الجيل التالي من الرائد Zhipu مع أنماط تفكير متعددة وقدرة قوية على استدعاء الأدوات. سياق 200 ألف / أقصى إخراج 128 ألف.
GLM 5 هو نموذج نصي طورته Z.ai، ويمكن الوصول إليه عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI من OrcaRouter. يقبل إدخالات نصية ويوفر نافذة سياق بسعة 200,000 رمز (token) مع حد أقصى للإخراج يبلغ…
GLM 5 يدعم إدخال النص فقط. وفقًا للمواصفات المقدمة، لا يقبل الصور أو الصوت أو الفيديو. هذا يجعله نموذج لغة نقيًا محسنًا لمعالجة المحتوى المكتوب. جميع الاتصالات مع النموذج تكون عبر رموز نصية، والمخرجات أيضًا نصية. إذا كان تطبيقك يحتاج إلى إدخال متعدد الوسائط، فستحتاج إلى استخدام نموذج مختلف يتعامل مع الصور أو الوسائط الأخرى. لمهام مثل تلخيص الصوت المحول إلى نص أو استخراج النص من الصور، ستحتاج إلى تحويل هذه المدخلات إلى نص قبل تمريرها إلى GLM 5.
يتفوق GLM 5 في المهام التي تستفيد من نافذة السياق الكبيرة والحد العالي للإخراج. تشمل حالات الاستخدام الشائعة: تحليل العقود القانونية الطويلة أو المستندات التنظيمية بدقة؛ توليد ملخصات تفصيلية للأوراق البحثية أو الكتب بأكملها؛ الحفاظ على تاريخ محادثة متماسك في روبوتات الدردشة لخدمة العملاء تمتد لعشرات الجولات؛ وأداء الاستدلال المعقد حيث يحتاج النموذج إلى الرجوع إلى أقسام متعددة من موجه طويل. تشير درجة τ²-Bench البالغة 98.2 إلى أنه قوي بشكل خاص في تنفيذ المهام متعددة الخطوات في بيئات محاكاة، مثل التنقل في مواقع الويب أو إدخال البيانات.
إذا كانت مهمتك لا تتطلب السياق الكامل البالغ 200 ألف رمز أو المخرجات البالغة 128 ألف رمز، فقد يكون النموذج الأصغر أو الأقل تكلفة أكثر فعالية من حيث التكلفة. على سبيل المثال، يمكن معالجة الأسئلة والأجوبة البسيطة، أو تصنيف النصوص القصيرة، أو توليد فقرة واحدة بواسطة نماذج أقل تكلفة لكل رمز. تسعيرة نموذج GLM 5 هي 1.00 دولار لكل مليون رمز إدخال و3.20 دولار لكل مليون رمز إخراج، وهو أعلى من العديد من النماذج المدمجة. بالإضافة إلى ذلك، إذا كانت سير عملك تتضمن مطالبات واستجابات قصيرة جدًا، فقد لا يكون زمن الاستجابة وتكلفة إعداد نموذج ذي سياق كبير مبررًا. قيّم استخدامك النموذجي للرموز: إذا كنت تستخدم باستمرار أقل من 32 ألف رمز، فمن المحتمل أن يكون النموذج الأصغر كافيًا.
يتم الوصول إلى GLM 5 عبر API المتوافق مع OpenAI الخاص بـ OrcaRouter، والذي يدعم الاستجابات المتدفقة واستدعاء الدوال. عند استخدام API، يمكنك ضبط معامل الدفق (stream) على true لتلقي الرموز تدريجيًا، مما يقلل من زمن الانتظار الملحوظ للمخرجات الطويلة. يتيح استدعاء الدوال للنموذج طلب استدعاءات أدوات أو إخراج بيانات منظم. هذه الإمكانيات قياسية في API ولكنها تعتمد على دعم النموذج المحدد. بناءً على المعلومات المقدمة، يمكن استخدام GLM 5 مع هذه الميزات. للحصول على تفاصيل التنفيذ، يُرجى الرجوع إلى وثائق API الخاصة بـ OrcaRouter.
τ²-Bench هو معيار يقيم قدرة وكيل الذكاء الاصطناعي على إكمال المهام متعددة الخطوات في بيئة محاكاة. تمثل النتيجة معدل النجاح عبر مجموعة متنوعة من المهام، مثل تصفح الويب، وملء النماذج، واسترجاع المعلومات. نتيجة 98.2 تعني أن GLM 5 أكمل بنجاح 98.2% من مهام المعيار. هذا أداء عالٍ جدًا، مما يشير إلى أن النموذج يمكنه اتباع تعليمات معقدة وتنفيذ تسلسلات من الإجراءات بشكل موثوق. لا يضمن أداءً مثاليًا في العالم الحقيقي، لكنه يشير إلى قدرات وكيلية قوية لمهام مشابهة منظمة.
