zhipu

GLM-5

GLM-5 คือโมเดล open-weight ทรงพลังขนาด 744B parameters จาก Zhipu AI ที่โดดเด่นในงาน agentic แบบ long-horizon, การเขียนโค้ด และความถูกต้องของข้อมูล พร้อม...

Open WeightsAgentic EngineeringMoEZhipu AIAI สำหรับการเขียนโค้ด
zhipu logozhipuGLMFebruary 11, 2026
บริบท
200Kโทเคน
เอาต์พุตสูงสุด
128Kโทเคน
ราคาอินพุต
$1.00/ 1M
ราคาเอาต์พุต
$3.20/ 1M
โหมด:Text
ความสามารถ:เครื่องมือสตรีมมิ่งการใช้เหตุผล
เกณฑ์มาตรฐาน
GPQA
68.2%
GPQA: คำถามวิทยาศาสตร์ระดับบัณฑิตศึกษา. เกณฑ์มาตรฐานที่เข้มงวดพร้อม 448 คำถามจากชีววิทยา ฟิสิกส์ และเคมี ผู้เชี่ยวชาญ PhD ทำได้เพียง 65-74% GLM-5 ได้คะแนน 68.2% ในเกณฑ์มาตรฐานนี้
HLE
32%
HLE: การใช้เหตุผลระดับผู้เชี่ยวชาญ. ทดสอบความสามารถของโมเดลในการแสดงการใช้เหตุผลระดับผู้เชี่ยวชาญในสาขาเฉพาะทาง GLM-5 ได้คะแนน 32% ในเกณฑ์มาตรฐานนี้
MMLU
85%
MMLU: ความเข้าใจภาษาแบบมัลติทาสก์ขนาดใหญ่. เกณฑ์มาตรฐานที่ครอบคลุมพร้อม 16,000 คำถามใน 57 วิชา GLM-5 ได้คะแนน 85% ในเกณฑ์มาตรฐานนี้
MMLU Pro
70.4%
MMLU Pro: MMLU รุ่นมืออาชีพ. เวอร์ชันที่ปรับปรุงของ MMLU พร้อม 12,032 คำถามและรูปแบบ 10 ตัวเลือกที่ยากขึ้น GLM-5 ได้คะแนน 70.4% ในเกณฑ์มาตรฐานนี้
SimpleQA
48%
SimpleQA: เกณฑ์มาตรฐานความถูกต้องของข้อเท็จจริง. ทดสอบความสามารถของโมเดลในการให้คำตอบที่ถูกต้องและเป็นข้อเท็จจริง GLM-5 ได้คะแนน 48% ในเกณฑ์มาตรฐานนี้
IFEval
88%
IFEval: การประเมินการปฏิบัติตามคำสั่ง. วัดว่าโมเดลปฏิบัติตามคำสั่งและข้อจำกัดเฉพาะได้ดีเพียงใด GLM-5 ได้คะแนน 88% ในเกณฑ์มาตรฐานนี้
AIME 2025
84%
AIME 2025: การสอบคณิตศาสตร์เชิญชวนอเมริกัน. โจทย์คณิตศาสตร์ระดับการแข่งขันจากการสอบ AIME ที่มีชื่อเสียง GLM-5 ได้คะแนน 84% ในเกณฑ์มาตรฐานนี้
MATH
88%
MATH: การแก้ปัญหาคณิตศาสตร์. เกณฑ์มาตรฐานคณิตศาสตร์ที่ครอบคลุมทดสอบการแก้ปัญหาในพีชคณิต เรขาคณิต แคลคูลัส GLM-5 ได้คะแนน 88% ในเกณฑ์มาตรฐานนี้
GSM8k
97%
GSM8k: คณิตศาสตร์ประถม 8K. 8,500 โจทย์คณิตศาสตร์ระดับประถมศึกษา GLM-5 ได้คะแนน 97% ในเกณฑ์มาตรฐานนี้
MGSM
90%
