zhipu

GLM-5.2

Το GLM-5.2 είναι το flagship open-weight μοντέλο της Zhipu AI, με context window 1M και εξειδικευμένες δυνατότητες agentic coding υπό την άδεια MIT.

Open WeightsΆδεια MITΒοηθός ΠρογραμματισμούContext 1MReasoning
zhipu logozhipuGLM-516 Ιουνίου 2026
Περιβάλλον
1.0Mtokens
Μέγιστη έξοδος
4Ktokens
Τιμή εισόδου
$1.40/ 1M
Τιμή εξόδου
$4.40/ 1M
Τρόπος λειτουργίας:Text
Δυνατότητες:ΕργαλείαStreamingΣυλλογιστική
Benchmarks
GPQA
83%
GPQA: Ερωτήσεις επιπέδου μεταπτυχιακού. Ένα αυστηρό benchmark με 448 ερωτήσεις πολλαπλής επιλογής σε βιολογία, φυσική και χημεία δημιουργημένες από ειδικούς. Οι διδάκτορες επιτυγχάνουν μόνο 65-74% ακρίβεια, ενώ οι μη ειδικοί βαθμολογούν μόνο 34% ακόμα και με απεριόριστη πρόσβαση στο διαδίκτυο (εξ ου και 'Google-proof'). Το GLM-5.2 πέτυχε 83% σε αυτό το benchmark.
HLE
40%
HLE: Συλλογιστική επιπέδου εμπειρογνώμονα. Δοκιμάζει την ικανότητα ενός μοντέλου να επιδείξει συλλογιστική επιπέδου εμπειρογνώμονα σε εξειδικευμένους τομείς. Αξιολογεί τη βαθιά κατανόηση σύνθετων θεμάτων που απαιτούν επαγγελματική γνώση. Το GLM-5.2 πέτυχε 40% σε αυτό το benchmark.
MMLU
94%
MMLU: Μαζική πολυθεματική κατανόηση γλώσσας. Ένα ολοκληρωμένο benchmark με 16.000 ερωτήσεις πολλαπλής επιλογής σε 57 ακαδημαϊκά θέματα, συμπεριλαμβανομένων μαθηματικών, φιλοσοφίας, νομικής και ιατρικής. Δοκιμάζει ευρεία γνώση και ικανότητες συλλογιστικής. Το GLM-5.2 πέτυχε 94% σε αυτό το benchmark.
MMLU Pro
86%
MMLU Pro: MMLU Επαγγελματική έκδοση. Μια βελτιωμένη έκδοση του MMLU με 12.032 ερωτήσεις σε δυσκολότερη μορφή 10 επιλογών. Καλύπτει Μαθηματικά, Φυσική, Χημεία, Νομική, Μηχανική, Οικονομικά, Υγεία, Ψυχολογία, Επιχειρήσεις, Βιολογία, Φιλοσοφία και Πληροφορική. Το GLM-5.2 πέτυχε 86% σε αυτό το benchmark.
IFEval
85%
IFEval: Αξιολόγηση ακολουθίας οδηγιών. Μετρά πόσο καλά ένα μοντέλο ακολουθεί συγκεκριμένες οδηγίες και περιορισμούς. Δοκιμάζει την ικανότητα τήρησης κανόνων μορφοποίησης, ορίων μήκους και άλλων ρητών απαιτήσεων. Το GLM-5.2 πέτυχε 85% σε αυτό το benchmark.
AIME 2025
99%
AIME 2025: American Invitational Math Exam. Μαθηματικά προβλήματα επιπέδου διαγωνισμού από την πρεστίζ εξέταση AIME σχεδιασμένη για ταλαντούχους μαθητές λυκείου. Δοκιμάζει προηγμένη μαθηματική επίλυση προβλημάτων που απαιτεί αφηρημένη σκέψη, όχι απλή αναγνώριση προτύπων. Το GLM-5.2 πέτυχε 99% σε αυτό το benchmark.
MATH
97%