تعتمد زمن الاستجابة (Latency) لـ GLM 5 على طول الإدخال والإخراج، بالإضافة إلى البنية التحتية الأساسية التي توفرها Z.ai. يقوم OrcaRouter بتوجيه الطلبات إلى الواجهة الخلفية للمزوّد ولا يُضيف أي تأخير إضافي يتجاوز الحمل الشبكي. بالنسبة للمدخلات والمخرجات القصيرة (مثل 1,000 رمز (token) مدخلاً و500 رمز مخرجاً)، قد تتراوح أوقات الاستجابة بين بضع ثوانٍ. أما بالنسبة للتوليدات الطويلة التي تقترب من الحد الأقصى البالغ 128 ألف رمز، فيمكن أن يكون زمن الاستجابة أعلى بكثير—غالباً عشرات الثواني أو أكثر—وذلك لأن النموذج يجب أن يعالج ويولّد العديد من الرموز. يمكن للتدفق (Streaming) أن يُخفف من أوقات الانتظار المتصورة. لا توجد أرقام محددة لزمن الاستجابة، لذا ينبغي اختبار الأداء الفعلي باستخدام أعباء عمل تمثيلية.
القوة الأساسية التي يسلط الضوء عليها المعيار الرئيسي هي معدل النجاح العالي لـ GLM 5 في المهام الوكيلية. تشير درجة τ²-Bench البالغة 98.2 إلى أنه يمكنه التعامل مع التفكير متعدد الخطوات واستخدام الأدوات بشكل فعال. بالإضافة إلى ذلك، فإن نافذة السياق الكبيرة (200K رمز) والحد الأقصى للإخراج (128K رمز) تعني أنه يمكنه الحفاظ على التماسك عبر النصوص الطويلة جدًا، وهو تحسن ذو معنى مقارنة بالنماذج ذات النوافذ الأصغر. لا توجد درجات معيارية أخرى متاحة، لذا لا تتوفر مقارنات مباشرة في مهام مثل فهم اللغة أو الرياضيات من هذه البيانات. من المحتمل أن يستفيد النموذج من منهجية التدريب لـ Z.ai والحجم المتزايد.
GLM 5 هو نموذج نصي فقط، لذا لا يمكنه معالجة الصور أو الوسائط الأخرى. أداؤه في المهام التي تتطلب فهماً متعدد الوسائط هو صفر. درجة τ²-Bench، رغم ارتفاعها، تُقاس في بيئة محاكاة؛ وقد يختلف الأداء الوكيل الفعلي في العالم الحقيقي. تكلفة النموذج لكل رمز مرتفعة نسبيًا (1.00 دولار للإدخال / 3.20 دولار للإخراج لكل مليون رمز)، لذا بالنسبة للسياقات الطويلة، يمكن أن تتراكم التكلفة الإجمالية بسرعة. لا توجد معلومات عن زمن الاستجابة تحت الحمل، لذا يجب عليك قياس الأداء باستخدام حالة الاستخدام الخاصة بك. أيضًا، مثل جميع نماذج اللغة، قد ينتج GLM 5 محتوى غير صحيح أو هلوسات، خاصة في سيناريوهات التفكير المعقدة التي تتجاوز توزيع تدريبه.
سعر GLM 5 هو 1.00 دولار لكل مليون رمز إدخال و 3.20 دولار لكل مليون رمز إخراج. هذه هي أسعار المزود التي تحددها Z.ai. يقوم OrcaRouter بتمرير هذه الأسعار دون أي رسوم إضافية، لذا تدفع بالضبط سعر المزود. يتم عد الرموز باستخدام طريقة الترميز القياسية (حوالي 0.75 كلمة لكل رمز للغة الإنجليزية). تشمل رموز الإدخال المطالبة وأي رسائل نظام؛ رموز الإخراج هي الرد الذي يولده النموذج. لا توجد رسوم منفصلة لاستدعاءات API أو الميزات الخاصة ما لم يحددها المزود. التسعير لكل رمز، لذا تتكلفة الاستخدام بشكل خطي مع الاستخدام.
