Zhipu AI logo

GLM-5

Zhipu AI

GLM-5 — флагманская модель Zhipu AI для сложных инженерных задач и долгосрочных агентных сценариев. Архитектура Mixture-of-Experts с 744 млрд параметров (40 млрд активных), обучена на 28.5T токенах. Использует DeepSeek Sparse Attention для повышения эффективности токенов при сохранении качества на длинных контекстах. Поддерживает 200K контекст и 128K максимальный вывод. Возможности: режимы мышления, потоковая генерация, вызов функций, кеширование контекста, структурированный вывод. Приближается к Claude Opus 4.5 по плотности логики кода и системной инженерии.

Основные характеристики

Параметры
744.0B
Контекст
200.0K
Дата выпуска
10 февраля 2026 г.
Индекс
36.8

Временная шкала

Ключевые даты в истории модели
Анонс
10 февраля 2026 г.
Последнее обновление
12 февраля 2026 г.
Сегодня
10 ноября 2026 г.

Технические характеристики

Параметры
744.0B
Токены обучения
28.5T токенов
Граница знаний
-
Семейство
-
Возможности
МультимодальностьZeroEval

Ценообразование и доступность

Вход (за 1М токенов)
-
Выход (за 1М токенов)
-
Макс. входящих токенов
200.0K
Макс. исходящих токенов
128.0K
Поддерживаемые возможности
Вызов функцийСтруктурированный выводВыполнение кодаПоиск в интернетеПакетная обработкаДообучение

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Программирование

Тесты на навыки программирования
SWE-Bench Verified
• данные разработчика
78.0%

Другие тесты

Специализированные бенчмарки
τ²-Bench
• данные разработчика
90.0%
BrowseComp
• данные разработчика
76.0%
MCP Atlas
• данные разработчика
68.0%
Terminal-Bench 2.0
• данные разработчика
56.0%
t2-bench
• данные разработчика
89.7%

Лицензия и метаданные

Лицензия
MIT
Дата анонса
10 февраля 2026 г.
Последнее обновление
12 февраля 2026 г.

GLM-5: плюсы и минусы

Плюсы

  • Большой контекст — 200K токенов
  • Открытые веса — можно запустить на своём сервере
  • Сильнее всего в тесте τ²-Bench — 90.0%

Минусы

  • Работает только с текстом — картинки не понимает

Статьи о GLM-5

Похожие модели

Все модели

Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.