MATH: Μαθηματική επίλυση προβλημάτων. Ένα ολοκληρωμένο μαθηματικό benchmark που δοκιμάζει επίλυση προβλημάτων σε άλγεβρα, γεωμετρία, λογισμό και άλλους μαθηματικούς τομείς. Απαιτεί πολυβηματική συλλογιστική και τυπική μαθηματική γνώση. Το GLM-5.2 πέτυχε 97% σε αυτό το benchmark.
GSM8k
98%
GSM8k: Μαθηματικά δημοτικού 8K. 8.500 μαθηματικά προβλήματα κειμένου επιπέδου δημοτικού που απαιτούν πολυβηματική συλλογιστική. Δοκιμάζει βασική αριθμητική και λογική σκέψη μέσω σεναρίων πραγματικής ζωής όπως ψώνια ή υπολογισμοί χρόνου. Το GLM-5.2 πέτυχε 98% σε αυτό το benchmark.
MGSM
91%
MGSM: Πολύγλωσσα μαθηματικά δημοτικού. Το GSM8k benchmark μεταφρασμένο σε 10 γλώσσες, συμπεριλαμβανομένων Ισπανικών, Γαλλικών, Γερμανικών, Ρωσικών, Κινεζικών και Ιαπωνικών. Δοκιμάζει μαθηματική συλλογιστική σε διάφορες γλώσσες. Το GLM-5.2 πέτυχε 91% σε αυτό το benchmark.
SWE-Bench
62%
SWE-Bench: Benchmark μηχανικής λογισμικού. Τα μοντέλα AI προσπαθούν να επιλύσουν πραγματικά GitHub issues σε έργα ανοικτού κώδικα Python με ανθρώπινη επαλήθευση. Δοκιμάζει πρακτικές δεξιότητες μηχανικής λογισμικού σε παραγωγικές βάσεις κώδικα. Τα κορυφαία μοντέλα πήγαν από 4,4% το 2023 σε πάνω από 70% το 2024. Το GLM-5.2 πέτυχε 62% σε αυτό το benchmark.
HumanEval
97%
HumanEval: Προβλήματα προγραμματισμού Python. 164 χειρόγραφα προβλήματα προγραμματισμού όπου τα μοντέλα πρέπει να δημιουργήσουν σωστές υλοποιήσεις συναρτήσεων Python. Κάθε λύση επαληθεύεται με unit tests. Τα κορυφαία μοντέλα τώρα επιτυγχάνουν 90%+ ακρίβεια. Το GLM-5.2 πέτυχε 97% σε αυτό το benchmark.
LiveCodeBench
65%
LiveCodeBench: Live coding benchmark. Δοκιμάζει ικανότητες κωδικοποίησης σε συνεχώς ενημερωμένες, πραγματικές προκλήσεις προγραμματισμού. Σε αντίθεση με στατικά benchmarks, χρησιμοποιεί φρέσκα προβλήματα για να αποτρέψει τη μόλυνση δεδομένων και να μετρήσει πραγματικές δεξιότητες κωδικοποίησης. Το GLM-5.2 πέτυχε 65% σε αυτό το benchmark.
Terminal-Bench
81%
Terminal-Bench: Εργασίες Terminal/CLI. Δοκιμάζει την ικανότητα εκτέλεσης λειτουργιών γραμμής εντολών, γραφής shell scripts και πλοήγησης σε περιβάλλοντα τερματικού. Μετρά πρακτικές δεξιότητες διαχείρισης συστήματος και ροών εργασίας ανάπτυξης. Το GLM-5.2 πέτυχε 81% σε αυτό το benchmark.
ARC-AGI
14%
ARC-AGI: Αφαίρεση και συλλογιστική. Abstraction and Reasoning Corpus for AGI - δοκιμάζει ρευστή νοημοσύνη μέσω νέων παζλ αναγνώρισης προτύπων. Κάθε εργασία απαιτεί ανακάλυψη του υποκείμενου κανόνα από παραδείγματα, μετρώντας γενική ικανότητα συλλογιστικής αντί απομνημόνευσης. Το GLM-5.2 πέτυχε 14% σε αυτό το benchmark.

