รุ่นการเขียนโค้ดและเอเจนต์ที่แข็งแกร่งที่สุดของ Z.ai ในไลน์ GLM-5; รองรับการเรียกใช้เครื่องมือแบบสตรีมและความคิดเชิงลึก. บริบท 200K.
GLM 5.1 เป็นโมเดลภาษาระดับธงจาก Z.ai ที่สามารถเข้าถึงได้ผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter โมเดลนี้ออกแบบมาสำหรับงานที่ต้องจัดการกับหน้าต่างบริบทขนาดใหญ่พิเศษ – สูงสุดถึง 200,000 โทเค็น…
GLM 5.1 ได้รับการปรับให้เหมาะสมสำหรับงานที่ได้รับประโยชน์จากบริบทขนาดใหญ่และความสามารถในการส่งออกสูง ซึ่งรวมถึงการสรุปหรือการสกัดข้อมูลเชิงลึกจากเอกสารยาว (เช่น รายงานที่มี 100+ หน้า) การดำเนินการวิจัยหลายขั้นตอนที่โมเดลต้องติดตามผลลัพธ์ระดับกลางจำนวนมาก และการสร้างโค้ดหรือคำอธิบายทางเทคนิคโดยละเอียด คะแนน τ²-Bench ที่ 97.7 แสดงให้เห็นถึงจุดแข็งโดยเฉพาะในสถานการณ์ที่ต้องใช้เครื่องมือ ซึ่งโมเดลต้องวางแผน ดำเนินการ และรวมข้อเสนอแนะในหลายขั้นตอน นอกจากนี้ยังมีประสิทธิภาพสำหรับการตอบคำถามที่ซับซ้อนซึ่งต้องอ้างอิงฐานความรู้ขนาดใหญ่ที่ฝังอยู่ในพรอมต์
GLM 5.1 เป็นโมเดลที่รองรับเฉพาะข้อความเท่านั้น และไม่สามารถประมวลผลข้อมูลที่เป็นรูปภาพ เสียง หรือวิดีโอได้ สำหรับแอปพลิเคชันแบบมัลติโมดัล จำเป็นต้องรวมเข้ากับโมเดลการมองเห็นหรือเสียงที่แยกต่างหาก นอกจากนี้ หน้าต่างบริบทที่ใหญ่และขีดจำกัดโทเค็นเอาต์พุตที่สูงมาพร้อมกับต้นทุนการคำนวณที่เพิ่มขึ้นตามสัดส่วน ทั้งในด้านความหน่วงเวลาและราคา สำหรับงานง่ายๆ เช่น การแชทแบบสั้นหรือการจำแนกประเภทพื้นฐาน โมเดลที่เล็กกว่าและถูกกว่าอาจมีประสิทธิภาพมากกว่า นักพัฒนาควรทราบด้วยว่า แม้หน้าต่างบริบทของโมเดลจะมีขนาด 200K โทเค็น แต่ประสิทธิภาพจริงในบริบทที่ยาวมากอาจขึ้นอยู่กับลักษณะของเนื้อหา
หากกรณีการใช้งานของคุณเกี่ยวข้องกับพรอมต์สั้น (ต่ำกว่า 10K โทเคน) การสร้างข้อความที่ตรงไปตรงมา (เช่น การแปลง่ายๆ หรือการแยกคำสำคัญ) หรือปริมาณงานสูงที่เวลาแฝงมีความสำคัญ โมเดลที่เล็กกว่าหรือถูกกว่าอาจเหมาะสมกว่า ราคาของ GLM 5.1 ที่ $1.40 ต่อ 1M อินพุต และ $4.40 ต่อ 1M เอาต์พุตโทเคนนั้นแข่งขันได้สำหรับความสามารถระดับเรือธง แต่อาจสะสมต้นทุนหากใช้กับงานที่ไม่สำคัญ ตัวอย่างกรณีที่โมเดลราคาถูกกว่าก็เพียงพอ ได้แก่: การตอบกลับแชทบอทง่ายๆ การสรุปความยาวปานกลางของบทความสั้น หรือการจำแนกแบบครั้งเดียว
