEXT / LLM

Modele AI pentru generare de imagini, video și text

GLM 5 este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm z-ai raționament programare agenți context lung local

Răsfoiește după familia de modele