All models

glm-5

ZhipuChat
Input 6.3074 Credits / 1MOutput 20.1837 Credits / 1M
Get your API key
glm-5

面向复杂软件工程与长周期任务的推理模型

GLM-5 是智谱 AI 推出的工程型大语言模型,重点面向复杂系统开发、代码推理和需要持续规划的 Agent 任务。它不仅适合生成代码片段,也适合围绕需求、实现、测试与反馈展开多轮协作。在本平台中,可通过聊天补全或托管会话入口集成,交付代码、分析文本与文档内容。

Zhipu模型品牌
对话模型类型
对话任务能力

规格与接口特性

在选型前明确容量、输入输出与调用方式。

原生参数规模
总参数 744B,激活参数 40B
原生注意力技术
DeepSeek Sparse Attention(DSA)
权重许可
公开模型权重,MIT 许可证
主要输入输出
文本消息输入,文本与代码内容输出
聊天补全入口
POST /glm/chat/completions;model 为 glm-5
对话方式
messages 历史对话,或 stateful 与 id 托管会话
响应方式
完整响应或流式响应;函数工具交互需配合执行环境

参数规模、注意力技术与许可属于原生模型规格;消息管理、响应格式和工具执行方式由所选调用入口决定。

核心能力

了解 glm-5 能为你的工作带来什么。

从代码片段走向系统实现

GLM-5 的重点是复杂系统工程,可围绕前端、后端和跨模块需求组织实现思路。提供接口约束、已有代码和验收条件后,适合让它拆分改动、解释依赖并补充测试建议,使输出更接近可审查的工程方案,而非孤立代码片段。

围绕反馈推进长期任务

面对需要多步完成的任务,GLM-5 强调规划与持续推进。可以先明确目标、阶段产物和停止条件,再逐轮补充测试结果或工具反馈,让它调整下一步行动。配合外部状态记录与执行环境,适合构建有检查点的 Agent 工作流。

把材料组织成工作文档

GLM-5 的官方展示涵盖需求文档、报告和表格类交付。用于聊天集成时,可先生成章节、表格内容与数据处理代码,再交由文档工具制作文件。适合将零散材料整理成可编辑的工作底稿,同时保留人工审阅和格式调整空间。

适用场景

从具体任务出发,找到模型发挥作用的位置。

跨模块缺陷修复

输入错误日志、相关函数、接口定义和复现步骤,让 GLM-5 分析故障链路,提出修改位置、候选补丁及回归测试。执行测试后继续回传结果,最终形成修复说明与验证清单,适合需要反复定位而非一次补全的开发任务。

需求到实施计划

提供产品目标、业务规则、已有架构和验收要求,让 GLM-5 输出模块划分、接口草案、实施顺序与风险依赖。后续可按模块继续细化代码和测试方案,形成便于开发评审的任务清单,避免直接从模糊需求跳到大段实现。

报告与表格底稿

输入经过整理的业务材料、数据口径和目标读者,让 GLM-5 生成报告结构、解释段落、表格字段及计算思路。需要 Word、PDF 或 Excel 文件时,再连接相应制作工具;交付前核对公式、单位和关键数字,保证内容与材料一致。

如何选择这个模型

结合任务复杂度、输入材料与预期结果选择。

与 GLM-4.7 如何取舍

如果任务涉及前后端协同、复杂代码修改或多轮工具反馈,可优先评估 GLM-5。官方对比强调了这些工程任务上的提升,但不意味着所有问题都更适合它。已有 GLM-4.7 应用建议用真实工单比较补丁质量、测试通过情况和交互开销,再决定是否迁移。

不要把相近名称当作同一版本

glm-5、glm-5-turbo 与 glm-5.1、glm-5.2、glm-5.3 是不同调用型号。选择 GLM-5,主要看重其复杂工程与长期任务定位;若需求依赖其他版本的特定容量或控制功能,应选择对应型号。模型切换时也应重新验证提示词、工具交互和输出表现。

开始使用

从一次小规模任务到正式接入。

01

准备任务与材料

明确目标、必要输入与输出要求,使用真实业务样例作为起点。

02

在 API 调试区试用

打开试用页,确认此入口支持的参数,再提交小规模任务查看结果。

03

按 API 文档接入

保留完整模型 ID,使用文档规定的请求格式,并在 Pricing 页确认计费规则。

使用边界

在正式使用前,了解输出质量与能力范围。

  • GLM-5 的工程推理不等于自动运行代码。聊天补全中的工具调用信息需要应用执行并回传结果;涉及终端、仓库修改或部署时,应配置执行环境、权限边界与测试检查,不能把生成的操作计划当作已完成的任务。
  • GLM-5 应以文本和代码任务为主要使用方式。需要处理截图、扫描件或音频时,应先安排合适的识别与解析步骤,再提交提取内容;长材料也宜按任务拆分,并保留关键约束,避免重要信息在多轮协作中被遗漏。
  • 官方文档制作示例依赖配套 Agent 技能,不代表普通聊天请求会直接返回可下载的办公文件。生成报告时仍需核验材料、公式与引用;跨模块代码修改则需经过编译、测试和审查,尤其注意未提供的项目依赖与运行配置。

常见问题

解答使用 glm-5 时的常见疑问。

GLM-5 是 GLM-5.3 的简称吗?

不是。GLM-5 是独立的原生型号,调用 ID 为 glm-5;glm-5.3 和 glm-5-turbo 等名称对应不同型号。不要把其他版本的上下文、输出上限或推理控制直接用于 GLM-5,切换时应重新验证任务表现。

接入 GLM-5 应选哪个入口?

需要自行管理消息历史和工具回路时,可选 /glm/chat/completions,提交 model 与 messages。希望通过会话 ID 延续对话时,可选 /aichat2/conversations;已有简洁问答集成也可使用 /aichat/conversations。

GLM-5 能直接修改并运行我的项目吗?

它可以分析代码、规划修改并生成工具调用,但实际读写项目和运行测试需要执行环境参与。建议限定可访问目录、可执行命令与验收条件,再把运行结果回传,让模型根据真实反馈继续修正,而不是只凭解释判断成功。

GLM-5 能直接生成 Word 或 Excel 文件吗?

官方展示了配合 Agent 技能制作办公文件的工作流。普通聊天集成适合先获取文档内容、表格结构或生成脚本,再由文件制作工具完成导出。应区分回答中的文字内容与已经生成、可以下载的文件产物。

怎样让 GLM-5 更好地处理复杂开发任务?

先提供需求边界、相关代码、错误信息和明确验收标准,再要求它分阶段提出方案。每阶段回传测试结果与新增约束,保留关键决策和未解决问题。相比只说“帮我修好”,这种反馈式协作更契合它的工程任务定位。

模型资料 · 更新日期:2026-10-01。调用参数与计费规则请查看 API 和定价栏目。

把 glm-5 用到你的下一项任务

从清晰的目标开始,在实际结果中判断它是否适合你的工作。