Claude Opus 5 is now live on CometAPI โ†’
Z

GLM 5

Masukan:$0.8/M
Keluaran:$3.2/M
Dirilis:Feb 11, 2026

GLM-5 adalah model fondasi sumber terbuka andalan dari Z.ai yang direkayasa untuk perancangan sistem kompleks dan alur kerja agen jangka panjang. Dibangun untuk pengembang ahli, model ini menghadirkan kinerja tingkat produksi pada tugas pemrograman berskala besar, menyaingi model sumber tertutup terdepan. Dengan perencanaan agen tingkat lanjut, penalaran backend yang mendalam, dan koreksi diri iteratif, GLM-5 melampaui generasi kode menuju konstruksi sistem menyeluruh dan eksekusi otonom.

Baru
Penggunaan komersial

Playground untuk GLM 5

Jelajahi Playground GLM 5 โ€” lingkungan interaktif untuk menguji model dan menjalankan kueri secara real-time. Coba prompt, sesuaikan parameter, dan iterasi secara instan untuk mempercepat pengembangan dan memvalidasi kasus penggunaan.

Spesifikasi teknis GLM-5

ItemGLM-5 (dilaporkan)
Model familyGLM (Z.ai / Zhipu AI) โ€” generasi andalan
ArchitectureMixture-of-Experts (MoE) + atensi jarang (optimisasi DeepSeek/DSA).
Total parametersโ‰ˆ744โ€“745B (kumpulan MoE).
Active / routed params (per token)~40โ€“44B aktif (tergantung pada perutean/pakar).
Pre-training tokens~28.5T token (dilaporkan).
Context window (input)Hingga 200,000 token (mode konteks panjang).
Max output tokens128,000 token (maksimal generasi per panggilan, dilaporkan).
Input modalitiesHanya teks (utama); dioptimalkan untuk teks kaya โ†’ keluaran (pembuatan doc/xlsx melalui alat).

Apa itu GLM-5

GLM-5 adalah model fondasi generasi berikutnya dari Zhipu AI yang menskalakan lini GLM dengan desain perutean MoE dan optimisasi atensi jarang untuk menghadirkan penalaran konteks panjang dan aliran kerja berbasis agen (perencanaan multi-langkah, orkestrasi kode & sistem). Model ini secara eksplisit diposisikan sebagai penantang bobot terbuka untuk tugas-tugas berbasis agen dan rekayasa, dengan akses tingkat perusahaan melalui API dan self-hosting.

๐Ÿš€ Fitur Utama GLM-5

1. Kecerdasan Berbasis Agen & Penalaran

GLM-5 dioptimalkan untuk alur kerja di mana model menguraikan tugas panjang dan kompleks menjadi langkah-langkah terurut dengan halusinasi yang berkurang โ€” sebuah peningkatan besar dibanding versi GLM sebelumnya. Model ini memimpin beberapa tolok ukur model bobot terbuka dalam hal reliabilitas pengetahuan dan produktivitas tugas.

2. Dukungan Konteks Panjang

Dengan jendela konteks 200K token, GLM-5 dapat mempertahankan percakapan yang sangat panjang, dokumen besar, dan rantai penalaran yang diperluas tanpa kehilangan koherensi โ€” kemampuan yang semakin krusial untuk aplikasi profesional di dunia nyata.

3. DeepSeek Sparse Attention

Dengan mengintegrasikan mekanisme atensi jarang, GLM-5 menskalakan jejak memori secara efisien, memungkinkan urutan lebih panjang tanpa peningkatan biaya yang linear.

4. Integrasi Alat & Format Keluaran

Dukungan bawaan untuk keluaran terstruktur dan integrasi alat eksternal (JSON, panggilan API, penggunaan alat dinamis) menjadikan GLM-5 praktis untuk aplikasi perusahaan seperti spreadsheet, laporan, dan asisten pengodean otomatis.

5. Efisiensi Biaya

GLM-5 diposisikan sebagai kompetitif dari sisi biaya dibandingkan mitra proprietari, dengan harga input/output yang secara signifikan lebih rendah daripada penawaran utama, membuatnya menarik untuk penerapan skala besar.

Kinerja Benchmark GLM-5

Berbagai evaluasi independen dan tolok ukur industri awal menunjukkan GLM-5 berkinerja kuat di antara model bobot terbuka:

  • Model ini mencapai tingkat halusinasi terendah yang tercatat pada Artificial Analysis Intelligence Index โ€” ukuran reliabilitas dan kebenaran โ€” melampaui model-model sebelumnya dengan selisih besar.
  • Tolok ukur berpusat pada agen menunjukkan peningkatan substansial dalam eksekusi tugas kompleks dibandingkan GLM-4.7 dan model terbuka lainnya.
  • Metrik biaya-terhadap-kinerja menempatkan GLM-5 pada kuartil ke-4 untuk kecepatan namun kelas teratas (terbaik) pada kecerdasan dan harga di antara model bobot terbuka.

Skor Kuantitatif (Contoh dari platform pemeringkatan):

  • Indeks Kecerdasan: #1 di antara model bobot terbuka.
  • Efisiensi Harga: Peringkat tinggi untuk biaya input/output yang rendah.

Cara mengakses dan menggunakan API GLM-5

Langkah 1: Daftar untuk Kunci API

Masuk ke cometapi.com. Jika Anda belum menjadi pengguna kami, harap daftar terlebih dahulu. Masuk ke CometAPI console. Dapatkan kunci API kredensial akses untuk antarmuka. Klik โ€œAdd Tokenโ€ pada API token di pusat pribadi, dapatkan kunci token: sk-xxxxx lalu kirim.

Langkah 2: Kirim Permintaan ke API glm-5

Pilih endpoint โ€œglm-5โ€ untuk mengirim permintaan API dan atur badan permintaan. Metode permintaan dan badan permintaan diperoleh dari dokumen API di situs kami. Situs kami juga menyediakan pengujian Apifox untuk kenyamanan Anda. Ganti <YOUR_API_KEY> dengan kunci CometAPI Anda yang sebenarnya dari akun Anda. Di mana memanggilnya: Chat format.

Masukkan pertanyaan atau permintaan Anda ke dalam kolom kontenโ€”itulah yang akan direspons oleh model . Proses respons API untuk mendapatkan jawaban yang dihasilkan.

Langkah 3: Ambil dan Verifikasi Hasil

Proses respons API untuk mendapatkan jawaban yang dihasilkan. Setelah diproses, API merespons dengan status tugas dan data keluaran.

FAQ

Harga untuk GLM 5

Jelajahi harga kompetitif untuk GLM 5, dirancang untuk berbagai anggaran dan kebutuhan penggunaan. Paket fleksibel kami memastikan Anda hanya membayar untuk apa yang Anda gunakan, memudahkan untuk meningkatkan skala seiring berkembangnya kebutuhan Anda. Temukan bagaimana GLM 5 dapat meningkatkan proyek Anda sambil menjaga biaya tetap terkendali.

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

Kode contoh dan API untuk GLM 5

Akses kode sampel komprehensif dan sumber daya API untuk GLM 5 guna mempermudah proses integrasi Anda. Dokumentasi terperinci kami menyediakan panduan langkah demi langkah, membantu Anda memanfaatkan potensi penuh GLM 5 dalam proyek Anda.

#!/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);