Σχετικά με το GLM-5.2

Μάθετε για τις δυνατότητες, τα χαρακτηριστικά του GLM-5.2 και πώς μπορεί να σας βοηθήσει να επιτύχετε καλύτερα αποτελέσματα.

Αρχιτεκτονική Mixture of Experts

Το GLM-5.2 είναι ένα flagship μοντέλο Mixture of Experts (MoE) σχεδιασμένο για εργασίες μεγάλου ορίζοντα και αυτόνομα agentic workflows. Χρησιμοποιεί μια τεράστια αρχιτεκτονική 753 δισεκατομμυρίων παραμέτρων με περίπου 40 δισεκατομμύρια ενεργές παραμέτρους ανά token. Αυτός ο σχεδιασμός αποτελεί ένα σημαντικό άλμα στην αποδοτικότητα της σειράς GLM, μειώνοντας το υπολογιστικό κόστος και διατηρώντας παράλληλα την απόδοση σε πολύπλοκες λογικές εργασίες.

Αποδοτικότητα IndexShare

Το μοντέλο εισάγει το IndexShare, μια καινοτόμο αρχιτεκτονική βελτίωση που επαναχρησιμοποιεί indexers σε sparse attention layers. Αυτή η καινοτομία μειώνει τις πράξεις κινητής υποδιαστολής ανά token κατά 2.9 φορές στο πλήρες context length του 1 εκατομμυρίου tokens. Αυτή η αποδοτικότητα καθιστά το τεράστιο context window πραγματικά χρήσιμο για projects μεγάλης κλίμακας, αντί να παραμένει απλώς ένα θεωρητικό όριο.

Εξειδικευμένη Agentic Εκπαίδευση

Αυτό που διακρίνει το GLM-5.2 από τις εναλλακτικές λύσεις είναι η εστίασή του σε διαδρομές coding μεγάλου ορίζοντα. Εκπαιδεύτηκε ειδικά σε πολύπλοκες εργασίες debugging και υλοποίησης σε ολόκληρες βάσεις κώδικα. Οι developers μπορούν να εναλλάσσονται μεταξύ των επιπέδων reasoning effort High και Max, επιτρέποντας στο μοντέλο να διαθέτει περισσότερη υπολογιστική ισχύ σε εσωτερικό reasoning για βελτιστοποίηση συστημάτων και προχωρημένη μαθηματική επίλυση προβλημάτων.

GLM-5.2

Περιπτώσεις χρήσης για GLM-5.2

Ανακαλύψτε τους διαφορετικούς τρόπους που μπορείτε να χρησιμοποιήσετε το GLM-5.2 για εξαιρετικά αποτελέσματα.

Agentic Software Engineering

Αναπτύξτε το model μέσα σε αυτόνομα frameworks για να διαχειρίζεται εργασίες ανάπτυξης, από τη συγκέντρωση απαιτήσεων έως το τελικό deployment.

Refactoring Κώδικα Μεγάλης Κλίμακας

Αναλύστε και ξαναγράψτε software projects πολλών αρχείων φορτώνοντας ολόκληρη τη βάση κώδικα στο context window του 1M.

Αυτοματοποιημένος Έλεγχος Εγγράφων

Επεξεργαστείτε τεράστια σύνολα νομικών ή τεχνικών εγγράφων για να εντοπίσετε ασυνέπειες ή να εξάγετε δομημένα δεδομένα με υψηλή ακρίβεια reasoning.

Παραγωγή 3D Σκηνών

Αξιοποιήστε την εξειδικευμένη ισχύ του σε WebGL και HTML5 για να παράγετε περίπλοκα διαδραστικά 3D γραφικά από text prompts.

