Flaggschiff der nächsten Generation von Zhipu mit mehreren Denkmodi und starkem Tool-Calling. 200K Kontext / 128K max. Ausgabe.
GLM 5 ist ein Textmodell, das von Z.ai entwickelt wurde und über die OpenAI-kompatible API von OrcaRouter zugänglich ist. Es akzeptiert Texteingaben und bietet einen Kontextfenster von 200.000 Token…
GLM 5 unterstützt nur Texteingaben. Gemäß den bereitgestellten Spezifikationen akzeptiert es keine Bilder, Audiodaten oder Videos. Dadurch ist es ein reines Sprachmodell, das für die Verarbeitung von schriftlichen Inhalten optimiert ist. Die gesamte Kommunikation mit dem Modell erfolgt über Text-Token, und die Ausgabe ist ebenfalls Text. Wenn Ihre Anwendung multimodale Eingaben erfordert, müssten Sie ein anderes Modell verwenden, das Bilder oder andere Modalitäten verarbeitet. Für Aufgaben wie die Zusammenfassung von transkribiertem Audio oder die Extraktion von Text aus Bildern müssten Sie diese Eingaben vor der Übergabe an GLM 5 in Text umwandeln.
GLM 5 zeichnet sich bei Aufgaben aus, die von seinem großen Kontextfenster und der hohen Ausgabebegrenzung profitieren. Zu den typischen Anwendungsfällen gehören: gründliche Analyse langer rechtlicher Verträge oder regulatorischer Dokumente; Erstellung detaillierter Zusammenfassungen ganzer Forschungsarbeiten oder Bücher; Aufrechterhaltung kohärenter Gesprächsverläufe in Kundensupport-Chatbots über Dutzende von Interaktionen hinweg; sowie Durchführung komplexer Argumentationen, bei denen das Modell auf mehrere Abschnitte einer langen Eingabe verweisen muss. Der τ²-Bench-Score von 98,2 deutet darauf hin, dass es besonders stark bei der Ausführung mehrstufiger Aufgaben in simulierten Umgebungen ist, wie z. B. beim Navigieren auf Websites oder beim Durchführen von Dateneingaben.
Wenn Ihre Aufgabe nicht den vollen 200K-Kontext oder 128K-Ausgabe erfordert, ist ein kleineres oder günstigeres Modell möglicherweise kosteneffizienter. Beispielsweise können einfache Frage-Antwort-Szenarien, kurze Textklassifikationen oder die Generierung einzelner Absätze von Modellen bewältigt werden, die weniger pro Token kosten. Die Preisgestaltung von GLM 5 liegt bei $1,00 pro Million Input-Token und $3,20 pro Million Output-Token und ist damit höher als bei vielen kompakten Modellen. Wenn Ihr Workflow zudem sehr kurze Prompts und Antworten umfasst, sind die Latenz und Kosten für die Einrichtung eines großen Kontextmodells möglicherweise nicht gerechtfertigt. Bewerten Sie Ihre typische Token-Nutzung: Wenn Sie regelmäßig weniger als 32K Token verwenden, ist ein kleineres Modell wahrscheinlich ausreichend.
GLM 5 wird über die OpenAI-kompatible API von OrcaRouter aufgerufen, die Streaming-Antworten und Funktionsaufrufe unterstützt. Bei Verwendung der API können Sie den Parameter stream auf true setzen, um Token inkrementell zu empfangen, was die wahrgenommene Latenz bei langen Ausgaben reduziert. Funktionsaufrufe ermöglichen es dem Modell, Werkzeugaufrufe oder strukturierte Datenausgaben anzufordern. Diese Fähigkeiten sind Standard für die API, hängen jedoch von der Unterstützung des jeweiligen Modells ab. Basierend auf den bereitgestellten Informationen kann GLM 5 mit diesen Funktionen verwendet werden. Einzelheiten zur Implementierung finden Sie in der OrcaRouter-API-Dokumentation.
