Ammiraglia di Zhipu di nuova generazione con molteplici modalità di pensiero e forte capacità di chiamata degli strumenti. 200K di contesto / 128K di output massimo.
GLM 5 è un modello di testo sviluppato da Z.ai, accessibile tramite l'API compatibile con OpenAI di OrcaRouter. Accetta input di testo e offre una finestra di contesto di 200.000 token con un output…
GLM 5 supporta solo input testuali. Secondo le specifiche fornite, non accetta immagini, audio o video. Questo lo rende un modello linguistico puro, ottimizzato per l'elaborazione di contenuti scritti. Ogni comunicazione con il modello avviene tramite token di testo e anche l'output è testo. Se la tua applicazione richiede input multimodali, dovresti utilizzare un modello diverso in grado di gestire immagini o altre modalità. Per attività come il riassunto di audio trascritto o l'estrazione di testo da immagini, dovresti convertire tali input in testo prima di passarli a GLM 5.
GLM 5 eccelle in compiti che beneficiano della sua ampia finestra di contesto e dell'elevato limite di output. I casi d'uso comuni includono: analizzare approfonditamente lunghi contratti legali o documenti normativi; generare riassunti dettagliati di interi articoli di ricerca o libri; mantenere storie di conversazione coerenti in chatbot di assistenza clienti che si estendono per dozzine di turni; ed eseguire ragionamenti complessi in cui il modello deve fare riferimento a più sezioni di un lungo prompt. Il punteggio τ²-Bench di 98.2 suggerisce che è particolarmente abile nell'eseguire compiti multi-step in ambienti simulati, come navigare siti web o eseguire immissione dati.
Se il tuo compito non richiede l'intero contesto di 200K o output di 128K, un modello più piccolo o economico potrebbe essere più conveniente. Ad esempio, semplici domande e risposte, classificazione di testi brevi o generazione di singoli paragrafi possono essere gestiti da modelli che costano meno per token. Il prezzo di GLM 5 è di $1.00 per milione di token in input e $3.20 per milione di token in output, che è superiore a quello di molti modelli compatti. Inoltre, se il tuo flusso di lavoro prevede prompt e risposte molto brevi, la latenza e il costo di configurazione di un modello a contesto ampio potrebbero non essere giustificati. Valuta il tuo utilizzo tipico di token: se usi costantemente meno di 32K token, un modello più piccolo è probabilmente sufficiente.
GLM 5 è accessibile tramite l'API compatibile con OpenAI di OrcaRouter, che supporta risposte in streaming e chiamate di funzioni. Quando si utilizza l'API, è possibile impostare il parametro stream su true per ricevere i token in modo incrementale, riducendo la latenza percepita per output lunghi. La chiamata di funzioni consente al modello di richiedere invocazioni di strumenti o output di dati strutturati. Queste capacità sono standard per l'API ma dipendono dal supporto del modello specifico. Sulla base delle informazioni fornite, GLM 5 può essere utilizzato con queste funzionalità. Per i dettagli di implementazione, fare riferimento alla documentazione dell'API di OrcaRouter.
τ²-Bench è un benchmark che valuta la capacità di un agente AI di completare attività multi-step in un ambiente simulato. Il punteggio rappresenta il tasso di successo in un insieme eterogeneo di attività, come navigazione web, compilazione di moduli e recupero di informazioni. Un punteggio di 98,2 significa che GLM 5 ha completato con successo il 98,2% delle attività del benchmark. Si tratta di un rendimento molto elevato, che indica che il modello è in grado di seguire istruzioni complesse ed eseguire sequenze di azioni in modo affidabile. Non garantisce prestazioni perfette nel mondo reale, ma suggerisce forti capacità agentive per tipi simili di attività strutturate.
La latenza per GLM 5 dipende dalla lunghezza dell'input e dell'output, nonché dall'infrastruttura sottostante fornita da Z.ai. OrcaRouter indirizza al backend del provider e non aggiunge latenza aggiuntiva oltre al sovraccarico di rete. Per input e output brevi (ad esempio, 1,000 token in ingresso, 500 token in uscita), i tempi di risposta possono essere nell'ordine di pochi secondi. Per generazioni lunghe vicine al massimo di 128K, la latenza può essere significativamente più alta—spesso decine di secondi o più—perché il modello deve elaborare e generare molti token. Lo streaming può mitigare i tempi di attesa percepiti. Non vengono forniti valori di latenza specifici, quindi le prestazioni effettive dovrebbero essere testate con carichi di lavoro rappresentativi.
