GLM-5 açık ağırlıklı mı ve yerel çalıştırabilir miyim?

Evet, ağırlıklar Hugging Face'te zai-org/GLM-5 olarak yayınlanmıştır. 744B parametre ve 40B aktif ile yerel çalıştırma için ciddi donanım gerekir — kendi kendine barındırma kurulumundan önce VRAM ve kuantizasyon rehberlerini inceleyin.

GLM-5 maliyeti nedir ve bağlam penceresi ne kadar?

Z.ai API üzerinden GLM-5 giriş token başına 0,60 $ ve çıktı token başına 1,92 $ fiyatlandırılır; bağlam penceresi 204.800 token.

GLM-5, GLM-4.5 veya GLM-4.7'den nasıl farklıdır?

GLM-5, GLM-4.5'in 355B parametresinden (32B aktif) 744B'ye (40B aktif) ölçeklenir ve ön eğitim verisini 23T'den 28,5T token'a çıkarır; ayrıca DeepSeek Seyrek Dikkat ve slime asenkron RL altyapısını ekler, kodlama, akıl yürütme ve ajan benchmarklarında önceki sürümlere göre ölçülebilir kazanımlar sağlar.

GLM 5

2525°

#llm #z-ai #akıl yürütme #kodlama #ajanlar #uzun bağlam

Modeli çalıştır

Teklifler / Reklamlar

OpenRouter Terminal / API

Token başına ödeme

Bu modelle tarayıcıda sohbet edin veya tek bir API anahtarıyla kodunuzdan çağırın.

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.

Bu model için rehberler

Kullanım Amacına Göre En İyi Yerel LLM (Ekim 2026): Her İş İçin Doğru Açık Model

Yerel AI için aslında ne kadar VRAM gerekiyor?

Açık ağırlıklar vs açık kaynak vs sadece API: aslında ne yapmana izin veriliyor

GGUF dosyası nedir? Kuantize modellerin açıklaması (Q4, Q8, fp8, NF4)

Tüm rehberler

Kaptanın notları

Captain tarafından yazıldı, ev editörü

2026-10-13 tarihli notlar

GLM-5, Z.ai'nin amiral gemisi açık ağırlıklı modeli olup, 744 milyar parametreli seyrek MoE (40B aktif) ve özellikle karmaşık sistem mühendisliği ve uzun vadeli ajan işlerinde kullanılmak üzere tasarlanmıştır. GLM-4.5'ten daha fazla parametre, daha fazla ön eğitim verisi ve slime adlı asenkron RL altyapısı ile ölçeklenmiştir; bu da eğitim sonrası süreci daha verimli kılar. Çok adımlı ajan boru hatları veya büyük ölçekli arka uç sistemleri inşa ve işletiyorsanız, önce bu açık ağırlıklı modeli kıyaslama için kullanmalısınız.

İle tanınır

SWE-bench Verified ve SWE-bench Multilingual'de en üst düzey açık kaynak skorları
Güçlü ajan ve terminal görev performansı, kapalı sınır modellerle rekabetçi
744B toplam / 40B aktif MoE mimarisi çıkarım maliyetlerini yönetilebilir tutar
204.800 token bağlam penceresi ve DeepSeek Seyrek Dikkat ile uzun bağlam kalitesi korunur
Tek atış kod üretiminin ötesinde yinelemeli kendi kendini düzeltme ve otonom yürütme

Dikkat et

744B parametre ile yerel barındırma ciddi donanım gerektirir; çoğu kullanıcı API kullanacaktır.
Lisans koşulları burada detaylı değil — ticari dağıtım öncesi Hugging Face deposunu kontrol edin.
Çıktı fiyatı 1,92 $/M token ile uzun ajan döngüleri için ucuz değildir.

En iyi

Kodlama

Ajanlar ve araç kullanımı

Muhakeme

Uzun bağlam

Yerel çalışır

Denenecek istemler

Dağıtık görev kuyruğu tasarla

Python'da Redis kullanarak üretim hazır dağıtık görev kuyruğu tasarla. Yeniden deneme mantığı ve üssel geri çekilme içeren bir işçi süreci, başarısız işler için dead-letter kuyruğu ve basit bir üretici API'si dahil et. Tam dosya yapısını, her dosyanın kodunu göster ve ana mimari kararları açıkla.