τ²-Bench ist ein Benchmark, der die Fähigkeit eines KI-Agenten bewertet, mehrstufige Aufgaben in einer simulierten Umgebung zu absolvieren. Die Punktzahl gibt die Erfolgsrate bei einer Vielzahl von Aufgaben wie Webnavigation, Ausfüllen von Formularen und Informationsabruf wieder. Eine Punktzahl von 98,2 bedeutet, dass GLM 5 98,2 % der Benchmark-Aufgaben erfolgreich abgeschlossen hat. Dies ist eine sehr hohe Leistung, die darauf hindeutet, dass das Modell komplexe Anweisungen befolgen und Aktionssequenzen zuverlässig ausführen kann. Es garantiert keine perfekte Leistung in der realen Welt, deutet aber auf starke agentische Fähigkeiten für ähnliche Arten strukturierter Aufgaben hin.
Die Latenz für GLM 5 hängt von der Eingabe- und Ausgabelänge sowie der zugrunde liegenden Infrastruktur von Z.ai ab. OrcaRouter leitet an das Backend des Anbieters weiter und fügt außer Netzwerk-Overhead keine zusätzliche Latenz hinzu. Bei kurzen Ein- und Ausgaben (z. B. 1.000 Tokens Eingabe, 500 Tokens Ausgabe) können die Antwortzeiten im Bereich weniger Sekunden liegen. Bei langen Generierungen nahe dem Maximum von 128K kann die Latenz deutlich höher sein – oft mehrere zehn Sekunden oder mehr –, da das Modell viele Tokens verarbeiten und generieren muss. Streaming kann die gefühlte Wartezeit verringern. Es werden keine spezifischen Latenzwerte angegeben, daher sollte die tatsächliche Leistung mit repräsentativen Workloads getestet werden.
Die wichtigste Stärke, die der Headline-Benchmark hervorhebt, ist die hohe Erfolgsrate von GLM 5 bei agentischen Aufgaben. Der τ²-Bench-Wert von 98,2 deutet darauf hin, dass es mehrschrittiges Denken und die Nutzung von Werkzeugen effektiv bewältigen kann. Zusätzlich bedeuten sein großer Kontextfenster (200K Tokens) und die maximale Ausgabe (128K Tokens), dass es Kohärenz über sehr lange Texte hinweg aufrechterhalten kann, was eine bedeutende Verbesserung gegenüber Modellen mit kleineren Fenstern darstellt. Es werden keine weiteren Benchmark-Ergebnisse bereitgestellt, daher sind direkte Vergleiche bei Aufgaben wie Sprachverständnis oder Mathematik aus diesen Daten nicht verfügbar. Das Modell profitiert wahrscheinlich von der Trainingsmethodik und dem erhöhten Umfang von Z.ai.
GLM 5 ist ein reines Textmodell, daher kann es keine Bilder oder andere Modalitäten verarbeiten. Seine Leistung bei Aufgaben, die multimodales Verständnis erfordern, ist gleich null. Der τ²-Bench-Wert, obwohl hoch, wird in einer simulierten Umgebung gemessen; die tatsächliche agentische Leistung kann variieren. Die Kosten pro Token des Modells sind relativ hoch ($1.00 input / $3.20 output per million tokens), daher können sich die Gesamtkosten bei langen Kontexten schnell summieren. Es werden keine Informationen zur Latenz unter Last bereitgestellt, daher sollten Sie einen Benchmark mit Ihrem spezifischen Anwendungsfall durchführen. Außerdem kann GLM 5, wie alle Sprachmodelle, falsche oder halluzinierte Inhalte produzieren, insbesondere in komplexen Denkszenarien, die außerhalb seiner Trainingsverteilung liegen.
GLM 5 kostet 1,00 $ pro 1 Million Eingabe-Token und 3,20 $ pro 1 Million Ausgabe-Token. Dies sind die vom Anbieter Z.ai festgelegten Tarife. OrcaRouter gibt diese Tarife ohne zusätzlichen Aufschlag weiter, sodass Sie genau den Anbieterpreis zahlen. Token werden mit der standardmäßigen Tokenisierungsmethode gezählt (etwa 0,75 Wörter pro Token für Englisch). Eingabe-Token umfassen die Eingabeaufforderung und alle Systemnachrichten; Ausgabe-Token sind die vom Modell generierte Antwort. Es fallen keine separaten Gebühren für API-Aufrufe oder spezielle Funktionen an, sofern nicht vom Anbieter angegeben. Die Abrechnung erfolgt pro Token, sodass die Kosten linear mit der Nutzung steigen.