نظرًا لأن GLM 5 يفرض رسومًا بالرمز (token)، فإن التكلفة الإجمالية تعتمد على طول المطالبة (prompt) وطول التوليد (generation). في تفاعل نموذجي يحتوي على 10,000 رمز إدخال و5,000 رمز إخراج، ستكون التكلفة (10,000/1,000,000)*$1.00 + (5,000/1,000,000)*$3.20 = $0.01 + $0.016 = $0.026 لكل استدعاء. بالنسبة للمهام التي تستخدم السياق الكامل، مثل 200,000 رمز إدخال و128,000 رمز إخراج، ستكون التكلفة $0.20 + $0.4096 = $0.6096 لكل استدعاء. إذا كانت حالتك الاستخدامية لا تتطلب مثل هذه الحدود القصوى، فقد يكون النموذج الأرخص ذو السياق الأصغر أكثر اقتصادية. يتيح لك OrcaRouter مقارنة التكاليف عبر النماذج قبل النشر.
المعلومات المقدمة لا تذكر التخزين المؤقت أو خصومات الحجم لـ GLM 5 عبر OrcaRouter. يتم فوترة السعر لكل توكن بسعر المزود القياسي. إذا كنت بحاجة إلى توفير في التكاليف للاستخدام عالي الحجم، فكر فيما إذا كان نموذج مختلف أو نشر مخصص قد يكون مفيدًا. سياسة عدم إضافة هامش ربح (zero-markup) الخاصة بـ OrcaRouter تعني أنك تدفع نفس السعر كما لو كنت اتصلت بـ Z.ai مباشرة، دون أي رسوم منصة. لترتيبات الخصم المحددة، ستحتاج إلى التفاوض مع Z.ai أو التحقق من أي عروض ترويجية. كمعيار، لا يتم وصف التخزين المؤقت، لذا افترض أن كل استدلال يتم فوترته بشكل فردي.
لاستخدام GLM 5، أرسل الطلبات إلى نقطة نهاية API المتوافقة مع OpenAI من OrcaRouter. اضبط عنوان URL الأساسي على https://api.orcarouter.ai/v1. في نص الطلب، حدد معرف النموذج كـ "z-ai/glm-5". يمكنك استخدام أي SDK من OpenAI أو أي عميل HTTP يدعم نقطة نهاية إكمال المحادثة. مثال باستخدام Python: import openai; client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your_key"); client.chat.completions.create(model="z-ai/glm-5", messages=[{"role":"user","content":"Hello"}]). دعم البث المباشر واستدعاء الوظائف والمعلمات الأخرى يعكس مخطط OpenAI.
يدعم GLM 5 جميع المعلمات القياسية لتنسيق إكمال الدردشة الخاص بـ OpenAI. يمكنك ضبط درجة الحرارة (0-2) و top_p و max_tokens (حتى 128,000) وتسلسلات الإيقاف و frequency_penalty و presence_penalty و stream (قيمة منطقية) والأدوات/الوظائف لاستدعاء الدوال. حد نافذة السياق هو 200,000 رمز إجمالي، والذي يتضمن كلاً من الرسائل وأي أمر نظامي. إذا تجاوز الإدخال هذا الحد، يجب عليك اقتطاع السياق أو تقسيمه. لا يقوم OrcaRouter بالاقتطاع تلقائيًا؛ سيفشل الطلب إذا تجاوز عدد الرموز الحد. استخدم عدد الرموز الخاص بالمحلل اللغوي لضمان الامتثال.
يتطلب الانتقال إلى OrcaRouter تغيير عنوان URL الأساسي ومعرّف النموذج. إذا كنت قد استخدمت سابقًا نقطة نهاية OpenAI مع النموذج "gpt-4o"، فستستبدل عنوان URL الأساسي بـ https://api.orcarouter.ai/v1 وتضبط النموذج على "z-ai/glm-5". لا حاجة لأي تغييرات أخرى في الكود إذا كنت تستخدم بالفعل تنسيق محادثات OpenAI. تأكد من أن مفتاح API الخاص بك صالح لـ OrcaRouter. اختبر بطلب صغير للتحقق من الاتصال وأن النموذج يستجيب كما هو متوقع. لاحظ أن عد الرموز قد يختلف قليلاً بسبب أدوات الترميز الخاصة بالنموذج، لكن API يتعامل مع ذلك بشفافية.
إذا تجاوز العدد الإجمالي للتوكنات في الإدخال (رسائل النظام، تاريخ المحادثة، مطالبة المستخدم) 200,000 توكن، ستعيد API خطأً يشير إلى تجاوز طول السياق. يجب عليك تقليل حجم الإدخال. وبالمثل، إذا قمت بتعيين max_tokens فوق 128,000، سيتم تحديد الطلب بأقصى إخراج للنموذج؛ قد ترفض API المعلمة أو تقوم بقصها إلى الحد المسموح. من الأفضل التحقق من أعداد التوكنات برمجيًا قبل إرسال حمولات كبيرة. لا يقوم OrcaRouter باقتطاع المطالبات تلقائيًا، لذا يجب عليك إدارة طول السياق بنفسك.