Il principale punto di forza evidenziato dal benchmark principale è l'alto tasso di successo di GLM 5 nei compiti agentici. Il punteggio τ²-Bench del 98,2 suggerisce che è in grado di gestire efficacemente il ragionamento multi-step e l'uso di strumenti. Inoltre, la sua ampia finestra di contesto (200K token) e l'output massimo (128K token) significano che può mantenere la coerenza su testi molto lunghi, il che rappresenta un miglioramento significativo rispetto ai modelli con finestre più piccole. Non vengono forniti altri punteggi di benchmark, quindi confronti diretti su compiti come la comprensione del linguaggio o la matematica non sono possibili da questi dati. Il modello probabilmente beneficia della metodologia di addestramento di Z.ai e della maggiore scala.
GLM 5 è un modello solo testo, quindi non può elaborare immagini o altre modalità. Le sue prestazioni in compiti che richiedono comprensione multimodale sono pari a zero. Il punteggio τ²-Bench, sebbene elevato, è misurato in un ambiente simulato; le prestazioni agentive nel mondo reale possono variare. Il costo per token del modello è relativamente alto ($1.00 input / $3.20 output per milione di token), quindi per contesti lunghi il costo totale può accumularsi rapidamente. Non vengono fornite informazioni sulla latenza sotto carico, pertanto dovresti eseguire benchmark con il tuo caso d'uso specifico. Inoltre, come tutti i modelli linguistici, GLM 5 può produrre contenuti errati o allucinati, specialmente in scenari di ragionamento complessi al di fuori della sua distribuzione di addestramento.
GLM 5 ha un prezzo di $1.00 per 1 milione di token di input e $3.20 per 1 milione di token di output. Queste sono le tariffe del fornitore stabilite da Z.ai. OrcaRouter trasmette queste tariffe senza alcun margine aggiuntivo, quindi paghi esattamente il prezzo del fornitore. I token vengono contati utilizzando il metodo di tokenizzazione standard (circa 0.75 parole per token per l'inglese). I token di input includono il prompt e eventuali messaggi di sistema; i token di output sono la risposta generata dal modello. Non ci sono costi separati per chiamate API o funzionalità speciali, salvo diversa indicazione del fornitore. Il prezzo è per token, quindi il costo scala linearmente con l'utilizzo.
Poiché GLM 5 addebita per token, il costo totale dipende sia dalla lunghezza del prompt che dalla lunghezza della generazione. Per un'interazione tipica con 10.000 token di input e 5.000 token di output, il costo sarebbe (10.000/1.000.000)*$1.00 + (5.000/1.000.000)*$3.20 = $0.01 + $0.016 = $0.026 per chiamata. Per attività che utilizzano l'intero contesto, come 200.000 token di input e 128.000 token di output, il costo sarebbe $0.20 + $0.4096 = $0.6096 per chiamata. Se il tuo caso d'uso non richiede tali estremi, un modello più economico con un contesto più piccolo potrebbe essere più conveniente. OrcaRouter ti consente di confrontare i costi tra i modelli prima della distribuzione.
Le informazioni fornite non menzionano il caching o sconti sul volume per GLM 5 tramite OrcaRouter. La fatturazione è basata sul token al tasso standard del fornitore. Se hai bisogno di risparmi sui costi per un utilizzo ad alto volume, valuta se un modello diverso o un deployment dedicato possa essere vantaggioso. La politica di zero ricarico di OrcaRouter significa che paghi lo stesso prezzo che pagheresti chiamando Z.ai direttamente, senza alcuna commissione di piattaforma. Per accordi di sconto specifici, dovresti negoziare con Z.ai o verificare eventuali promozioni. Di norma, il caching non viene descritto, quindi presupponi che ogni inferenza venga addebitata singolarmente.
Per utilizzare GLM 5, invia richieste all'endpoint API compatibile con OpenAI di OrcaRouter. Imposta l'URL di base su https://api.orcarouter.ai/v1. Nel corpo della richiesta, specifica l'ID del modello come "z-ai/glm-5". Puoi utilizzare qualsiasi SDK di OpenAI o qualsiasi client HTTP che supporti l'endpoint di completamenti chat. Esempio con 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"}]). Il supporto per lo streaming, il function calling e altri parametri rispecchia lo schema di OpenAI.
GLM 5 supporta tutti i parametri standard del formato di completamento chat di OpenAI. Puoi impostare temperature (0-2), top_p, max_tokens (fino a 128.000), sequenze di stop, frequency_penalty, presence_penalty, stream (booleano) e strumenti/funzioni per la chiamata di funzioni. Il limite della finestra di contesto è di 200.000 token totali, che include sia i messaggi che eventuali prompt di sistema. Se l'input supera questo limite, devi troncare o dividere il contesto. OrcaRouter non tronca automaticamente; la richiesta fallirà se il conteggio dei token supera il limite. Utilizza il conteggio del tokenizer per garantire la conformità.
