GLM-5 的技術規格
| 項目 | GLM-5（據報） |
|---|---|
| 模型家族 | GLM（Z.ai / Zhipu AI）— 旗艦世代 |
| 架構 | 專家混合（MoE）+ 稀疏注意力（DeepSeek/DSA 優化）。 |
| 總參數量 | ≈744–745B（MoE 池）。 |
| 活躍/路由參數（每個 token） | ~40–44B 活躍（取決於路由/專家）。 |
| 預訓練 token 數 | ~28.5T tokens（據報）。 |
| 上下文視窗（輸入） | 最多 200,000 個 token（長上下文模式）。 |
| 最大輸出 token 數 | 128,000 個 token（據報每次呼叫的最大生成）。 |
| 輸入模態 | 僅文本（主要）；針對富文本 → 輸出進行設計（透過工具生成 doc/xlsx）。 |
什麼是 GLM-5
GLM-5 是 Zhipu AI 的下一代基礎模型，透過 MoE 路由設計與稀疏注意力優化擴展 GLM 系列，以實現長上下文推理與代理式工作流程（多步規劃、程式碼與系統協同）。其明確定位為面向代理與工程任務的開放權重競爭者，並可透過 API 與自我託管提供企業可及性。
🚀 GLM-5 的主要特性
1. 代理式智能與推理
GLM-5 針對將冗長且複雜的任務拆解為有序步驟的工作流程進行了優化，同時降低幻覺——相較先前 GLM 版本有顯著改進。它在部分開放權重模型基準上的知識可靠性與任務生產力領先。
2. 長上下文支援
憑藉 200K token 的上下文視窗，GLM-5 能在不失連貫性的情況下支持超長對話、大型文件與長鏈式推理——這對真實世界的專業應用愈發關鍵。
3. DeepSeek 稀疏注意力
透過整合稀疏注意力機制，GLM-5 高效擴展記憶體佔用，允許更長序列而不呈線性成本增長。
4. 工具整合與輸出格式
原生支援結構化輸出與外部工具整合（JSON、API 呼叫、動態工具使用），使 GLM-5 能實際用於試算表、報告與自動化程式助理等企業應用。
5. 成本效益
與專有產品相比，GLM-5 的成本具競爭力，輸入/輸出計價顯著低於主流方案，對大規模部署具有吸引力。
GLM-5 的基準表現
多項獨立評估與早期業界基準顯示，GLM-5 在開放權重模型中表現出色：
- 在 Artificial Analysis Intelligence Index——一項衡量可靠性與真實性的指標——上達成了創紀錄的低幻覺率，並大幅優於以往模型。
- 以代理為中心的基準測試顯示，相較 GLM-4.7 與其他開放模型，在複雜任務執行上有顯著提升。
- 性價比指標顯示，在開放權重模型中，GLM-5 的速度位於第4四分位，但在智能與價格上屬於頂級（最佳）。
量化分數（排行平台示例）：
- Intelligence Index：開放權重模型中排名第 1。
- Pricing Efficiency：因輸入/輸出成本低而獲得高評等。
如何存取並使用 GLM-5 API
步驟 1：註冊以取得 API 金鑰
登入 cometapi.com。若您尚未成為我們的用戶，請先註冊。登入您的CometAPI 控制台。取得介面的存取憑證 API 金鑰。在個人中心的 API token 處點擊“Add Token”，獲取 token 金鑰：sk-xxxxx 並提交。
步驟 2：向 glm-5 API 發送請求
選擇“glm-5”端點發送 API 請求並設置請求體。請求方法與請求體可在我們網站的 API 文件獲取。我們的網站亦提供 Apifox 測試以便使用。將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI 金鑰。調用位置：Chat 格式。
將您的問題或請求填入 content 欄位——模型將對此作出回應。處理 API 響應以獲得生成的答案。
步驟 3：檢索並驗證結果
處理 API 響應以獲得生成的答案。處理完成後，API 會回應任務狀態與輸出資料。