Zhipu (Z.ai) MoE phare open-source : 355B total / 32B actif. Raisonnement hybride (modes réflexion / non-réflexion), appel d'outils natif et surface agentique, contexte 128K.
GLM-4.5 est un modèle de langage textuel uniquement développé par Z.ai, accessible via l'API compatible OpenAI d'OrcaRouter. Il offre une fenêtre de contexte de 128 000 jetons et peut produire…
GLM-4.5 excelle dans les tâches impliquant le raisonnement mathématique, la déduction logique et la résolution de problèmes étape par étape. Il obtient un score de 97,9 sur MATH-500, ce qui indique une grande précision sur une série de problèmes mathématiques. D'autres cas d'utilisation importants incluent la génération et l'explication de code, en particulier pour les algorithmes et les calculs mathématiques. La grande fenêtre de contexte (128K tokens) le rend adapté au traitement de longs documents, tels que des articles de recherche, des textes juridiques ou des manuels techniques. De plus, il peut gérer des conversations à plusieurs tours qui impliquent de faire référence à des parties antérieures de la conversation, à condition que l'historique complet tienne dans la limite de 128K.
Pour des tâches simples comme la classification directe, le résumé de textes courts ou la réponse à des questions basiques, un modèle plus petit peut être plus rentable. GLM-4.5 est facturé $0.60 par million de tokens d'entrée et $2.20 par million de tokens de sortie. Si votre application ne nécessite pas le contexte complet de 128K ou le raisonnement mathématique avancé, vous pouvez réduire les coûts en choisissant un modèle avec un tarif par token plus bas. De plus, pour les applications multimodales (par exemple, le sous-titrage d'images ou l'analyse vidéo), GLM-4.5 n'est pas adapté car il ne traite que le texte. Dans ce cas, envisagez des modèles qui prennent en charge les entrées visuelles ou audio.
Oui, GLM-4.5 peut générer du code, en particulier pour les problèmes qui impliquent des calculs mathématiques ou une logique algorithmique. Son score élevé de 97.9 au MATH-500 suggère une compétence en raisonnement sur des constructions numériques et logiques, ce qui se traduit par une sortie de code précise dans des langages comme Python, Java ou C++. La grande fenêtre de contexte permet au modèle de prendre en compte des bases de code entières ou de longues documentations lors de la génération de code. Cependant, sa force principale réside dans le raisonnement plutôt que dans les tâches lourdes en syntaxe. Pour les tâches qui nécessitent une connaissance approfondie de frameworks ou bibliothèques spécifiques, un modèle de code spécialisé pourrait être plus approprié.
Une fenêtre de contexte de 128K signifie que GLM-4.5 peut traiter jusqu'à environ 96 000 mots (ou 128 000 tokens de sous-mots) en une seule requête. Cela est bénéfique pour les tâches impliquant des documents longs, des conversations prolongées ou une analyse de données à grande échelle dans une seule invite. Le modèle peut maintenir la cohérence sur ce long contexte, ce qui est important pour le résumé, la réponse à des questions sur de longs textes et le raisonnement en plusieurs étapes. Cependant, la longueur de contexte effective réelle peut varier en fonction de la complexité du contenu. Les utilisateurs devraient tester avec leurs cas d'utilisation spécifiques pour garantir des performances cohérentes à l'extrémité supérieure de la fenêtre.
MATH-500 est un benchmark composé de 500 problèmes mathématiques couvrant différents niveaux de difficulté, de l'arithmétique de base aux questions de compétition avancées. Un score de 97,9 signifie que GLM-4.5 a répondu correctement à 97,9 % de ces problèmes. Cela indique une capacité de raisonnement mathématique très solide. Le modèle utilise probablement un raisonnement rigoureux étape par étape pour parvenir aux réponses. Les utilisateurs doivent noter que ce benchmark teste les capacités mathématiques pures et peut ne pas refléter les performances sur d'autres tâches comme l'écriture créative ou le dialogue ouvert. C'est une métrique utile pour évaluer les modèles destinés aux applications STEM.