Αυτοματοποίηση Επιχειρησιακής Λογικής

Συνδέστε το model σε agent operating systems για να διαχειρίζεται κοινόχρηστη μνήμη και να εκτελεί προγραμματισμένες ροές εργασίας πολλών ωρών χωρίς επίβλεψη.

Ανάπτυξη με Προτεραιότητα στην Τοπική Ιδιωτικότητα

Τρέξτε το open weight model σε ιδιωτικά clusters για να διασφαλίσετε την πλήρη κυριαρχία των δεδομένων σας σε ευαίσθητα εταιρικά έργα μηχανικής.

Δυνατά σημεία

Περιορισμοί

Εξαιρετική Coding Intelligence: Το model κατατάσσεται #3 στο FrontierSWE με σκορ 74.4%, αποδεικνύοντας την ικανότητά του σε μηχανολογικά έργα πολλών ωρών.
Υψηλή Πολυλογία (Token Verbosity): Το model τείνει να παράγει περίπου 2 φορές περισσότερα tokens από τον προκάτοχό του για να επιτύχει αποτελέσματα, αυξάνοντας το latency.
Επαναστατική Σχέση Τιμής/Απόδοσης: Με $1.40/$4.40 ανά εκατομμύριο tokens, προσφέρει νοημοσύνη επιπέδου frontier με περίπου το 1/6 του κόστους των proprietary ανταγωνιστών.
Τεράστιες Απαιτήσεις Υλικού: Με αποτύπωμα 753B παραμέτρων, το τοπικό deployment είναι απρόσιτο για τους περισσότερους μεμονωμένους developers χωρίς σημαντικό quantization.
Πραγματικά Χρήσιμο 1M Context: Είναι βελτιστοποιημένο για πολύπλοκες διαδρομές κώδικα μεγάλου ορίζοντα, όπου προηγούμενα models συχνά απέτυχαν να διατηρήσουν τη συνοχή.
Πιο αργή Απόκριση (Wall-Clock Response): Οι χρόνοι απόκρισης μπορεί να είναι έως και 3 φορές μεγαλύτεροι από τα δυτικά models λόγω των εκτεταμένων κύκλων εσωτερικού reasoning.
Πλήρης Κυριαρχία και Ιδιωτικότητα: Τα open weights με άδεια MIT επιτρέπουν στους developers να τρέχουν το model τοπικά, αποφεύγοντας κινδύνους εξωτερικού API και διαρροές δεδομένων.
Πλατό στη Δημιουργικότητα Σχεδιασμού: Αν και τεχνικά ικανό στο frontend coding, μπορεί να είναι λιγότερο δημιουργικό στον αισθητικό σχεδιασμό από το Claude Opus.

Γρήγορη εκκίνηση API

zhipu/glm-5.2

Προβολή τεκμηρίωσης
zhipu SDK
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'YOUR_Z_AI_API_KEY',
  baseURL: 'https://api.z.ai/api/paas/v4/',
});

async function main() {
  const completion = await client.chat.completions.create({
    model: 'glm-5.2',
    messages: [{ role: 'user', content: 'Design a WebGL 3D city scene.' }],
    // @ts-ignore - specialized Z.ai parameter
    thinking: { type: 'enabled' },
    reasoning_effort: 'max',
  });

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

main();

Εγκαταστήστε το SDK και αρχίστε να κάνετε κλήσεις API σε λίγα λεπτά.