ใช่ GLM 5.1 สามารถจัดการกับการสนทนาแบบหลายเทิร์นได้อย่างมีประสิทธิภาพ เนื่องจากมีหน้าต่างบริบทขนาด 200K โทเค็น ซึ่งช่วยให้โมเดลสามารถเก็บประวัติการสนทนา รวมถึงข้อความจากผู้ใช้ก่อนหน้าและคำสั่งระบบ ไว้ข้ามการแลกเปลี่ยนหลายครั้งโดยไม่สูญเสียบริบท อย่างไรก็ตาม นักพัฒนาควรระมัดระวังเรื่องการใช้โทเค็น: แต่ละเทิร์นจะเพิ่มเข้าไปในพรอมต์ ดังนั้นการสนทนาที่ยาวอาจมีค่าใช้จ่ายสูง สามารถตัดทอนหรือสรุปเทิร์นเก่าๆ เพื่อให้อยู่ในขีดจำกัดของบริบทได้ แต่ความจุตามธรรมชาติของโมเดลก็เพียงพอสำหรับการใช้งานการสนทนาที่เหมือนจริงส่วนใหญ่
GLM 5.1 ทำคะแนนได้ 97.7 บน τ²-Bench ซึ่งเป็นเกณฑ์มาตรฐานที่ออกแบบมาเพื่อประเมินความสามารถของโมเดลในการใช้เครื่องมือแบบหลายขั้นตอนและการวางแผน เกณฑ์นี้จำลองงานที่สมจริงซึ่งโมเดลต้องตัดสินใจว่าจะเรียกใช้เครื่องมือใด ตามลำดับใด และตีความผลลัพธ์อย่างไรเพื่อบรรลุเป้าหมาย สิ่งนี้แตกต่างจากเกณฑ์มาตรฐาน QA แบบดั้งเดิมและมุ่งเน้นไปที่ความสามารถด้านตัวแทน คะแนน 97.7 บ่งชี้ว่า GLM 5.1 สามารถทำงานเกือบทั้งหมดในชุดประเมินได้สำเร็จ สะท้อนถึงทักษะการใช้เหตุผลและการใช้เครื่องมือที่แข็งแกร่ง นี่เป็นหนึ่งในคะแนนสูงสุดที่รายงานบนเกณฑ์มาตรฐานนี้
เฉพาะคะแนน τ²-Bench ที่ 97.7 เท่านั้นที่ถูกให้ไว้สำหรับ GLM 5.1 ไม่มีผลการทดสอบมาตรฐานอื่น ๆ (เช่น MMLU, HumanEval หรือ GSM8K) ในข้อกำหนดอย่างเป็นทางการ หากไม่มีข้อมูลเพิ่มเติม การเปรียบเทียบโดยตรงกับการประเมินทั่วไปอื่น ๆ ก็ไม่สามารถทำได้ อย่างไรก็ตาม ผลลัพธ์จาก τ²-Bench ชี้ให้เห็นว่าโมเดลนี้แข็งแกร่งเป็นพิเศษในด้านการใช้เครื่องมือและการวางแผน สำหรับงานที่ไม่อยู่ในขอบเขตของการทดสอบนี้ นักพัฒนาควรประเมินโมเดลเชิงประจักษ์โดยใช้ชุดทดสอบของตนเอง
ยังไม่มีค่าความหน่วงหรือปริมาณงานเฉพาะที่ให้ไว้สำหรับ GLM 5.1. ในฐานะโมเดลเรือธงที่มีหน้าต่างบริบทขนาดใหญ่และขีดจำกัดเอาต์พุตสูง เวลาการอนุมานจะนานกว่าโมเดลขนาดเล็ก โดยเฉพาะเมื่อประมวลผลความยาวบริบทใกล้สูงสุด ปริมาณงานขึ้นอยู่กับโครงสร้างพื้นฐานฮาร์ดแวร์ที่อยู่เบื้องหลัง OrcaRouter และขนาดแบตช์ของคำขอ สำหรับแอปพลิเคชันเรียลไทม์ นักพัฒนาควรทดสอบด้วยขนาดอินพุตและเอาต์พุตทั่วไปของตนเพื่อประเมินเวลาตอบสนองที่ยอมรับได้ โหมดสตรีมมิ่งสามารถช่วยลดความหน่วงที่รับรู้ได้โดยการส่งโทเค็นแบบเพิ่มทีละน้อย
