Claude Opus 5 is now live on CometAPI →
Z

GLM 5

Entrée:$0.8/M
Sortie:$3.2/M
Publié:Feb 11, 2026

GLM-5 est le modèle de fondation open source phare de Z.ai, conçu pour la conception de systèmes complexes et les flux de travail d’agents à long horizon. Conçu pour des développeurs experts, il offre des performances de niveau production sur des tâches de programmation à grande échelle, rivalisant avec les principaux modèles à source fermée. Grâce à une planification agentique avancée, un raisonnement backend approfondi et une auto-correction itérative, GLM-5 dépasse la simple génération de code pour la construction de systèmes complets et l’exécution autonome.

Nouveau
Usage commercial

Playground pour GLM 5

Explorez le Playground de GLM 5 — un environnement interactif pour tester les modèles et exécuter des requêtes en temps réel. Essayez des invites, ajustez les paramètres et itérez instantanément pour accélérer le développement et valider les cas d'utilisation.

Spécifications techniques de GLM-5

ÉlémentGLM-5 (rapporté)
Famille de modèlesGLM (Z.ai / Zhipu AI) — génération phare
ArchitectureMixture-of-Experts (MoE) + attention clairsemée (optimisations DeepSeek/DSA).
Nombre total de paramètres≈744–745B (pool MoE).
Paramètres actifs / routés (par jeton)~40–44B actifs (dépend du routage/des experts).
Jetons de pré-entraînement~28.5T jetons (rapporté).
Fenêtre de contexte (entrée)Jusqu’à 200,000 jetons (mode de contexte long).
Nombre maximal de jetons en sortie128,000 jetons (génération maximale par appel rapportée).
Modalités d’entréeTexte uniquement (principal) ; conçu pour des sorties en texte enrichi → (génération doc/xlsx via des outils).

Qu’est-ce que GLM-5

GLM-5 est le modèle de base de nouvelle génération de Zhipu AI qui fait monter en échelle la lignée GLM avec une conception de routage MoE et des optimisations d’attention clairsemée, afin d’offrir un raisonnement à long contexte et des workflows agentiques (planification multi‑étapes, orchestration de code et de systèmes). Il est explicitement positionné comme un prétendant à poids ouverts pour les tâches agentiques et d’ingénierie, avec une accessibilité entreprise via des API et l’auto‑hébergement.

🚀 Fonctionnalités principales de GLM-5

1. Intelligence agentique et raisonnement

GLM-5 est optimisé pour des workflows où le modèle décompose de longues tâches complexes en étapes ordonnées avec une hallucination réduite — une amélioration majeure par rapport aux versions GLM précédentes. Il arrive en tête de certains benchmarks de modèles à poids ouverts sur la fiabilité des connaissances et la productivité des tâches.

2. Prise en charge d’un contexte long

Avec une fenêtre de contexte de 200K jetons, GLM-5 peut soutenir de très longues conversations, de gros documents et des chaînes de raisonnement étendues sans perdre en cohérence — une capacité de plus en plus critique pour les applications professionnelles réelles.

3. Attention clairsemée DeepSeek

En intégrant un mécanisme d’attention clairsemée, GLM-5 fait évoluer efficacement son empreinte mémoire, permettant des séquences plus longues sans augmentation linéaire des coûts.

4. Intégration d’outils et formats de sortie

La prise en charge native des sorties structurées et des intégrations d’outils externes (JSON, appels d’API, utilisation dynamique d’outils) rend GLM-5 pratique pour des applications d’entreprise comme les tableurs, les rapports et les assistants de codage automatisés.

5. Efficacité des coûts

GLM-5 est positionné comme compétitif en termes de coûts par rapport aux solutions propriétaires, avec des prix d’entrée/sortie substantiellement plus bas que les offres majeures, ce qui le rend attrayant pour des déploiements à grande échelle.

