Carro-chefe Zhipu de próxima geração com múltiplos modos de pensamento e forte chamada de ferramentas. 200K de contexto / 128K de saída máxima.
O GLM 5 é um modelo de texto desenvolvido pela Z.ai, acessível por meio da API compatível com OpenAI da OrcaRouter. Ele aceita entradas de texto e oferece uma janela de contexto de 200.000 tokens,…
GLM 5 suporta apenas entrada de texto. De acordo com as especificações fornecidas, ele não aceita imagens, áudio ou vídeo. Isso o torna um modelo de linguagem puro, otimizado para processar conteúdo escrito. Toda comunicação com o modelo é feita por meio de tokens de texto, e a saída também é texto. Se sua aplicação exigir entrada multimodal, você precisaria usar um modelo diferente que lide com imagens ou outras modalidades. Para tarefas como resumir áudio transcrito ou extrair texto de imagens, você precisaria converter essas entradas em texto antes de passá-las para o GLM 5.
O GLM 5 se destaca em tarefas que se beneficiam de sua ampla janela de contexto e alto limite de saída. Os casos de uso comuns incluem: análise aprofundada de contratos jurídicos longos ou documentos regulatórios; geração de resumos detalhados de artigos de pesquisa ou livros inteiros; manutenção de históricos de conversa coerentes em chatbots de atendimento ao cliente que abrangem dezenas de interações; e realização de raciocínios complexos em que o modelo precisa consultar várias seções de um prompt extenso. A pontuação de 98,2 no τ²-Bench sugere que ele é particularmente forte na execução de tarefas de múltiplas etapas em ambientes simulados, como navegar em sites ou realizar entrada de dados.
Se sua tarefa não exigir o contexto completo de 200K ou a saída de 128K, um modelo menor ou mais barato pode ser mais econômico. Por exemplo, perguntas e respostas simples, classificação de texto curto ou geração de um único parágrafo podem ser tratados por modelos que custam menos por token. O preço do GLM 5 é de US$ 1,00 por milhão de tokens de entrada e US$ 3,20 por milhão de tokens de saída, o que é maior do que muitos modelos compactos. Além disso, se seu fluxo de trabalho envolver prompts e respostas muito curtos, a latência e o custo de configurar um modelo de contexto grande podem não ser justificados. Avalie seu uso típico de tokens: se você consistentemente usar menos de 32K tokens, um modelo menor provavelmente é suficiente.
O GLM 5 é acessado através da API compatível com OpenAI do OrcaRouter, que suporta respostas em streaming e chamada de funções. Ao usar a API, você pode definir o parâmetro stream como true para receber tokens incrementalmente, o que reduz a latência percebida para saídas longas. A chamada de funções permite que o modelo solicite invocações de ferramentas ou saída estruturada de dados. Essas capacidades são padrão para a API, mas dependem do suporte do modelo específico. Com base nas informações fornecidas, o GLM 5 pode ser usado com esses recursos. Para detalhes de implementação, consulte a documentação da API do OrcaRouter.
τ²-Bench é um benchmark que avalia a capacidade de um agente de IA de completar tarefas de múltiplas etapas em um ambiente simulado. A pontuação representa a taxa de sucesso em um conjunto diversificado de tarefas, como navegação na web, preenchimento de formulários e recuperação de informações. Uma pontuação de 98,2 significa que o GLM 5 completou 98,2% das tarefas do benchmark com sucesso. Isso é um desempenho muito alto, indicando que o modelo pode seguir instruções complexas e executar sequências de ações de forma confiável. Isso não garante um desempenho perfeito no mundo real, mas sugere fortes capacidades agentivas para tipos semelhantes de tarefas estruturadas.
A latência do GLM 5 depende do comprimento da entrada e da saída, bem como da infraestrutura subjacente fornecida pela Z.ai. O OrcaRouter roteia para o backend do provedor e não adiciona latência extra além da sobrecarga de rede. Para entradas e saídas curtas (por exemplo, 1.000 tokens de entrada, 500 tokens de saída), os tempos de resposta podem ficar na faixa de alguns segundos. Para gerações longas próximas ao máximo de 128K, a latência pode ser significativamente maior—geralmente dezenas de segundos ou mais—, pois o modelo precisa processar e gerar muitos tokens. O streaming pode mitigar os tempos de espera percebidos. Números específicos de latência não são fornecidos, portanto, o desempenho real deve ser testado com cargas de trabalho representativas.