Les chiffres exacts de vitesse et de latence pour GLM-4.5 ne sont pas fournis publiquement par Z.ai. Les performances dépendent de facteurs tels que la taille de la requête, la longueur de la sortie, les conditions du réseau et la charge du serveur. Via OrcaRouter, les utilisateurs peuvent s'attendre à une latence typique pour un modèle de cette taille. En tant que modèle textuel avec un contexte de 128K, la latence peut augmenter proportionnellement à la longueur de l'entrée. Le streaming est disponible pour réduire le temps perçu jusqu'au premier jeton. Pour les applications en temps réel, nous recommandons d'effectuer des tests de charge avec votre charge de travail typique. L'infrastructure d'OrcaRouter est conçue pour un accès API fiable, mais des benchmarks de vitesse spécifiques doivent être mesurés dans votre propre environnement.
La principale force de GLM-4.5 réside dans le raisonnement mathématique, comme le démontre son score de 97,9 sur MATH-500. Il gère également efficacement les longs contextes (128K tokens), ce qui le rend adapté aux tâches au niveau documentaire. Le modèle peut générer jusqu'à 96K tokens par sortie, ce qui est utile pour des réponses longues ou des chaînes de raisonnement multi-étapes. Son prix est compétitif pour son niveau de performance. De plus, il est accessible via l'API compatible OpenAI d'OrcaRouter, ce qui facilite l'intégration pour les développeurs déjà familiers avec cet écosystème. Le modèle est uniquement textuel, ce qui simplifie le déploiement lorsque la vision ou l'audio ne sont pas nécessaires.
GLM-4.5 ne prend en charge aucune modalité d’entrée autre que le texte. Il ne peut pas traiter les images, l’audio ou la vidéo. Ses données d’entraînement et sa conception sont axées sur le raisonnement et les mathématiques ; il peut être moins performant sur des tâches créatives ou subjectives par rapport aux modèles polyvalents. Le benchmark MATH-500, bien qu’impressionnant, constitue une évaluation étroite : les performances du modèle sur d’autres benchmarks (par exemple, codage, logique, factualité) ne sont pas fournies. De plus, comme tous les grands modèles de langage, il peut produire des erreurs ou des hallucinations, en particulier sur des entrées ambiguës ou hors distribution. Les utilisateurs doivent valider les sorties pour les applications critiques. La grande fenêtre de contexte peut augmenter la latence et le coût pour des invites très longues.
GLM-4.5 est proposé à 0,60 $ par million de tokens d'entrée et 2,20 $ par million de tokens de sortie. Il s'agit du tarif fournisseur de Z.ai, et OrcaRouter n'ajoute aucune marge. La facturation est basée sur l'utilisation : vous payez uniquement pour les tokens consommés. Les tokens d'entrée incluent le prompt et tout message système ; les tokens de sortie sont générés par le modèle. Un token équivaut à environ 0,75 mot en anglais. Pour une requête typique avec 10 000 tokens d'entrée et 5 000 tokens de sortie, le coût serait de (0,60 * 0,01) + (2,20 * 0,005) = 0,006 $ + 0,011 $ = 0,017 $. Cette tarification transparente permet une estimation facile des coûts.
Compte tenu de sa structure de tarification, GLM-4.5 est le plus rentable pour les applications qui bénéficient de son raisonnement mathématique avancé et de son contexte long. Pour les tâches simples, des modèles moins chers peuvent suffire, réduisant ainsi les coûts opérationnels. La fenêtre de contexte de 128K augmente l'utilisation de tokens par requête, ce qui peut augmenter les coûts si elle n'est pas optimisée. Pour gérer les dépenses, envisagez de tronquer les invites à la longueur nécessaire et d'utiliser des limites de longueur de sortie. De plus, comme OrcaRouter ne facture aucune marge, le coût reflète étroitement le tarif du fournisseur. La mise en cache peut réduire davantage les coûts si vous réutilisez des segments d'invites courants, mais les politiques de mise en cache spécifiques dépendent de votre implémentation avec OrcaRouter.
