z-ai
Z.ai: GLM 5
z-ai/glm-5
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
GLM-5 (z-ai/glm-5) es el modelo insignia de pesos abiertos de Z.ai, una mezcla de expertos con 744B de parámetros y 40B activos por token, publicado bajo licencia MIT y catalogado en OpenRouter como z-ai/glm-5-20260211. El proveedor lo orienta a ingeniería de sistemas complejos y flujos agénticos de largo alcance, y reporta resultados sólidos en razonamiento, codificación y uso de herramientas; el Design Arena de OpenRouter también lista resultados medidos en comparaciones directas en categorías de código e interfaz. El catálogo indica una ventana de contexto de 204 800 tokens, entrada y salida solo de texto y un modo de razonamiento opcional. Los pesos pueden servirse con vLLM, SGLang, KTransformers, Transformers o xLLM.[1][2]
Puntos fuertes
- Pesos abiertos bajo licencia MIT, con servicio local documentado mediante vLLM, SGLang, KTransformers, Transformers y xLLM.[2]
- Ventana de contexto de 204 800 tokens según el catálogo; el proveedor afirma que la integración de DeepSeek Sparse Attention reduce el costo de despliegue manteniendo la capacidad de contexto largo.[1][2]
- OpenRouter reporta soporte para llamadas a herramientas, salidas estructuradas y un modo de razonamiento opcional; los benchmarks publicados por el proveedor afirman resultados sólidos en tareas agénticas, de código y de navegación.[1][2]
Limitaciones
- Las cifras destacadas de benchmarks provienen de la ficha del propio proveedor y del arena de OpenRouter; la verificación independiente es limitada, así que valida con tu carga de trabajo real.[1][2]
- Entrada y salida solo de texto; la evidencia suministrada no reporta modalidad de visión ni de audio.[1]
- La fecha de corte del conocimiento no está especificada, y autoalojar un modelo de 744B parámetros exige infraestructura considerable: los ejemplos de servicio del proveedor usan paralelismo de tensores en 8 vías.[1][2]
Dónde utilizarlo
- Vale la pena evaluarlo para pipelines agénticos de codificación y uso de herramientas de largo alcance, un área que tanto el proveedor como los datos del arena destacan.[1][2]
- Candidato para análisis de documentos extensos o bases de código grandes dada la ventana de contexto reportada de ~200K tokens; confirma la recuperación efectiva con tus propios datos.[1]
- Candidato para despliegues autoalojados que requieran pesos con licencia MIT y frameworks de servicio establecidos; planifica la capacidad para un MoE muy grande.[2]
Fuentes
- [1] OpenRouter catalog · Z.ai: GLM 5Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Z.ai: GLM 5Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
GLM-5 is Z.ai’s flagship open-source foundation model engineered for complex systems design and long-horizon agent workflows. Built for expert developers, it delivers production-grade performance on large-scale programming tasks, rivaling leading...
Especificaciones
- ID del modelo
- z-ai/glm-5
- ID canónico
- z-ai/glm-5-20260211
- Creador
- z-ai
- Añadido a OpenRouter
- 11.02.2026
- Longitud de contexto
- 204,800
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $1 / salida $3.2
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Design Arena | agents · androidnativetasa de victoria 55% · posición 30 | 1,135Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 51.7% · posición 29 | 1,101Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · godotgamedevtasa de victoria 46.7% · posición 20 | 1,144Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · htmlslidestasa de victoria 45.1% · posición 20 | 1,044Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 51.7% · posición 37 | 1,130Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 56.3% · posición 47 | 1,212Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 47.9% · posición 49 | 1,142Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 55.5% · posición 46 | 1,237Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 53% · posición 46 | 1,226Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 57.4% · posición 45 | 1,225Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 54.4% · posición 45 | 1,160Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 53.6% · posición 55 | 1,221Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 55% · posición 51 | 1,240Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| StreamLakefp8 | 198,000 | $0.600 | $1.92 | — | — | 100% |
| GMICloudfp8 | 202,752 | $0.600 | $1.92 | — | — | 100% |
| Baidufp8 | 202,752 | $0.700 | $2.24 | — | — | 100% |
| SiliconFlowfp8 | 204,800 | $0.950 | $2.55 | — | — | — |
| Amazon Bedrock | 202,752 | $1 | $3.2 | — | — | 100% |
| Venicefp8 | 198,000 | $1 | $3.2 | — | — | 91.67% |
| Novitafp8 | 202,800 | $1 | $3.2 | — | — | — |
| Z.AIfp8 | 202,752 | $1 | $3.2 | — | — | 100% |
| Venice | 200,000 | $1.2 | $4 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.