Performances de référence de GLM-5

Plusieurs évaluations indépendantes et premiers benchmarks industriels montrent que GLM-5 se comporte très bien parmi les modèles à poids ouverts :

  • Il a atteint des taux d’hallucination à des niveaux records sur le Artificial Analysis Intelligence Index — une mesure de la fiabilité et de la véracité — dépassant largement les modèles précédents.
  • Des benchmarks centrés sur l’agent indiquent des gains substantiels dans l’exécution de tâches complexes par rapport à GLM-4.7 et à d’autres modèles ouverts.
  • Les métriques coût‑performance placent GLM-5 au 4e quartile pour la vitesse mais au top niveau (meilleur) pour l’intelligence et le prix parmi les modèles à poids ouverts.

Scores quantitatifs (exemple d’une plateforme de classement) :

  • Indice d’intelligence : n°1 parmi les modèles à poids ouverts.
  • Efficacité tarifaire : notes élevées pour des coûts d’entrée/sortie faibles.

Comment accéder à l’API GLM-5 et l’utiliser

Étape 1 : Inscrivez-vous pour obtenir une clé API

Connectez-vous à cometapi.com. Si vous n’êtes pas encore utilisateur, veuillez d’abord vous inscrire. Connectez-vous à votre Console CometAPI. Obtenez la clé API d’accès de l’interface. Cliquez sur « Add Token » dans la section des jetons API du centre personnel, obtenez la clé de jeton : sk-xxxxx et validez.

Étape 2 : Envoyez des requêtes vers l’API glm-5

Sélectionnez l’endpoint « glm-5 » pour envoyer la requête API et définissez le corps de la requête. La méthode et le corps de la requête sont obtenus à partir de la documentation API de notre site Web. Notre site propose également un test Apifox pour votre commodité. Remplacez <YOUR_API_KEY> par votre clé CometAPI réelle depuis votre compte. Où l’appeler : format Chat.

Insérez votre question ou demande dans le champ content — c’est à cela que le modèle répondra. Traitez la réponse de l’API pour obtenir la réponse générée.

Étape 3 : Récupérez et vérifiez les résultats

Traitez la réponse de l’API pour obtenir la réponse générée. Après traitement, l’API répond avec le statut de la tâche et les données de sortie.

FAQ

Tarification pour GLM 5

Découvrez des tarifs compétitifs pour GLM 5, conçus pour s'adapter à différents budgets et besoins d'utilisation. Nos formules flexibles garantissent que vous ne payez que ce que vous utilisez, ce qui facilite l'adaptation à mesure que vos besoins évoluent. Découvrez comment GLM 5 peut améliorer vos projets tout en maîtrisant les coûts.

Comet Price (USD / M Tokens)Official Price (USD / M Tokens)Discount
Entrée:$0.8/M
Sortie:$3.2/M
Entrée:$1/M
Sortie:$4/M
-20%

Exemple de code et API pour GLM 5

Accédez à des exemples de code complets et aux ressources API pour GLM 5 afin de simplifier votre processus d'intégration. Notre documentation détaillée fournit des instructions étape par étape pour vous aider à exploiter tout le potentiel de GLM 5 dans vos projets.

#!/bin/bash

# Get your CometAPI key from https://api.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

# glm-5: Zhipu GLM-5 model via chat/completions
curl -s https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "glm-5",
    "messages": [
      {
        "role": "user",
        "content": "Hello! Tell me a short joke."
      }
    ]
  }'

cURL Code Example

#!/bin/bash

# Get your CometAPI key from https://api.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

# glm-5: Zhipu GLM-5 model via chat/completions
curl -s https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "glm-5",
    "messages": [
      {
        "role": "user",
        "content": "Hello! Tell me a short joke."
      }
    ]
  }'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

# glm-5: Zhipu GLM-5 model via chat/completions
completion = client.chat.completions.create(
    model="glm-5",
    messages=[{"role": "user", "content": "Hello! Tell me a short joke."}],
)

print(completion.choices[0].message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey: COMETAPI_KEY,
  baseURL: BASE_URL,
});

// glm-5: Zhipu GLM-5 model via chat/completions
const completion = await client.chat.completions.create({
  model: "glm-5",
  messages: [{ role: "user", content: "Hello! Tell me a short joke." }],
});

console.log(completion.choices[0].message.content);