Le vaisseau amiral de nouvelle génération de Zhipu avec plusieurs modes de réflexion et un appel d'outil puissant. Contexte de 200K / sortie maximale de 128K.
GLM 5 est un modèle textuel développé par Z.ai, accessible via l’API compatible OpenAI d’OrcaRouter. Il accepte les entrées textuelles et offre une fenêtre de contexte de 200 000 tokens avec une…
GLM 5 ne prend en charge que les entrées textuelles. Conformément aux spécifications fournies, il n'accepte ni les images, ni l'audio, ni la vidéo. Cela en fait un modèle de langage pur, optimisé pour le traitement de contenu écrit. Toute communication avec le modèle se fait via des tokens textuels, et la sortie est également du texte. Si votre application nécessite une entrée multimodale, vous devrez utiliser un modèle différent capable de gérer les images ou d'autres modalités. Pour des tâches comme le résumé d'audio transcrit ou l'extraction de texte à partir d'images, vous devrez convertir ces entrées en texte avant de les transmettre à GLM 5.
GLM 5 excelle dans les tâches qui bénéficient de sa grande fenêtre de contexte et de sa limite de sortie élevée. Les cas d'usage courants incluent : l'analyse approfondie de longs contrats juridiques ou documents réglementaires ; la génération de résumés détaillés de documents de recherche ou de livres entiers ; le maintien d'historiques de conversation cohérents dans des chatbots de support client couvrant des dizaines d'échanges ; et l'exécution de raisonnements complexes où le modèle doit référencer plusieurs sections d'un long prompt. Le score τ²-Bench de 98,2 suggère qu'il est particulièrement performant pour exécuter des tâches en plusieurs étapes dans des environnements simulés, comme naviguer sur des sites Web ou effectuer des saisies de données.
Si votre tâche ne nécessite pas le contexte complet de 200K ou la sortie de 128K, un modèle plus petit ou moins cher peut être plus rentable. Par exemple, des questions-réponses simples, une classification de textes courts ou une génération d'un seul paragraphe peuvent être traitées par des modèles qui coûtent moins par jeton. Le prix du GLM 5 est de 1,00 $ par million de jetons d'entrée et de 3,20 $ par million de jetons de sortie, ce qui est plus élevé que celui de nombreux modèles compacts. De plus, si votre flux de travail implique des invites et des réponses très courtes, la latence et le coût de mise en place d'un modèle à grand contexte peuvent ne pas être justifiés. Évaluez votre utilisation typique de jetons : si vous utilisez systématiquement moins de 32K jetons, un modèle plus petit est probablement suffisant.
GLM 5 est accessible via l'API compatible avec OpenAI d'OrcaRouter, qui prend en charge les réponses en streaming et l'appel de fonctions. Lors de l'utilisation de l'API, vous pouvez définir le paramètre stream sur true pour recevoir les jetons de manière incrémentielle, ce qui réduit la latence perçue pour les longues sorties. L'appel de fonctions permet au modèle de demander des invocations d'outils ou une sortie de données structurées. Ces capacités sont standard pour l'API mais dépendent du support du modèle spécifique. D'après les informations fournies, GLM 5 peut être utilisé avec ces fonctionnalités. Pour les détails d'implémentation, reportez-vous à la documentation de l'API OrcaRouter.
τ²-Bench est un benchmark qui évalue la capacité d’un agent IA à accomplir des tâches multi-étapes dans un environnement simulé. Le score représente le taux de réussite sur un ensemble diversifié de tâches, telles que la navigation web, le remplissage de formulaires et la recherche d’informations. Un score de 98,2 signifie que GLM 5 a réussi 98,2 % des tâches du benchmark. Il s’agit d’une performance très élevée, indiquant que le modèle peut suivre des instructions complexes et exécuter des séquences d’actions de manière fiable. Cela ne garantit pas une performance parfaite dans le monde réel, mais suggère de solides capacités agentiques pour des types similaires de tâches structurées.
La latence pour GLM 5 dépend de la longueur de l'entrée et de la sortie, ainsi que de l'infrastructure sous-jacente fournie par Z.ai. OrcaRouter achemine vers le backend du fournisseur et n'ajoute pas de latence supplémentaire au-delà de la surcharge réseau. Pour des entrées et sorties courtes (par exemple, 1 000 jetons en entrée, 500 jetons en sortie), les temps de réponse peuvent se situer dans une fourchette de quelques secondes. Pour des générations longues proches du maximum de 128K, la latence peut être considérablement plus élevée—souvent des dizaines de secondes ou plus—parce que le modèle doit traiter et générer de nombreux jetons. Le streaming peut atténuer les temps d'attente perçus. Aucun chiffre de latence spécifique n'est fourni, donc les performances réelles doivent être testées avec des charges de travail représentatives.
