z-ai
Z.ai: GLM 5
z-ai/glm-5
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
GLM-5 (z-ai/glm-5) é o modelo flagship de pesos abertos da Z.ai, um mixture-of-experts com 744B de parâmetros e 40B ativos por token, lançado sob licença MIT e listado no OpenRouter como z-ai/glm-5-20260211. O fornecedor o posiciona para engenharia de sistemas complexos e fluxos agênticos de longo horizonte, relatando resultados fortes em benchmarks de raciocínio, codificação e uso de ferramentas; o Design Arena do OpenRouter também lista resultados medidos em comparações diretas nas categorias de código e interface. O catálogo informa janela de contexto de 204.800 tokens, entrada e saída somente de texto e um modo de raciocínio opcional. Os pesos podem ser servidos via vLLM, SGLang, KTransformers, Transformers ou xLLM.[1][2]
Pontos fortes
- Pesos abertos sob licença MIT, com serviço local documentado via vLLM, SGLang, KTransformers, Transformers e xLLM.[2]
- Janela de contexto de 204.800 tokens segundo o catálogo; o fornecedor afirma que a integração da DeepSeek Sparse Attention reduz o custo de implantação preservando a capacidade de contexto longo.[1][2]
- O OpenRouter reporta suporte a chamadas de ferramentas, saídas estruturadas e um modo de raciocínio opcional; os benchmarks publicados pelo fornecedor alegam resultados fortes em tarefas agênticas, de código e de navegação.[1][2]
Limitações
- Os números de benchmark em destaque vêm da documentação do próprio fornecedor e da arena do OpenRouter; a verificação independente é escassa, então valide com sua carga de trabalho real.[1][2]
- Entrada e saída somente de texto; a evidência fornecida não reporta modalidade de visão ou áudio.[1]
- A data de corte do conhecimento não é especificada, e auto-hospedar um modelo de 744B parâmetros exige infraestrutura considerável: os exemplos de serviço do fornecedor usam paralelismo de tensores em 8 vias.[1][2]
Onde usar
- Vale avaliar para pipelines agênticos de codificação e uso de ferramentas de longo horizonte, área que tanto o fornecedor quanto os dados da arena destacam.[1][2]
- Candidato para análise de documentos longos ou bases de código grandes dada a janela de contexto reportada de ~200 mil tokens; confirme a recuperação efetiva com seus próprios dados.[1]
- Candidato para implantações auto-hospedadas que precisem de pesos com licença MIT e frameworks de serviço consagrados; planeje capacidade para um MoE muito grande.[2]
Fontes
- [1] OpenRouter catalog · Z.ai: GLM 5Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · Z.ai: GLM 5Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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...
Especificações
- ID do modelo
- z-ai/glm-5
- ID canônico
- z-ai/glm-5-20260211
- Criador
- z-ai
- Adicionado ao OpenRouter
- 11.02.2026
- Comprimento de contexto
- 204,800
- Modalidade
- text->text
- Modalidades de entrada
- text
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $1 / saída $3.2
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Programação | Sem medição | — |
| Agentes | Sem medição | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | — |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Design Arena | agents · androidnativetaxa de vitória 55% · posição 30 | 1,135Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 51.7% · posição 29 | 1,101Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · godotgamedevtaxa de vitória 46.7% · posição 20 | 1,144Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · htmlslidestaxa de vitória 45.1% · posição 20 | 1,044Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 51.7% · posição 37 | 1,130Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 56.3% · posição 47 | 1,212Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 47.9% · posição 49 | 1,142Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 55.5% · posição 46 | 1,237Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 53% · posição 46 | 1,226Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 57.4% · posição 45 | 1,225Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 54.4% · posição 45 | 1,160Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 53.6% · posição 55 | 1,221Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 55% · posição 51 | 1,240Elo | BB — próximos 30% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (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 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.