ข้อมูล benchmark ที่มีให้สำหรับ GLM 5.1 เพียงอย่างเดียวคือคะแนน τ²-Bench ที่ 97.7 แม้ว่าสิ่งนี้จะบ่งชี้ถึงการวางแผนการใช้เครื่องมือที่แข็งแกร่ง แต่ก็ไม่ได้ครอบคลุมมิติสำคัญอื่นๆ มากมาย เช่น ความถูกต้องตามข้อเท็จจริง การให้เหตุผลทางคณิตศาสตร์ การเขียนโค้ด หรือประสิทธิภาพหลายภาษา ดังนั้น การพึ่งพาคะแนนนี้เพียงอย่างเดียวอาจทำให้เห็นภาพที่ไม่สมบูรณ์ นักพัฒนาควรเสริมด้วยการประเมินเฉพาะโดเมนของตนเอง โดยเฉพาะอย่างยิ่งหากแอปพลิเคชันเกี่ยวข้องกับงานที่ไม่เกี่ยวข้องกับการใช้เครื่องมือ นอกจากนี้ benchmark อาจได้รับอิทธิพลจากการออกแบบพรอมต์และระเบียบวิธีประเมิน ดังนั้นประสิทธิภาพในโลกจริงอาจแตกต่างกันไป
GLM 5.1 มีราคาอยู่ที่ $1.40 ต่อ 1 ล้าน input tokens และ $4.40 ต่อ 1 ล้าน output tokens อัตราเหล่านี้กำหนดโดยผู้ให้บริการ Z.ai และส่งผ่านโดย OrcaRouter โดยไม่มีส่วนเพิ่ม (zero markup) ทั้ง input และ output tokens จะถูกนับตามการแบ่งโทเคนมาตรฐานที่ใช้โดยโมเดล ไม่มีค่าธรรมเนียมการใช้งานเพิ่มเติมหรือข้อกำหนดในการสมัครสมาชิก การชำระเงินจะคิดตามการใช้งาน token ทำให้ประมาณการต้นทุนสำหรับปริมาณงานที่กำหนดได้ง่าย
ยังไม่มีการประกาศตัวเลือกการแคชหรือส่วนลดเฉพาะสำหรับ GLM 5.1 โมเดลการกำหนดราคาเป็นแบบต่อโทเค็นตามอัตราที่ระบุไว้ OrcaRouter อาจเสนอการแคชพรอมต์หรือฟีเจอร์ที่คล้ายกันในระดับแพลตฟอร์ม แต่ไม่ได้เปิดเผยในข้อกำหนดของโมเดล นักพัฒนาที่ต้องการลดต้นทุนควรพิจารณาปรับความยาวพรอมต์ให้เหมาะสม ใช้ผลลัพธ์ที่สั้นลงเมื่อเป็นไปได้ และรวมคำขอเป็นชุด สำหรับการใช้งานปริมาณมาก การติดต่อ OrcaRouter โดยตรงอาจมีตัวเลือกเพิ่มเติม
การเปรียบเทียบโดยตรงกับโมเดลเรือธงอื่นๆ มีข้อจำกัด เนื่องจากมีข้อมูลราคาของ GLM 5.1 เท่านั้นที่ให้มา: $1.40 ต่อ 1M input และ $4.40 ต่อ 1M output โมเดลเรือธงอื่นๆ จากผู้ให้บริการที่แตกต่างกันมักจะมีอัตราที่ใกล้เคียงหรือสูงกว่า แต่ตัวเลขที่แน่นอนขึ้นอยู่กับโมเดลและผู้ให้บริการเฉพาะ ราคาของ GLM 5.1 ถือว่าแข่งขันได้สำหรับโมเดลที่มีหน้าต่างบริบท 200K และขีดจำกัดผลลัพธ์ 128K สำหรับโปรเจกต์ที่คำนึงถึงงบประมาณ โมเดลขนาดเล็กจาก Z.ai หรือผู้ให้บริการอื่นๆ อาจจะประหยัดกว่า