OrcaRouter n'offre pas nativement de mise en cache pour les requêtes GLM-4.5. La mise en cache est généralement implémentée côté client. Par exemple, vous pouvez stocker les réponses pour des prompts identiques afin d'éviter des facturations répétées. Alternativement, vous pouvez concevoir votre application pour réutiliser le contexte lorsque c'est possible. Étant donné que GLM-4.5 est facturé par token, la mise en cache peut réduire considérablement les coûts pour les applications avec des volumes de requêtes élevés, surtout si de nombreuses requêtes partagent des préfixes similaires (par exemple, les instructions système). Si vous avez besoin d'une mise en cache côté serveur, envisagez d'utiliser les fonctionnalités de cache par lot ou de cache de prompt d'OrcaRouter si elles sont disponibles—consultez leur documentation pour plus de détails.
GLM-4.5 prend en charge jusqu'à 96,000 jetons de sortie par requête. Ce nombre est exceptionnellement élevé et peut entraîner des coûts plus élevés par requête si vous générez de longues réponses. Par exemple, générer 96,000 jetons de sortie coûterait 96,000/1,000,000 * $2.20 = $0.2112 par requête. Bien que cela permette des générations très longues, il peut être plus économique de limiter la longueur de la sortie à l'aide du paramètre 'max_tokens' sauf si la tâche nécessite réellement de longues sorties. Les utilisateurs soucieux de leur budget devraient définir des limites appropriées. Les nombres de jetons d'entrée et de sortie sont additionnés et facturés séparément à leurs tarifs respectifs.
Vous accédez à GLM-4.5 via l'API compatible OpenAI d'OrcaRouter. Définissez l'URL de base sur https://api.orcarouter.ai/v1. Utilisez l'ID de modèle "z-ai/glm-4.5" dans vos requêtes. L'API accepte les paramètres OpenAI standard tels que 'prompt', 'max_tokens', 'temperature', etc. Par exemple, un appel de chat completion utiliserait le endpoint /v1/chat/completions. L'authentification nécessite une clé API provenant d'OrcaRouter. L'API se comporte comme l'API OpenAI, donc le code existant peut être facilement migré en modifiant l'URL de base et le nom du modèle. Reportez-vous à la documentation d'OrcaRouter pour les détails d'authentification.
Les paramètres courants incluent : 'model' (défini sur "z-ai/glm-4.5"), 'messages' (liste de dictionnaires avec rôle et contenu), 'max_tokens' (jusqu'à 96000), 'temperature' (contrôle le caractère aléatoire, valeur par défaut non spécifiée), 'top_p' (échantillonnage nucleus), 'stream' (booléen), et 'stop' (séquences auxquelles la génération s'arrête). GLM-4.5 prend en charge le format de complétion de chat OpenAI. Tous les paramètres avancés (comme logprobs ou tool calls) ne sont pas forcément pris en charge ; testez votre cas d'utilisation. Si vous devez définir des pénalités de fréquence ou de présence, consultez la documentation d'OrcaRouter pour la compatibilité. Le modèle accepte les messages système pour définir le comportement.
La migration est simple. Mettez à jour l'URL de base de votre code vers https://api.orcarouter.ai/v1 et remplacez le nom du modèle par "z-ai/glm-4.5". Assurez-vous de disposer d'une clé API OrcaRouter valide. Les formats de requête et de réponse sont identiques à ceux d'OpenAI. Aucune modification de la structure des prompts ou des paramètres n'est nécessaire, sauf si vous utilisiez des fonctionnalités propres au modèle non prises en charge par OrcaRouter. Testez avec un petit lot pour confirmer le comportement. Si vous utilisiez le streaming, le même endpoint de streaming fonctionne. La documentation d'OrcaRouter fournit des étapes de dépannage pour les problèmes courants.
Les limites de débit et les quotas d'utilisation pour GLM-4.5 sont déterminés par OrcaRouter en fonction de votre niveau de compte. Les limites de débit typiques sont mesurées en requêtes par minute (RPM) et en jetons par minute (TPM). Pour une utilisation à volume élevé, vous devrez peut-être demander une limite plus élevée. L'API d'OrcaRouter renvoie des codes d'état HTTP standard (par exemple, 429 pour la limitation de débit). Il est recommandé d'implémenter un backoff exponentiel dans votre client. Il n'est pas fait mention de quotas stricts dans les informations fournies ; contactez le support d'OrcaRouter pour connaître les limites spécifiques. La fenêtre contextuelle et la longueur de sortie du modèle sont des limites par requête, et non appliquées périodiquement.