Le principal atout mis en avant par le benchmark phare est le taux de réussite élevé de GLM 5 sur les tâches agentiques. Le score τ²‑Bench de 98,2 suggère qu’il peut gérer efficacement le raisonnement multi‑étapes et l’utilisation d’outils. De plus, sa grande fenêtre de contexte (200 K tokens) et sa sortie maximale (128 K tokens) lui permettent de maintenir une cohérence sur des textes très longs, ce qui constitue une amélioration significative par rapport aux modèles avec des fenêtres plus petites. Aucun autre score de benchmark n’est fourni, donc des comparaisons directes sur des tâches comme la compréhension linguistique ou les mathématiques ne sont pas disponibles à partir de ces données. Le modèle bénéficie probablement de la méthodologie d’entraînement et de l’échelle accrue de Z.ai.
GLM 5 est un modèle textuel uniquement, il ne peut donc pas traiter les images ou d'autres modalités. Sa performance sur des tâches nécessitant une compréhension multimodale est nulle. Le score τ²-Bench, bien qu'élevé, est mesuré dans un environnement simulé ; les performances agentiques dans le monde réel peuvent varier. Le coût par token du modèle est relativement élevé ($1.00 input / $3.20 output per million tokens), donc pour des contextes longs, le coût total peut s'accumuler rapidement. Aucune information n'est fournie sur la latence sous charge, vous devez donc effectuer des benchmarks avec votre cas d'utilisation spécifique. De plus, comme tous les modèles de langage, GLM 5 peut produire un contenu incorrect ou halluciné, en particulier dans des scénarios de raisonnement complexes en dehors de sa distribution d'entraînement.
GLM 5 est proposé à $1.00 par million de tokens d'entrée et à $3.20 par million de tokens de sortie. Il s'agit des tarifs du fournisseur fixés par Z.ai. OrcaRouter transmet ces tarifs sans aucune majoration, vous payez donc exactement le prix du fournisseur. Les tokens sont comptés selon la méthode de tokenisation standard (environ 0.75 mot par token pour l'anglais). Les tokens d'entrée incluent l'invite et les éventuels messages système ; les tokens de sortie correspondent à la réponse générée par le modèle. Il n'y a pas de frais distincts pour les appels API ou les fonctionnalités spéciales, sauf indication contraire du fournisseur. La tarification est par token, donc le coût évolue linéairement avec l'utilisation.
Comme GLM 5 facture par jeton, le coût total dépend à la fois de la longueur de la requête et de la longueur de la génération. Pour une interaction typique avec 10 000 jetons en entrée et 5 000 jetons en sortie, le coût serait de (10 000 / 1 000 000) * 1,00 $ + (5 000 / 1 000 000) * 3,20 $ = 0,01 $ + 0,016 $ = 0,026 $ par appel. Pour les tâches utilisant le contexte complet, comme 200 000 jetons en entrée et 128 000 jetons en sortie, le coût serait de 0,20 $ + 0,4096 $ = 0,6096 $ par appel. Si votre cas d'utilisation n'exige pas de telles extrêmes, un modèle moins cher avec un contexte plus petit peut être plus économique. OrcaRouter vous permet de comparer les coûts entre les modèles avant le déploiement.
Les informations fournies ne mentionnent pas de mise en cache ni de remises sur le volume pour GLM 5 via OrcaRouter. La tarification est facturée par token au tarif standard du fournisseur. Si vous avez besoin de réduire les coûts pour une utilisation à volume élevé, envisagez si un modèle différent ou un déploiement dédié pourrait être bénéfique. La politique de marge zéro d'OrcaRouter signifie que vous payez le même prix que si vous appeliez Z.ai directement, sans frais de plateforme. Pour des arrangements de remise spécifiques, vous devriez négocier avec Z.ai ou vérifier s'il y a des promotions. Par défaut, la mise en cache n'est pas décrite, donc supposez que chaque inférence est facturée individuellement.
Pour utiliser GLM 5, envoyez des requêtes au point de terminaison API compatible OpenAI d'OrcaRouter. Définissez l'URL de base sur https://api.orcarouter.ai/v1. Dans le corps de votre requête, spécifiez l'ID du modèle comme "z-ai/glm-5". Vous pouvez utiliser n'importe quel SDK OpenAI ou tout client HTTP prenant en charge le point de terminaison de complétion de chat. Exemple en 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"}]). La prise en charge du streaming, de l'appel de fonctions et d'autres paramètres reflète le schéma OpenAI.
GLM 5 prend en charge tous les paramètres standard du format de complétion de chat OpenAI. Vous pouvez définir temperature (0-2), top_p, max_tokens (jusqu'à 128 000), stop sequences, frequency_penalty, presence_penalty, stream (booléen), et tools/functions pour l'appel de fonctions. La limite de la fenêtre de contexte est de 200 000 tokens au total, ce qui inclut à la fois les messages et tout prompt système. Si l'entrée dépasse cette limite, vous devez tronquer ou diviser le contexte. OrcaRouter ne tronque pas automatiquement ; la requête échouera si le nombre de tokens dépasse la limite. Utilisez le comptage du tokenizer pour garantir la conformité.