GLM 5.1 มีให้บริการในรูปแบบจ่ายตามการใช้งานผ่าน OrcaRouter โดยไม่มีการผูกมัดล่วงหน้าหรือค่าสมัครสมาชิก คุณจะจ่ายเฉพาะโทเคนที่คุณใช้ในอัตราต่อโทเคนเท่านั้น โมเดลนี้เหมาะสำหรับปริมาณงานที่ผันผวนซึ่งการใช้งานเปลี่ยนแปลงไป การเรียกเก็บเงินจะดำเนินการโดย OrcaRouter โดยใช้คีย์ API ที่ให้มา
ในการใช้ GLM 5.1 ผ่าน OrcaRouter ให้ตั้งค่า API base URL ของคุณเป็น https://api.orcarouter.ai/v1 และใช้รหัสโมเดล "z-ai/glm-5.1" ตัวอย่างเช่น ด้วยไลบรารี OpenAI Python: openai.base_url = "https://api.orcarouter.ai/v1"; openai.api_key = "your-key"; response = openai.ChatCompletion.create(model="z-ai/glm-5.1", messages=[...]). พารามิเตอร์มาตรฐานทั้งหมด เช่น temperature, top_p, max_tokens และ stop sequences ได้รับการสนับสนุน สตรีมมิ่งถูกเปิดใช้งานโดยการตั้งค่า stream=True
GLM 5.1 รองรับพารามิเตอร์การเติมข้อความแบบแชทเดียวกับ OpenAI API ซึ่งรวมถึง temperature (ช่วง 0 ถึง 2, ค่าเริ่มต้น 0.7), top_p (0 ถึง 1, ค่าเริ่มต้น 1), max_tokens (สูงสุดตามขีดจำกัดของโมเดลที่ 128,000), stop sequences (รายการสตริง), frequency_penalty, presence_penalty และ logit_bias โมเดลยังรองรับพารามิเตอร์ "n" สำหรับสร้างการเติมข้อความหลายรายการต่อคำขอหนึ่งครั้ง พารามิเตอร์ทั้งหมดถูกส่งใน JSON body มาตรฐาน รองรับข้อความของระบบ ข้อความของผู้ใช้ และข้อความของผู้ช่วย
การย้ายไปใช้ OrcaRouter เพื่อใช้ GLM 5.1 นั้นตรงไปตรงมา ในโค้ดที่มีอยู่ของคุณ ให้เปลี่ยน Base URL จากผู้ให้บริการก่อนหน้าเป็น https://api.orcarouter.ai/v1 จากนั้นเปลี่ยนชื่อโมเดลในการเรียก API ของคุณเป็น "z-ai/glm-5.1" ไม่จำเป็นต้องเปลี่ยนแปลงอื่นใดสำหรับการสนทนาสำเร็จรูปมาตรฐาน หากคุณใช้รูปแบบคีย์ API ที่แตกต่าง ตรวจสอบให้แน่ใจว่าคุณใช้คีย์ API ของ OrcaRouter รูปแบบการตอบกลับเหมือนกับของ OpenAI ดังนั้นตรรกะการแยกวิเคราะห์ยังคงเหมือนเดิม