GLM-4.5 obtient un score de 97,9 sur MATH-500, ce qui le place parmi les meilleurs en raisonnement mathématique. De nombreux modèles obtiennent des scores dans les 80 ou les bas 90 sur ce benchmark, donc 97,9 est notablement élevé. Cependant, cette comparaison se limite à un seul benchmark. Sur d'autres métriques (par exemple, la compréhension générale du langage, le codage), les performances peuvent différer. GLM-4.5 est uniquement textuel, alors que certains concurrents prennent en charge la vision. Sa fenêtre de contexte (128 K) est plus grande que celle de nombreux modèles offrant 32 K ou 64 K. Le prix est compétitif pour son niveau. Les utilisateurs axés sur les mathématiques peuvent préférer GLM-4.5, mais devraient évaluer le modèle sur leurs tâches spécifiques.
Les modèles moins chers peuvent avoir des fenêtres de contexte plus petites (par exemple 4K-8K) et des scores de référence plus faibles. Si vos tâches sont simples et nécessitent une faible latence, un modèle moins cher pourrait être plus rentable. Par exemple, un modèle au prix de $0.15/$0.60 par million de tokens pourrait être suffisant pour un résumé basique. L'avantage de GLM-4.5 réside dans son solide raisonnement mathématique et son long contexte. Le compromis est un coût plus élevé par token. Vous devez calculer le coût total pour votre modèle d'utilisation typique. Si votre application exige un raisonnement mathématique précis ou de longs documents, le coût plus élevé peut être justifié.
Plusieurs fournisseurs proposent des modèles avec des fenêtres de contexte similaires. La tarification de GLM-4.5 ($0.60/$2.20) se situe dans la fourchette moyenne à modérée. Certains modèles avec un contexte de 128K peuvent être moins chers par token, mais ont des scores en mathématiques plus bas. D'autres peuvent être plus chers. Le score de GLM-4.5 au MATH-500, soit 97.9, est exceptionnellement élevé. Aucun des faits fournis ne mentionne d'autres scores de référence, donc une comparaison complète n'est pas possible. Pour les utilisateurs ayant besoin de hautes performances en mathématiques et d'un contexte long, GLM-4.5 est un candidat solide. Cependant, pour l'écriture créative ou la diversité, d'autres modèles peuvent être préférables. Testez toujours avec vos données spécifiques.
OrcaRouter fournit une API unifiée compatible OpenAI pour accéder à GLM-4.5 sans gérer d'infrastructure. La tarification est transparente, sans marge sur les tarifs des fournisseurs. Vous bénéficiez du même modèle que celui hébergé par Z.ai, mais via la passerelle d'OrcaRouter qui peut offrir des fonctionnalités supplémentaires comme l'équilibrage de charge, la mise en cache ou des options de repli (consultez la documentation d'OrcaRouter). L'API est standardisée, ce qui facilite la migration vers d'autres modèles du catalogue. OrcaRouter gère l'authentification et les limites de débit. Si vous utilisez déjà d'autres modèles sur OrcaRouter, ajouter GLM-4.5 se résume à un simple changement de nom de modèle.
Compatible OpenAI — gardez votre SDK actuel
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="z-ai/glm-4.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)do_sampleinclude_reasoningmax_tokensreasoningrequest_idresponse_formatstopstreamtemperaturethinkingtool_choicetool_streamtoolstop_puser_id| Entrée / 1M tokens | $0.600 |
| Sortie / 1M tokens | $2.20 |
| Lecture cache / 1M | $0.110 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/z-ai/glm-4.5Ouvrir @misc{orcarouter_glm_4_5,
title = {GLM 4.5 API},
author = {Z.ai},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/z-ai/glm-4.5}
}Z.ai. (2025). GLM 4.5 API. OrcaRouter. https://www.orcarouter.ai/models/z-ai/glm-4.5