Τι λένε οι άνθρωποι για το GLM-5.2

Δείτε τι πιστεύει η κοινότητα για το GLM-5.2

Λέω εδώ και μήνες ότι τα open source AI models είναι 6 μήνες πίσω από τα frontier. Τους έφτασαν. Το GLM 5.2 είναι τόσο καλό όσο το Opus 4.8.
Alex Finn
twitter
Το άλμα μεταξύ 5.1 και 5.2 είναι αρκετά μεγάλο... του αρέσουν πολύ οι μεγάλες αλυσίδες σκέψης εδώ και κερδίζει τα proprietary μοντέλα.
Sam Witteveen
youtube
Το 2-bit model διατηρεί ~82% ακρίβεια αφού το μειώσαμε από 1.51TB σε 238GB. Το GLM-5.2 είναι το ισχυρότερο ανοιχτό μοντέλο μέχρι σήμερα.
Unsloth AI
twitter
Ηγείται στα open-weight μοντέλα και έχει καταλάβει την κορυφή στο Design Arena, ξεπερνώντας το πλέον μη διαθέσιμο Claude Fable 5.
Brian Roemmele
twitter
Το context window του 1 εκατομμυρίου tokens είναι lossless, κάτι που είναι εντυπωσιακό για ένα μοντέλο open weight.
DevGuru
reddit
Οι αριθμοί των benchmarks είναι ένα πράγμα, αλλά σε πραγματικά agent workflows, φαίνεται πολύ στιβαρό.
TechInnovator
hackernews

Βίντεο για το GLM-5.2

Δείτε οδηγούς, κριτικές και συζητήσεις για το GLM-5.2

Το άλμα μεταξύ 5.1 και 5.2 είναι αρκετά μεγάλο... του αρέσουν πολύ οι μακρές αλυσίδες σκέψης εδώ.

Πραγματικά δεν βλέπω τον λόγο να χρησιμοποιώ μοντέλα όπως το Sonnet ή το Gemini Flash αν αυτό μπορεί να τα αντικαταστήσει πολύ φθηνότερα.

Το context window του 1 εκατομμυρίου tokens είναι lossless, κάτι που είναι εντυπωσιακό για ένα μοντέλο open weight.

Στοχεύει ξεκάθαρα σε developers που χρειάζονται τοπικό έλεγχο στις μηχανές reasoning τους.

Οι αριθμοί των benchmarks είναι ένα πράγμα, αλλά σε πραγματικά agent workflows, φαίνεται πολύ στιβαρό.

Είναι το πρώτο open-weight μοντέλο που ξεπερνά το 80 στο Terminal Bench και είναι στα ίδια επίπεδα με το GPT 5.5.

Πήγατε από 15.000 tokens σε 30.000. Αυτό είναι token abuse... θα περιμένετε διπλάσιο χρόνο.

Οι τοπικές δοκιμές δείχνουν ότι διαχειρίζεται πολύπλοκες δομές αρχείων καλύτερα από το DeepSeek v4.

Το reasoning effort Max πιέζει πραγματικά το υλικό, αλλά η λογική είναι σωστή.

Η άδεια MIT σημαίνει ότι μπορείτε να το χρησιμοποιήσετε σχεδόν για οτιδήποτε χωρίς να ανησυχείτε για όρους.

Έχω δει κάποια τρελά benchmarks που σκοράρουν υψηλότερα από το Fable στο design bench και προκαλεί θόρυβο.

Ζήτησα από το GLM 5.2 να επανασχεδιάσει αυτή την εφαρμογή... καμία αποτυχημένη επεξεργασία. Πολύ καθαρό, για να είμαι ειλικρινής.

Οι ικανότητες frontend είναι ένα σημαντικό πλεονέκτημα για αυτή την έκδοση.

Μοιάζει περισσότερο με εργαλείο για την κατασκευή άλλων εργαλείων παρά με ένα απλό chatbot.

Η δυνατότητα επιθεώρησης των thinking tokens είναι το όνειρο κάθε developer για debugging της λογικής.

Περισσότερα από απλά prompts

Ενισχύστε τη ροή εργασίας σας με Αυτοματισμό AI

Το Automatio συνδυάζει τη δύναμη των AI agents, του web automation και των έξυπνων ενσωματώσεων για να σας βοηθήσει να επιτύχετε περισσότερα σε λιγότερο χρόνο.