نافذة السياق الخاصة بـ GLM 5 والمكونة من 200,000 رمزًا، بالإضافة إلى الحد الأقصى للمخرجات البالغ 128,000 رمزًا، هي من بين الأكبر المتاحة. وهذا يقارن بشكل إيجابي مع العديد من النماذج مغلقة المصدر التي توفر سياقات بحجم 128K أو 32K. درجة τ²-Bench البالغة 98.2 مرتفعة، مما يشير إلى أداء وكيلي قوي. ومع ذلك، فإن التسعير أعلى من بعض المزودين البديلين؛ فعلى سبيل المثال، قد يكون النموذج ذو سعة الرموز المماثلة ولكن بتكلفة أقل لكل رمز أكثر اقتصادًا للاستخدام المكثف. GLM 5 هو نموذج نصي فقط، بينما تدعم بعض المنافسين مدخلات متعددة الوسائط. بدون بيانات معيارية أخرى من الحقائق المقدمة، لا يمكن إجراء مقارنات مباشرة للجودة في مهام معالجة اللغة الطبيعية.
قد تختار GLM 5 إذا كنت بحاجة إلى نافذة سياق أكبر من نماذج OpenAI القياسية (والتي تكون عادةً 128 ألف رمز). يقدم GLM 5 سياق 200 ألف ومخرجات 128 ألف، مما يمكنه من استيعاب مدخلات أطول دون اقتطاع. بالإضافة إلى ذلك، قد تكون درجة τ²-Bench البالغة 98.2 أعلى من بعض نماذج OpenAI في المعايير الوكيلية، على الرغم من أن المقارنات الدقيقة تعتمد على ظروف التقييم. إذا كانت التكلفة هي الشاغل الرئيسي، قارن الأسعار لكل رمز؛ قد تكون GLM 5 بسعر 1.00 دولار / 3.20 دولار لكل مليون رمز تنافسية حسب البديل. أيضًا، إذا كنت تفضل استخدام نموذج Z.ai لخصائص أداء محددة، فإن GLM 5 خيار.
بالمقارنة مع نماذج GLM السابقة (مثل GLM 4)، يزيد نموذج GLM 5 من نافذة السياق من 128 ألف رمز إلى 200 ألف رمز، والحد الأقصى للإخراج من 64 ألف رمز إلى 128 ألف رمز. من المحتمل أن تكون درجة τ²-Bench البالغة 98.2 تحسينًا، على الرغم من عدم تقديم درجات النماذج القديمة. قد تتغير الأسعار؛ قد تكون النماذج الأقدم أرخص لكل رمز. إذا كانت مهامك تتناسب مع السياق الأصغر لنموذج أقدم، فقد يكون استخدام نموذج أقل تكلفة أكثر اقتصادًا. ومع ذلك، بالنسبة للمهام التي تتطلب سياق 200 ألف رمز كامل أو إخراج أعلى، فإن GLM 5 هو الخيار الوحيد في السلسلة. قد يؤدي الترقية أيضًا إلى تحسينات في الجودة في الاستدلال واتباع التعليمات.
بناءً على المعلومات المقدمة، يحقق نموذج GLM 5 درجة 98.2 في معيار τ²-Bench، وهي درجة شبه مثالية في هذا المعيار. يشير هذا إلى أنه قوي جدًا للمهام الوكيلية المشابهة لتلك الموجودة في المعيار. ومع ذلك، فإن نتائج المعايير لا تضمن الأداء في العالم الحقيقي، وقد تؤدي النماذج الأخرى أداءً مختلفًا في بيئتك الخاصة. إذا كانت مهامك الوكيلية تتطابق بشكل وثيق مع سيناريو τ²-Bench، فإن GLM 5 مرشح ممتاز. ولكن إذا كانت مهامك تتضمن أدوات أو لغات أو قيودًا مختلفة، فيجب عليك اختبار نماذج متعددة. يتيح لك OrcaRouter التبديل بسهولة بين النماذج لمقارنة النتائج.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="z-ai/glm-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)do_sampleinclude_reasoningmax_tokensreasoningrequest_idresponse_formatstopstreamtemperaturethinkingtool_choicetool_streamtoolstop_puser_id| الإدخال / 1M توكن | $1.00 |
| الإخراج / 1M توكن | $3.20 |
| قراءة الذاكرة المؤقتة / 1M | $0.260 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
GET /api/public/models/z-ai/glm-5فتح @misc{orcarouter_glm_5,
title = {GLM 5 API},
author = {Z.ai},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/z-ai/glm-5}
}Z.ai. (2026). GLM 5 API. OrcaRouter. https://www.orcarouter.ai/models/z-ai/glm-5