Da GLM 5 pro Token abrechnet, hängen die Gesamtkosten sowohl von der Eingabe- als auch von der Ausgabelänge ab. Bei einer typischen Interaktion mit 10.000 Eingabetokens und 5.000 Ausgabetokens würden die Kosten (10.000/1.000.000)*$1,00 + (5.000/1.000.000)*$3,20 = $0,01 + $0,016 = $0,026 pro Aufruf betragen. Für Aufgaben, die den vollen Kontext nutzen, wie zum Beispiel 200.000 Eingabetokens und 128.000 Ausgabetokens, lägen die Kosten bei $0,20 + $0,4096 = $0,6096 pro Aufruf. Falls Ihr Anwendungsfall keine derartigen Extreme erfordert, ist ein günstigeres Modell mit kleinerem Kontext möglicherweise wirtschaftlicher. OrcaRouter ermöglicht es Ihnen, die Kosten verschiedener Modelle vor der Bereitstellung zu vergleichen.
Die bereitgestellten Informationen erwähnen kein Caching oder Mengenrabatte für GLM 5 über OrcaRouter. Die Abrechnung erfolgt pro Token zum Standard-Anbieterpreis. Wenn Sie Kosteneinsparungen bei hohem Nutzungsvolumen benötigen, sollten Sie überlegen, ob ein anderes Modell oder eine dedizierte Bereitstellung vorteilhaft sein könnte. OrcaRouters Null-Aufschlag-Richtlinie bedeutet, dass Sie denselben Preis zahlen, als ob Sie Z.ai direkt aufrufen würden, ohne Plattformgebühr. Für spezifische Rabattvereinbarungen müssten Sie mit Z.ai verhandeln oder nach Aktionen Ausschau halten. In der Regel wird Caching nicht beschrieben, daher ist davon auszugehen, dass jede Inferenz einzeln berechnet wird.
Um GLM 5 zu verwenden, senden Sie Anfragen an den OpenAI-kompatiblen API-Endpunkt von OrcaRouter. Setzen Sie die Basis-URL auf https://api.orcarouter.ai/v1. Geben Sie im Anforderungstext die Modell-ID als "z-ai/glm-5" an. Sie können jedes OpenAI SDK oder jeden HTTP-Client verwenden, der den Chat-Completions-Endpunkt unterstützt. Beispiel mit 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"}]). Die Unterstützung für Streaming, Funktionsaufrufe und andere Parameter entspricht dem OpenAI-Schema.
GLM 5 unterstützt alle Standardparameter des OpenAI Chat Completions Formats. Sie können temperature (0-2), top_p, max_tokens (bis zu 128,000), Stopp-Sequenzen, frequency_penalty, presence_penalty, stream (boolesch) und tools/functions für Funktionsaufrufe festlegen. Die Grenze des Kontextfensters beträgt insgesamt 200,000 Tokens, einschließlich aller Nachrichten und etwaiger System-Prompts. Wenn die Eingabe diese Grenze überschreitet, müssen Sie den Kontext kürzen oder aufteilen. OrcaRouter kürzt nicht automatisch; die Anfrage schlägt fehl, wenn die Token-Anzahl die Grenze überschreitet. Verwenden Sie die Zählung des Tokenizers, um die Einhaltung sicherzustellen.
Die Migration zu OrcaRouter erfordert eine Änderung der Basis-URL und der Modell-ID. Wenn Sie zuvor einen OpenAI-Endpunkt mit dem Modell "gpt-4o" verwendet haben, ersetzen Sie die Basis-URL durch https://api.orcarouter.ai/v1 und setzen Sie das Modell auf "z-ai/glm-5". Es sind keine weiteren Codeänderungen erforderlich, wenn Sie bereits das OpenAI-Chat-Completions-Format verwenden. Stellen Sie sicher, dass Ihr API-Schlüssel für OrcaRouter gültig ist. Testen Sie mit einer kleinen Anfrage, um die Konnektivität zu überprüfen und sicherzustellen, dass das Modell wie erwartet antwortet. Beachten Sie, dass die Token-Zählung aufgrund modellspezifischer Tokenizer leicht abweichen kann, die API dies jedoch transparent handhabt.