AI Agents
Web Automation
Έξυπνες ροές εργασίας

Επαγγελματικές συμβουλές για GLM-5.2

Εξειδικευμένες συμβουλές για να αξιοποιήσετε στο έπακρο το GLM-5.2 και να επιτύχετε καλύτερα αποτελέσματα.

Ενεργοποιήστε το Max Reasoning για λογικά προβλήματα

Ενεργοποιήστε το επίπεδο reasoning effort Max για πολύπλοκες εργασίες coding ή μαθηματικών, όπου η ακρίβεια είναι πιο κρίσιμη από την ταχύτητα παραγωγής.

Φορτώστε ολόκληρα projects

Χρησιμοποιήστε το context window του 1M για να παρέχετε στο model ολόκληρη την τεκμηρίωση του project και τους style guides, διασφαλίζοντας συνεπή κώδικα.

Βελτιστοποιήστε με Quantization

Χρησιμοποιήστε FP8 ή 2-bit quantization για τοπικά deployments ώστε να χωρέσετε το τεράστιο αποτύπωμα των 753B parameters σε high-end εξοπλισμό.

Επιθεωρήστε τα Thinking tokens

Αξιοποιήστε την εγγενή υποστήριξη για thinking tokens για να ελέγξετε την εσωτερική λογική πριν από την τελική απάντηση, ώστε να εντοπίσετε πιθανά σφάλματα νωρίς.

Μαρτυρίες

Τι λένε οι χρήστες μας

Ενταχθείτε στις χιλιάδες ικανοποιημένων χρηστών που έχουν μεταμορφώσει τη ροή εργασίας τους

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Σχετικά AI Models

alibaba

Qwen3.5-Omni

alibaba

Qwen3.5-Omni is a natively omnimodal AI by Alibaba Cloud, offering seamless audio-visual reasoning, real-time voice chat, and 256k context for low-latency apps.

256K context
$0.40/$4.80/1M
openai

GPT-5.4

OpenAI

GPT-5.4 is OpenAI's frontier model featuring a 1.05M context window and Extreme Reasoning. It excels at autonomous UI interaction and long-form data analysis.

1M context
$2.50/$15.00/1M
moonshot

Kimi K2 Thinking

Moonshot

Kimi K2 Thinking is Moonshot AI's trillion-parameter reasoning model. It outperforms GPT-5 on HLE and supports 300 sequential tool calls autonomously for...

256K context
$0.60/$2.50/1M
openai

GPT-5.3 Codex

OpenAI

GPT-5.3 Codex is OpenAI's 2026 frontier coding agent, featuring a 400K context window, 77.3% Terminal-Bench score, and superior logic for complex software...

400K context
$1.75/$14.00/1M
openai

GPT-5.2

OpenAI

GPT-5.2 is OpenAI's flagship model for professional tasks, featuring a 400K context window, elite coding, and deep multi-step reasoning capabilities.

400K context
$1.75/$14.00/1M
alibaba

Qwen3.6-Max-Preview

alibaba

Qwen3.6-Max-Preview is Alibaba's flagship MoE model featuring 1M context, a native thinking mode, and SOTA scores in agentic coding and reasoning.

1M context
$1.25/$10.00/1M
zhipu

GLM-5

Zhipu (GLM)

GLM-5 is Zhipu AI's 744B parameter open-weight powerhouse, excelling in long-horizon agentic tasks, coding, and factual accuracy with a 200k context window.

200K context
$1.00/$3.20/1M
zhipu

GLM-5.1

Zhipu (GLM)

GLM-5.1 is Zhipu AI's flagship reasoning model, featuring a 202K context window and an autonomous 8-hour execution loop for complex agentic engineering.

203K context
$1.40/$4.40/1M

Συχνές ερωτήσεις για GLM-5.2

Βρείτε απαντήσεις σε συνηθισμένες ερωτήσεις σχετικά με το GLM-5.2