A principal força destacada pelo benchmark principal é a alta taxa de sucesso do GLM 5 em tarefas agentivas. A pontuação de 98,2 no τ²-Bench sugere que ele pode lidar efetivamente com raciocínio em várias etapas e uso de ferramentas. Além disso, sua grande janela de contexto (200 mil tokens) e saída máxima (128 mil tokens) significam que ele pode manter coerência em textos muito longos, o que representa uma melhoria significativa em relação a modelos com janelas menores. Nenhuma outra pontuação de benchmark é fornecida, portanto comparações diretas em tarefas como compreensão de linguagem ou matemática não estão disponíveis a partir desses dados. O modelo provavelmente se beneficia da metodologia de treinamento e do aumento de escala da Z.ai.
GLM 5 é um modelo apenas de texto, portanto, não pode processar imagens ou outras modalidades. Seu desempenho em tarefas que exigem compreensão multimodal é zero. A pontuação τ²-Bench, embora alta, é medida em um ambiente simulado; o desempenho agentivo no mundo real pode variar. O custo por token do modelo é relativamente alto ($1.00 de entrada / $3.20 de saída por milhão de tokens), portanto, para contextos longos, o custo total pode se acumular rapidamente. Nenhuma informação é fornecida sobre latência sob carga, portanto, você deve fazer benchmark com seu caso de uso específico. Além disso, como todos os modelos de linguagem, o GLM 5 pode produzir conteúdo incorreto ou alucinado, especialmente em cenários de raciocínio complexos além de sua distribuição de treinamento.
GLM 5 é precificado em $1,00 por 1 milhão de tokens de entrada e $3,20 por 1 milhão de tokens de saída. Estas são as taxas do provedor definidas pela Z.ai. OrcaRouter repassa essas taxas sem margem adicional, então você paga exatamente o preço do provedor. Os tokens são contados usando o método padrão de tokenização (aproximadamente 0.75 palavras por token para inglês). Tokens de entrada incluem o prompt e quaisquer mensagens do sistema; tokens de saída são a resposta gerada pelo modelo. Não há cobranças separadas para chamadas de API ou recursos especiais, a menos que especificado pelo provedor. O preço é por token, então o custo escala linearmente com o uso.
Porque o GLM 5 cobra por token, o custo total depende tanto do comprimento do prompt quanto do comprimento da geração. Para uma interação típica com 10,000 tokens de entrada e 5,000 tokens de saída, o custo seria (10,000/1,000,000)*$1.00 + (5,000/1,000,000)*$3.20 = $0.01 + $0.016 = $0.026 por chamada. Para tarefas usando o contexto completo, como 200,000 tokens de entrada e 128,000 tokens de saída, o custo seria $0.20 + $0.4096 = $0.6096 por chamada. Se o seu caso de uso não exigir tais extremos, um modelo mais barato com contexto menor pode ser mais econômico. O OrcaRouter permite que você compare os custos entre os modelos antes da implantação.
As informações fornecidas não mencionam cache ou descontos por volume para o GLM 5 através do OrcaRouter. O preço é cobrado por token à taxa padrão do provedor. Se você precisar de economia de custos para uso de alto volume, considere se um modelo diferente ou uma implantação dedicada pode ser benéfica. A política de margem zero do OrcaRouter significa que você paga o mesmo preço que pagaria se chamasse o Z.ai diretamente, sem qualquer taxa de plataforma. Para acordos de desconto específicos, você precisaria negociar com o Z.ai ou verificar se há promoções. Por padrão, o cache não é descrito, portanto, assume-se que cada inferência é cobrada individualmente.
Para usar o GLM 5, envie solicitações para o endpoint de API compatível com OpenAI do OrcaRouter. Defina a URL base como https://api.orcarouter.ai/v1. No corpo da sua solicitação, especifique o ID do modelo como "z-ai/glm-5". Você pode usar qualquer SDK do OpenAI ou qualquer cliente HTTP que suporte o endpoint de chat completions. Exemplo usando 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"}]). O suporte para streaming, chamada de funções e outros parâmetros espelha o esquema do OpenAI.
GLM 5 suporta todos os parâmetros padrão do formato de chat completions da OpenAI. Você pode definir temperature (0-2), top_p, max_tokens (até 128.000), stop sequences, frequency_penalty, presence_penalty, stream (booleano) e tools/functions para chamada de funções. O limite da janela de contexto é de 200.000 tokens no total, incluindo mensagens e qualquer prompt de sistema. Se a entrada exceder esse limite, você deve truncar ou dividir o contexto. O OrcaRouter não faz truncamento automático; a solicitação falhará se a contagem de tokens ultrapassar o limite. Use a contagem do tokenizer para garantir conformidade.