Eşzamanlılık hatasını hata ayıkla

Bir Go HTTP sunucusu yük altında bazen eski veri döndürüyor. Birden fazla goroutine senkronizasyon olmadan paylaşılan bir haritayı okuyor ve yazıyor. Yarış durumunu tespit et, neden bu semptoma yol açtığını açıkla, ilgili bölümü sync.RWMutex kullanarak yeniden yaz ve bunu yakalayacak bir test ekle.

Çok adımlı bir ajan planla

Bir ajan geliştiriyorsunuz; GitHub deposunu izliyor, yeni bir sorun 'bug' etiketi aldığında bunu tespit ediyor, hatayı sandbox'ta çoğaltıyor, bir düzeltme öneriyor, pull request açıyor ve Slack kanalını bilgilendiriyor. Bunu ayrı ajan adımlarına böl, her adımın ihtiyaç duyduğu araçları belirt ve insan onayının nerede gerekli olacağını işaretle.

İle karşılaştır

GLM 5.3 FlashX
Sadece API modeli
1,048,576 token bağlam · $0.37/M girdi, $1.25/M çıktı
GLM 5V Turbo
Sadece API modeli
202,752 token bağlam · $1.20/M girdi, $4.00/M çıktı
GLM 5 Turbo
Sadece API modeli
202,752 token bağlam · $1.20/M girdi, $4.00/M çıktı
GLM 5.3 Prime
Sadece API modeli
1,000,000 token bağlam · $2.80/M girdi, $8.80/M çıktı

z-ai tarafından daha fazla metin modeli

İnsanların sorduğu sorular

GLM-5 açık ağırlıklı mı ve yerel çalıştırabilir miyim?: Evet, ağırlıklar Hugging Face'te zai-org/GLM-5 olarak yayınlanmıştır. 744B parametre ve 40B aktif ile yerel çalıştırma için ciddi donanım gerekir — kendi kendine barındırma kurulumundan önce VRAM ve kuantizasyon rehberlerini inceleyin.
GLM-5 maliyeti nedir ve bağlam penceresi ne kadar?: Z.ai API üzerinden GLM-5 giriş token başına 0,60 $ ve çıktı token başına 1,92 $ fiyatlandırılır; bağlam penceresi 204.800 token.
GLM-5, GLM-4.5 veya GLM-4.7'den nasıl farklıdır?: GLM-5, GLM-4.5'in 355B parametresinden (32B aktif) 744B'ye (40B aktif) ölçeklenir ve ön eğitim verisini 23T'den 28,5T token'a çıkarır; ayrıca DeepSeek Seyrek Dikkat ve slime asenkron RL altyapısını ekler, kodlama, akıl yürütme ve ajan benchmarklarında önceki sürümlere göre ölçülebilir kazanımlar sağlar.

Kaptanın kararı
Ciddi ajan ve sistem mühendisliği işleri için en güçlü açık ağırlıklı seçenek, altyapı veya çıktı token faturası karşılanabiliyorsa.

Hugging Face'de model kartı

Kaptan bu notları modelin kendi açıklaması ve model kartından yazıyor. Fiyatlar ve bağlam boyutları yazım anındaki sağlayıcıya aittir ve değişebilir.

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

Bu skor nasıl hesaplanıyor

Bu modelin henüz herhangi bir kaynaktan popülerlik verisi yok, bu yüzden listelerin tamamlanması için 7,000° altında bir geçici sayı taşıyor. Verisi olan bir modelin önünde asla sıralanmaz. Bir kaynak rapor verdiğinde burada detaylar görünür.

