GLM 5
glm-5GLM-5 面向复杂系统工程与长流程智能体，适合分析架构、处理代码问题，并围绕实际约束完成多步骤文本任务。
- 起始價格
- 輸入 / 輸出 · 1M
- 上下文
- 204.8K
- 最大輸入窗口
- 最大輸出
- 128K
- 單次回應最大 token 數
- 模態
- →
Pricing by Supplier
比較同一模型在不同供應商的價格與服務表現。
| 供應商 | 輸入/M | 輸出/M | 緩存讀取/M | ||||
|---|---|---|---|---|---|---|---|
Oofficial 官方接口直连 | $0.58 | $2.6 | $0.14 | ||||
Alibaba 阿里巴巴百炼官方 | $0.58 | $2.6 | $0.14 |
左右滑動表格，查看完整價格與效能。
能力 / 支援的模態
廠商與數據私隱
效能
基準測試
標準化評測得分。百分比越高越好，並展示排名百分位。
指標來源：Artificial Analysis 2026-09-30·GLM 5
目前基準快照不包含此模型。
缺少模型或測量值不代表零分。
基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分，基準成本或速度也不是本站的服務承諾。
About GLM 5
先理解系统，再解决局部问题
GLM-5关注复杂系统工程和长周期智能体任务，适合需要同时考虑架构、接口、状态与异常处理的工作。它可以帮助研发团队梳理模块关系、分析故障路径、规划功能实现，也可以围绕一组资料完成持续的推理与信息整合。
当问题横跨多个组件时，单看报错位置往往不够。可以把请求入口、业务逻辑、数据访问和任务处理的相关实现放在一起，让模型沿实际流程判断原因。描述目标时，应说明正常行为、失败现象与必须保留的约束，这能让方案更贴近已有系统。
适合有反馈的工作方式
GLM-5可以参与代码生成和工具协作，但有效的工程流程仍需要真实反馈。应用执行查询、编译或测试后，应把输出交回模型，保留失败信息，让下一轮改动围绕实际问题展开。先做一个最小验证，再逐步扩大改动范围，有助于减少无关重构。
模型以文本输入和输出为主，适合代码、日志、文档和结构化信息。面对长任务，可以记录已确认事实、实施步骤和待验证假设；完成时要求说明实际产物与验证结果，方便团队继续审阅和维护。
Use cases and prompting
异步任务设计示例
“为图片处理服务设计异步任务流程。要求提交后返回任务标识，处理中可查询状态，失败可安全重试。结合现有代码说明状态如何流转，怎样避免重复处理，哪些错误可以重试，并给出最小实施顺序和验证用例。”
把现有接口、队列行为与数据约束一起提供，避免得到脱离项目的通用方案。
生成的方案太大，怎样收敛？
明确本次只解决的问题、允许修改的模块和交付期限，要求先完成最小可用流程。
怎样检查它有没有真正理解系统？
先让它复述一次完整请求路径，并指出关键状态和失败点，再开始改动；发现理解偏差时及时补充材料。
API access
API 介面文件
呼叫示例
/v1/chat/completions| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度；越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
替換 <YOUR_API_KEY> 替換為 API 金鑰頁面中的金鑰。
身份驗證
所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。
在「令牌」頁面生成 API Key，可以按模型、分組、IP、速率等維度精細化授權。
支援的參數
| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度；越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
速率限制
| 供應商 | RPM | TPM | RPD |
|---|---|---|---|
| official | 無限制 | 無限制 | 無限制 |
| Alibaba | 無限制 | 無限制 | 無限制 |
無限制
Frequently asked questions about glm-5
What is glm-5?
GLM-5 面向复杂系统工程与长流程智能体，适合分析架构、处理代码问题，并围绕实际约束完成多步骤文本任务。
How do I call glm-5?
Create an API key with access to glm-5, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.
How is glm-5 priced?
Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.
What is the context window of glm-5?
The model catalog lists a context window of 204800 tokens. Check the selected endpoint for request limits.
What is the maximum output of glm-5?
The model catalog lists a maximum output of 128000 tokens. Your request settings may set a lower limit.
How should I evaluate glm-5 for my project?
Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.