Wenn die kombinierte Tokenanzahl Ihrer Eingabe (Systemnachrichten, Konversationsverlauf, Benutzeraufforderung) 200.000 Token überschreitet, gibt die API einen Fehler zurück, der angibt, dass die Kontextlänge überschritten wurde. Sie müssen die Eingabegröße reduzieren. Wenn Sie max_tokens über 128.000 setzen, wird die Anfrage auf die maximale Ausgabe des Modells begrenzt; die API wird entweder den Parameter ablehnen oder ihn auf das Limit begrenzen. Es ist am besten, Token-Anzahlen programmatisch zu überprüfen, bevor Sie große Payloads senden. OrcaRouter kürzt Aufforderungen nicht automatisch, daher müssen Sie die Kontextlänge selbst verwalten.
GLM 5 hat mit einem Kontextfenster von 200.000 Tokens und einer maximalen Ausgabe von 128.000 Tokens eine der größten verfügbaren Kapazitäten. Dies schneidet im Vergleich zu vielen Closed-Source-Modellen, die 128K- oder 32K-Kontexte bieten, günstig ab. Der τ²-Bench-Wert von 98,2 ist hoch und deutet auf eine starke agentische Leistung hin. Allerdings sind die Preise höher als bei einigen alternativen Anbietern; zum Beispiel könnte ein Modell mit ähnlicher Token-Kapazität, aber niedrigeren Kosten pro Token bei starker Nutzung wirtschaftlicher sein. GLM 5 ist reine Textverarbeitung, während einige Wettbewerber multimodale Eingaben unterstützen. Ohne weitere Benchmark-Daten aus den bereitgestellten Fakten sind direkte Qualitätsvergleiche bei NLP-Aufgaben nicht möglich.
Sie könnten GLM 5 wählen, wenn Sie ein größeres Kontextfenster benötigen als die Standardmodelle von OpenAI (die normalerweise 128K Tokens haben). GLM 5 bietet 200K Kontext und 128K Ausgabe, was längere Eingaben ohne Kürzung ermöglicht. Zudem kann der τ²-Bench-Wert von 98.2 bei agentischen Benchmarks höher sein als bei einigen OpenAI-Modellen, obwohl exakte Vergleiche von den Bewertungsbedingungen abhängen. Wenn die Kosten im Vordergrund stehen, vergleichen Sie die Preise pro Token; GLM 5 mit $1.00/$3.20 pro Million Tokens könnte je nach Alternative wettbewerbsfähig sein. Wenn Sie außerdem ein Z.ai-Modell mit bestimmten Leistungsmerkmalen bevorzugen, ist GLM 5 eine Wahl.
Im Vergleich zu früheren GLM-Modellen (wie GLM 4) erhöht GLM 5 das Kontextfenster von 128K auf 200K Tokens und die maximale Ausgabe von 64K auf 128K Tokens. Der τ²-Bench-Wert von 98,2 ist wahrscheinlich eine Verbesserung, auch wenn keine Werte für ältere Modelle angegeben sind. Die Preisgestaltung kann sich geändert haben; ältere Modelle könnten pro Token günstiger sein. Wenn Ihre Aufgaben in den kleineren Kontext eines älteren Modells passen, ist die Verwendung eines kostengünstigeren Modells möglicherweise wirtschaftlicher. Für Aufgaben, die den vollen 200K-Kontext oder eine höhere Ausgabe erfordern, ist GLM 5 jedoch die einzige Option in der Serie. Ein Upgrade könnte auch Qualitätsverbesserungen bei logischem Denken und Befolgungsgenauigkeit mit sich bringen.
Basierend auf den bereitgestellten Informationen erreicht GLM 5 einen τ²-Bench-Wert von 98,2, was nahezu perfekt auf diesem Benchmark ist. Dies deutet darauf hin, dass es für agentische Aufgaben, die denen im Benchmark ähneln, sehr stark ist. Benchmark-Ergebnisse garantieren jedoch keine reale Leistung, und andere Modelle können in Ihrer spezifischen Umgebung anders abschneiden. Wenn Ihre agentischen Aufgaben dem τ²-Bench-Szenario stark ähneln, ist GLM 5 eine hervorragende Wahl. Wenn Ihre Aufgaben jedoch andere Werkzeuge, Sprachen oder Einschränkungen umfassen, sollten Sie mehrere Modelle testen. OrcaRouter ermöglicht es Ihnen, einfach zwischen Modellen zu wechseln, um Ergebnisse zu vergleichen.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Eingabe / 1M Tokens | $1.00 |
| Ausgabe / 1M Tokens | $3.20 |
| Cache-Lesen / 1M | $0.260 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/z-ai/glm-5Öffnen @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