Terimler: burada kullanılan ifadeler

Isı puanı: Bir modelin şu anda ne kadar kullanıldığı ve istendiğini gösteren tek sayı, 0° ile 9.999° arasında. Bu sitedeki en sıcak modeller listeleri buna göre sıralanır, başka hiçbir şeyle değil.
Taban: Gerçek verisi olan her modelin başladığı 7.000°. Ölçek 0° ile 9.999° arasında; tabanın altı veri olmayan modeller için ayrılmıştır, böylece veri olan model her zaman veri olmayanın üstünde yer alır. Taban herkes için aynıdır ve karar vermez; üzerindeki derece ölçümdür.
İndirme eşdeğerleri: Puanın indirme olarak saydığı her şeyin toplamı: indirmeler, her torrent seed'ı 1.000 olarak, her AI Horde resmi ve her jenerasyon sitesindeki çalışma bir olarak sayılır.
Logaritmik ölçek: Onluk sayma, bire bir değil: 1.000'den 10.000'e çıkmak, 10.000'den 100.000'e çıkmakla aynı dereceyi ekler. Devlerin diğerlerini gölgelemesini engeller.
Beğeniler: Her kaynaktan gelen beğeni ve onaylar, logaritmik ölçekte bir indirmenin yarısı değerinde.
Benimsenme oranı: Bir modelin şu anda günde kaç indirme aldığı, bir kaynağın iki ölçümü arasındaki farktan hesaplanır. İndirme teriminin dörtte biri ağırlığında.
Ölçülen ve tahmin edilen: Ölçülen, bir kaynaktan iki okuma olduğu ve farkın gerçek olduğu anlamına gelir. Tahmin edilen ise sadece bugünün toplamının bilindiği ve geçmişin modelin ömrü boyunca dağıtıldığı anlamına gelir; site hangisini gösterdiğini belirtir.
Seeder: Ağırlıkların bir kopyasını torrent üzerinden başkalarının indirebilmesi için çevrimiçi tutan biri veya aynı işi yapan barındırılan bir ayna. Her biri 1.000 indirme olarak sayılır.
AI Horde: Bağışlanan bilgisayarlarda ücretsiz olarak görüntü üreten gönüllü bir ağ. Bir modelle yaptığı görüntü sayısı açıktır ve her biri bir indirme olarak sayılır.
Üretim siteleri: Kendi modellerinin kopyalarını barındıran ve insanların bunlarla üretim yapmasına izin veren siteler, örneğin PixAI, SeaArt ve Yodayo. İndirmeleri Civitai gibi sayılır ve her üretim bir indirme olarak kabul edilir.
OpenRouter tokenları: Claude veya GPT gibi API üzerinden sunulan bir metin modelinin indirilecek ağırlıkları yoktur, bu yüzden kullanımı tokenlarla ölçülür: son 30 günde OpenRouter üzerinden okuduğu ve yazdığı metin parçaları. Her 10,000,000 token bir indirme sayılır. Kaynak: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Tam model (checkpoint): Ağırlıkların kendisi, kendi başına üretim yapan dosya. Eklentilerin buna bağlı olması nedeniyle ekstra puan alır.
LoRA ve embedding: Başkasının ağırlıklarını belirli bir stile, karaktere veya konsepte yönlendiren küçük eklenti dosyaları. Tek başlarına çalışamazlar.
Aile ve ağırlıklar: Bir modelin üzerine kurulduğu temel, örneğin SD 1.5, SDXL, Flux veya Wan. Her model ailesinin ağırlıklarının yayın tarihini miras alır.
Yaş: Ailenin ağırlıklarının ne kadar önce çıktığına göre çıkarılan derece: yılda 150°, maksimum 750°. Yıllar içinde biriken eski indirmeleri listenin en üstünde tutar.
Aile desteği: Bu sitenin şu anda desteklediği bir ailenin LoRA'ları için küçük, sınırlı bir destek, her zaman detaylarda listelenir.
Yer tutucu puan: Henüz hiçbir kaynaktan rapor almamış bir modele verilen tabanın altındaki sabit bir sayı, böylece listeler eksiksiz kalır. Hiçbir zaman veri olan bir modelin üstünde sıralanmaz.
Yeni! (hoşgörü süresi): 7 günden daha yeni modeller puan yerine Yeni! gösterir ve sıralamada yer almaz. Puanları ilk günden hesaplanır, ancak bir günlük model her şeyden hızlı büyür, bu yüzden beklemeden haftanın #1'i her zaman dün çıkan model olurdu, haftalarca dayanmış olan değil.
Trend: Bir modelin belli bir dönemdeki büyümesinin, aynı dönemdeki tipik model büyümesiyle karşılaştırılması. Tipikten hızlıysa yükseliş, yavaşsa düşüş olarak okunur.
Tipik model: Kataloğun ortası: rakamı olan modellerin yarısı dönemde daha hızlı büyüdü, yarısı daha yavaş.

Benzer Modeller

Mistral Small 3.2 24B

TEXT / LLM

Görsel, Video ve Metin Üretimi için Yapay Zeka Modelleri

GLM 5, açık kaynak yapay zeka görsel, video ve metin modellerinin salt okunur kataloğu ModelTrends.ai'de listelenen Text / LLM ailesine ait bir metin modeli modelidir. Diğer Text / LLM modelleriyle karşılaştırın ve trendini görmek için popülerlik puanına bakın.

Daha fazla Text / LLM modeli Daha fazla Text / LLM Metin / LLM llm z-ai akıl yürütme kodlama ajanlar uzun bağlam yerel

Model Ailesine Göre Göz At