Migrar para o OrcaRouter envolve alterar a URL base e o ID do modelo. Se você usava anteriormente um endpoint OpenAI com o modelo "gpt-4o", substitua a URL base por https://api.orcarouter.ai/v1 e defina o modelo como "z-ai/glm-5". Nenhuma outra alteração de código é necessária se você já estiver usando o formato de conclusões de chat da OpenAI. Certifique-se de que sua chave de API seja válida para o OrcaRouter. Teste com uma solicitação pequena para verificar a conectividade e se o modelo responde conforme o esperado. Observe que a contagem de tokens pode diferir ligeiramente devido a tokenizers específicos do modelo, mas a API lida com isso de forma transparente.
Se a contagem combinada de tokens da sua entrada (mensagens do sistema, histórico da conversa, prompt do usuário) exceder 200.000 tokens, a API retornará um erro indicando que o tamanho do contexto foi excedido. Você deve reduzir o tamanho da entrada. Da mesma forma, se você definir max_tokens acima de 128.000, a solicitação será limitada ao máximo de saída do modelo; a API rejeitará o parâmetro ou o limitará ao máximo. É melhor verificar a contagem de tokens programaticamente antes de enviar grandes cargas. O OrcaRouter não truncará prompts automaticamente, portanto, você mesmo deve gerenciar o tamanho do contexto.
A janela de contexto de 200.000 tokens do GLM 5 e a saída máxima de 128.000 tokens estão entre as maiores disponíveis. Isso se compara favoravelmente a muitos modelos de código fechado que oferecem contextos de 128K ou 32K. Sua pontuação de 98,2 no τ²-Bench é alta, sugerindo um forte desempenho agêntico. No entanto, o preço é mais alto do que o de alguns provedores alternativos; por exemplo, um modelo com capacidade de token semelhante, mas com custo por token menor, pode ser mais econômico para uso intenso. O GLM 5 é apenas texto, enquanto alguns concorrentes suportam entradas multimodais. Sem outros dados de benchmark a partir dos fatos fornecidos, comparações diretas de qualidade em tarefas de PNL não são possíveis.
Você pode escolher o GLM 5 se precisar de uma janela de contexto maior do que os modelos padrão da OpenAI (que normalmente têm 128K tokens). O GLM 5 oferece 200K de contexto e 128K de saída, o que pode acomodar entradas mais longas sem truncamento. Além disso, a pontuação τ²-Bench de 98.2 pode ser maior do que a de alguns modelos da OpenAI em benchmarks agentivos, embora comparações exatas dependam das condições de avaliação. Se o custo for uma preocupação principal, compare os preços por token; o GLM 5 a $1.00/$3.20 por milhão de tokens pode ser competitivo dependendo da alternativa. Além disso, se você preferir usar um modelo Z.ai por características específicas de desempenho, o GLM 5 é uma opção.
Comparado aos modelos GLM anteriores (como GLM 4), o GLM 5 aumenta a janela de contexto de 128K para 200K tokens e a saída máxima de 64K para 128K tokens. A pontuação de 98,2 no τ²-Bench provavelmente representa uma melhoria, embora as pontuações dos modelos mais antigos não sejam fornecidas. Os preços podem ter mudado; modelos mais antigos podem ser mais baratos por token. Se suas tarefas se encaixam no contexto menor de um modelo anterior, usar um modelo de menor custo pode ser mais econômico. No entanto, para tarefas que exigem o contexto completo de 200K ou uma saída maior, o GLM 5 é a única opção na série. A atualização também pode trazer melhorias de qualidade em raciocínio e seguimento de instruções.
Com base nas informações fornecidas, o GLM 5 alcança uma pontuação de 98.2 no τ²-Bench, que é quase perfeita nesse benchmark. Isso sugere que ele é muito forte para tarefas agentivas semelhantes às do benchmark. No entanto, as pontuações do benchmark não garantem desempenho no mundo real, e outros modelos podem ter desempenho diferente no seu ambiente específico. Se suas tarefas agentivas correspondem de perto ao cenário do τ²-Bench, o GLM 5 é um excelente candidato. Mas se suas tarefas envolvem ferramentas, idiomas ou restrições diferentes, você deve testar vários modelos. O OrcaRouter permite que você troque facilmente entre modelos para comparar resultados.
Compatível com OpenAI — mantenha seu SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Entrada / 1M tokens | $1.00 |
| Saída / 1M tokens | $3.20 |
| Leitura de cache / 1M | $0.260 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/z-ai/glm-5Abrir @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