Migrer vers OrcaRouter implique de modifier l’URL de base et l’ID du modèle. Si vous utilisiez auparavant un endpoint OpenAI avec le modèle « gpt-4o », vous remplaceriez l’URL de base par https://api.orcarouter.ai/v1 et définiriez le modèle sur « z-ai/glm-5 ». Aucune autre modification de code n’est nécessaire si vous utilisez déjà le format de complétion de chat OpenAI. Assurez-vous que votre clé API est valide pour OrcaRouter. Testez avec une petite requête pour vérifier la connectivité et que le modèle répond comme prévu. Notez que le comptage de tokens peut légèrement différer en raison des tokenizers spécifiques aux modèles, mais l’API le gère de manière transparente.
Si le nombre total de jetons de votre entrée (messages système, historique de conversation, invite utilisateur) dépasse 200 000 jetons, l'API renverra une erreur indiquant que la longueur du contexte est dépassée. Vous devez réduire la taille de l'entrée. De même, si vous définissez max_tokens au-dessus de 128 000, la requête sera limitée à la sortie maximale du modèle ; l'API rejettera le paramètre ou le limitera à la valeur maximale. Il est préférable de vérifier les compteurs de jetons par programmation avant d'envoyer de grosses charges utiles. OrcaRouter ne tronque pas automatiquement les invites, vous devez donc gérer vous-même la longueur du contexte.
La fenêtre de contexte de 200 000 tokens et la sortie maximale de 128 000 tokens de GLM 5 font partie des plus grandes disponibles. Cela se compare favorablement à de nombreux modèles closed-source qui offrent des contextes de 128K ou 32K. Son score τ²-Bench de 98,2 est élevé, ce qui suggère de solides performances agentiques. Cependant, le prix est plus élevé que celui de certains fournisseurs alternatifs ; par exemple, un modèle avec une capacité de tokens similaire mais un coût par token inférieur peut être plus économique pour une utilisation intensive. GLM 5 est uniquement textuel, alors que certains concurrents prennent en charge les entrées multimodales. Sans autres données de benchmark provenant des faits fournis, des comparaisons directes de qualité sur des tâches de TALN ne sont pas possibles.
Vous pourriez choisir GLM 5 si vous avez besoin d'une fenêtre de contexte plus grande que celle des modèles standard d'OpenAI (qui sont généralement de 128K tokens). GLM 5 offre un contexte de 200K et une sortie de 128K, ce qui peut prendre en charge des entrées plus longues sans troncature. De plus, le score τ²-Bench de 98,2 peut être supérieur à celui de certains modèles OpenAI sur les benchmarks agentiques, bien que les comparaisons exactes dépendent des conditions d'évaluation. Si le coût est une préoccupation principale, comparez les prix par token ; GLM 5 à 1,00 $ / 3,20 $ par million de tokens peut être compétitif selon l'alternative. Enfin, si vous préférez utiliser un modèle Z.ai pour des caractéristiques de performance spécifiques, GLM 5 est un choix.
Comparé aux modèles GLM précédents (comme GLM 4), GLM 5 passe la fenêtre de contexte de 128K à 200K tokens et la sortie maximale de 64K à 128K tokens. Le score τ²-Bench de 98,2 est probablement une amélioration, bien que les scores des anciens modèles ne soient pas fournis. La tarification a peut-être changé ; les anciens modèles peuvent être moins chers par token. Si vos tâches s'inscrivent dans le contexte plus restreint d'un ancien modèle, utiliser un modèle moins coûteux peut être plus économique. Cependant, pour les tâches nécessitant le plein contexte de 200K ou une sortie plus importante, GLM 5 est la seule option de la série. Passer à la version supérieure peut également apporter des améliorations qualitatives en raisonnement et en suivi des instructions.
Sur la base des informations fournies, GLM 5 obtient un score de 98,2 au τ²-Bench, ce qui est quasi parfait sur ce benchmark. Cela suggère qu'il est très performant pour les tâches agentiques similaires à celles du benchmark. Cependant, les scores de benchmark ne garantissent pas les performances dans le monde réel, et d'autres modèles peuvent se comporter différemment dans votre environnement spécifique. Si vos tâches agentiques correspondent étroitement au scénario τ²-Bench, GLM 5 est un excellent candidat. Mais si vos tâches impliquent des outils, des langues ou des contraintes différents, vous devriez tester plusieurs modèles. OrcaRouter vous permet de basculer facilement entre les modèles pour comparer les résultats.
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-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 | $1.00 |
| Sortie / 1M tokens | $3.20 |
| Lecture cache / 1M | $0.260 |
| 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-5Ouvrir @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