ใช่ OrcaRouter รองรับการตอบกลับแบบสตรีมมิ่งสำหรับ GLM 5.1 เช่นเดียวกับที่ OpenAI API ทำ ตั้งค่า stream=True ในคำขอ และวนซ้ำผ่าน Chunks ของการตอบกลับ แต่ละ Chunk ประกอบด้วยการอัปเดตแบบเดลต้าไปยังฟิลด์เนื้อหา รูปแบบสตรีมมิ่งคือ SSE (Server-Sent Events) ซึ่งช่วยให้คุณแสดงโทเค็นแก่ผู้ใช้ได้แบบเพิ่มทีละน้อย ช่วยลดเวลาแฝงที่รับรู้ได้ พารามิเตอร์สตรีมมิ่งเดียวกัน (temperature, max_tokens, ฯลฯ) ใช้ได้เมื่อสตรีมมิ่ง
GLM 5.1 คือโมเดลเรือธงจาก Z.ai ซึ่งหมายความว่ามันอยู่ในตำแหน่งสูงสุดของไลน์อัพในด้านความสามารถและราคา โมเดล Z.ai ระดับล่างมักจะมี context window ที่เล็กกว่า, ขีดจำกัดเอาต์พุตที่ต่ำกว่า, และคะแนน benchmark ที่ต่ำกว่า แต่ก็มีราคาต่อ token ที่ต่ำกว่าด้วย สเปกที่แน่นอนของโมเดล Z.ai อื่นๆ ไม่ได้ถูกระบุ แต่การแลกเปลี่ยนที่อาจเกิดขึ้นได้แก่ context ที่ลดลง (เช่น 128K), ขีดจำกัดเอาต์พุตที่ต่ำกว่า, และอาจรวมถึงการรองรับอินพุตแบบ multimodal นักพัฒนาควรเลือก GLM 5.1 เมื่อต้องการ full 200K context และ high output
เมื่อเทียบกับรุ่นเรือธงอื่นๆ จากผู้ให้บริการที่แตกต่างกัน GLM 5.1 มีหน้าต่างบริบทที่ใหญ่มาก (200K tokens) และขีดจำกัดเอาต์พุต (128K tokens) ซึ่งเป็นหนึ่งในระดับสูงที่สุดที่มี คะแนน τ²-Bench ที่ 97.7 ทำให้มันอยู่ในอันดับต้นๆ สำหรับการวางแผนการใช้เครื่องมือ อย่างไรก็ตาม มันเป็นแบบข้อความเท่านั้น ในขณะที่รุ่นเรือธงของคู่แข่งหลายรุ่นรองรับอินพุตแบบภาพหรือเสียง ราคาที่ $1.40/$4.40 ต่อ 1M tokens นั้นมีการแข่งขัน แต่อาจสูงหรือต่ำกว่าขึ้นอยู่กับผู้ให้บริการและรุ่นเฉพาะ นักพัฒนาควรประเมินตามความต้องการที่แน่นอนของตนในด้านบริบท โหมด และประสิทธิภาพการวัดมาตรฐาน
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="z-ai/glm-5.1",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)do_sampleinclude_reasoningmax_tokensreasoningrequest_idresponse_formatstopstreamtemperaturethinkingtool_choicetool_streamtoolstop_puser_id| อินพุต / 1M โทเค็น | $1.40 |
| เอาต์พุต / 1M โทเค็น | $4.40 |
| อ่านแคช / 1M | $0.260 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/z-ai/glm-5.1เปิด @misc{orcarouter_glm_5_1,
title = {GLM 5.1 API},
author = {Z.ai},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/z-ai/glm-5.1}
}Z.ai. (2026). GLM 5.1 API. OrcaRouter. https://www.orcarouter.ai/models/z-ai/glm-5.1