La migrazione a OrcaRouter comporta la modifica dell'URL di base e dell'ID del modello. Se in precedenza utilizzavi un endpoint OpenAI con il modello "gpt-4o", devi sostituire l'URL di base con https://api.orcarouter.ai/v1 e impostare il modello su "z-ai/glm-5". Non sono necessarie altre modifiche al codice se stai già utilizzando il formato delle chat completions di OpenAI. Assicurati che la tua chiave API sia valida per OrcaRouter. Esegui un test con una richiesta piccola per verificare la connettività e che il modello risponda come previsto. Nota che il conteggio dei token potrebbe differire leggermente a causa dei tokenizer specifici del modello, ma l'API lo gestisce in modo trasparente.
Se il conteggio combinato dei token del tuo input (messaggi di sistema, cronologia della conversazione, prompt utente) supera i 200.000 token, l'API restituirà un errore indicando che la lunghezza del contesto è stata superata. Devi ridurre la dimensione dell'input. Analogamente, se imposti max_tokens al di sopra di 128.000, la richiesta verrà limitata all'output massimo del modello; l'API rifiuterà il parametro o lo limiterà al valore massimo. È consigliabile verificare i conteggi dei token in modo programmatico prima di inviare payload di grandi dimensioni. OrcaRouter non tronca automaticamente i prompt, quindi devi gestire tu stesso la lunghezza del contesto.
La finestra di contesto di GLM 5 di 200.000 token e il massimo output di 128.000 token sono tra i più grandi disponibili. Questo si confronta favorevolmente con molti modelli closed-source che offrono contesti di 128K o 32K. Il suo punteggio τ²-Bench di 98,2 è alto, suggerendo forti prestazioni agentiche. Tuttavia, il prezzo è più alto rispetto ad alcuni fornitori alternativi; ad esempio, un modello con capacità di token simile ma costo per token inferiore potrebbe essere più economico per un uso intensivo. GLM 5 è solo testo, mentre alcuni concorrenti supportano input multimodali. Senza altri dati di benchmark dai fatti forniti, confronti diretti di qualità su compiti di NLP non sono possibili.
Potresti scegliere GLM 5 se hai bisogno di una finestra di contesto più grande rispetto ai modelli standard di OpenAI (che sono tipicamente di 128K token). GLM 5 offre un contesto di 200K e un output di 128K, che può contenere input più lunghi senza troncamento. Inoltre, il punteggio τ²-Bench di 98.2 potrebbe essere superiore a quello di alcuni modelli OpenAI sui benchmark agentici, sebbene i confronti esatti dipendano dalle condizioni di valutazione. Se il costo è una preoccupazione primaria, confronta i prezzi per token; GLM 5 a 1,00$/3,20$ per milione di token potrebbe essere competitivo a seconda dell'alternativa. Inoltre, se preferisci utilizzare un modello Z.ai per specifiche caratteristiche di performance, GLM 5 è una scelta.
Rispetto ai precedenti modelli GLM (come GLM 4), GLM 5 aumenta la finestra di contesto da 128K a 200K token e l'output massimo da 64K a 128K token. Il punteggio τ²-Bench di 98.2 è probabilmente un miglioramento, sebbene i punteggi dei modelli precedenti non siano forniti. I prezzi potrebbero essere cambiati; i modelli precedenti potrebbero essere più economici per token. Se i tuoi compiti rientrano nel contesto più piccolo di un modello precedente, utilizzare un modello a costo inferiore potrebbe essere più economico. Tuttavia, per compiti che richiedono l'intero contesto di 200K o un output più elevato, GLM 5 è l'unica opzione della serie. L'aggiornamento potrebbe anche portare miglioramenti qualitativi nel ragionamento e nel seguire le istruzioni.
Sulla base delle informazioni fornite, GLM 5 raggiunge un punteggio τ²-Bench di 98.2, che è quasi perfetto su quel benchmark. Ciò suggerisce che è molto forte per compiti agentici simili a quelli del benchmark. Tuttavia, i punteggi dei benchmark non garantiscono le prestazioni nel mondo reale, e altri modelli potrebbero comportarsi diversamente nel tuo ambiente specifico. Se i tuoi compiti agentici corrispondono strettamente allo scenario τ²-Bench, GLM 5 è un eccellente candidato. Ma se i tuoi compiti coinvolgono strumenti, lingue o vincoli diversi, dovresti testare più modelli. OrcaRouter ti consente di passare facilmente da un modello all'altro per confrontare i risultati.
Compatibile con OpenAI: mantieni il tuo 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| Input / 1M token | $1.00 |
| Output / 1M token | $3.20 |
| Lettura cache / 1M | $0.260 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
GET /api/public/models/z-ai/glm-5Apri @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