MGSM: คณิตศาสตร์ประถมหลายภาษา. เกณฑ์มาตรฐาน GSM8k แปลเป็น 10 ภาษา GLM-5 ได้คะแนน 90% ในเกณฑ์มาตรฐานนี้
MathVista
0%
MathVista: การใช้เหตุผลเชิงภาพคณิตศาสตร์. ทดสอบความสามารถในการแก้ปัญหาคณิตศาสตร์ที่มีองค์ประกอบภาพ GLM-5 ได้คะแนน 0% ในเกณฑ์มาตรฐานนี้
SWE-Bench
77.8%
SWE-Bench: เกณฑ์มาตรฐานวิศวกรรมซอฟต์แวร์. โมเดล AI พยายามแก้ปัญหา GitHub จริงในโครงการ Python GLM-5 ได้คะแนน 77.8% ในเกณฑ์มาตรฐานนี้
HumanEval
90%
HumanEval: โจทย์เขียนโปรแกรม Python. 164 โจทย์เขียนโปรแกรมที่โมเดลต้องสร้างการใช้งานฟังก์ชัน Python ที่ถูกต้อง GLM-5 ได้คะแนน 90% ในเกณฑ์มาตรฐานนี้
LiveCodeBench
52%
LiveCodeBench: เกณฑ์มาตรฐานเขียนโค้ดสด. ทดสอบความสามารถในการเขียนโค้ดบนความท้าทายการเขียนโปรแกรมจริงที่อัปเดตอย่างต่อเนื่อง GLM-5 ได้คะแนน 52% ในเกณฑ์มาตรฐานนี้
MMMU
0%
MMMU: ความเข้าใจหลายโหมด. เกณฑ์มาตรฐานความเข้าใจหลายโหมดจาก 30 วิชามหาวิทยาลัย GLM-5 ได้คะแนน 0% ในเกณฑ์มาตรฐานนี้
MMMU Pro
0%
MMMU Pro: MMMU รุ่นมืออาชีพ. เวอร์ชันที่ปรับปรุงของ MMMU พร้อมคำถามที่ท้าทายมากขึ้น GLM-5 ได้คะแนน 0% ในเกณฑ์มาตรฐานนี้
ChartQA
0%
ChartQA: คำถามและคำตอบกราฟ. ทดสอบความสามารถในการเข้าใจและวิเคราะห์ข้อมูลจากกราฟและแผนภูมิ GLM-5 ได้คะแนน 0% ในเกณฑ์มาตรฐานนี้
DocVQA
0%
DocVQA: คำถามเชิงภาพเอกสาร. ทดสอบความสามารถในการสกัดข้อมูลจากภาพเอกสาร GLM-5 ได้คะแนน 0% ในเกณฑ์มาตรฐานนี้
Terminal-Bench
56.2%
Terminal-Bench: งาน Terminal/CLI. ทดสอบความสามารถในการดำเนินการ command-line GLM-5 ได้คะแนน 56.2% ในเกณฑ์มาตรฐานนี้
ARC-AGI
12%
ARC-AGI: การนามธรรมและการใช้เหตุผล. ทดสอบความฉลาดที่ยืดหยุ่นผ่านปริศนาการจดจำรูปแบบใหม่ GLM-5 ได้คะแนน 12% ในเกณฑ์มาตรฐานนี้

เกี่ยวกับ GLM-5

เรียนรู้เกี่ยวกับความสามารถของ GLM-5 คุณสมบัติ และวิธีที่จะช่วยให้คุณได้ผลลัพธ์ที่ดีขึ้น

GLM-5 คือ flagship foundation model รุ่นถัดไปของ Zhipu AI ที่ได้รับการออกแบบทางวิศวกรรมมาโดยเฉพาะเพื่อนิยามมาตรฐานใหม่ของ Agentic Engineering สำหรับระบบ open-weight สร้างขึ้นบนสถาปัตยกรรม Mixture of Experts (MoE) ขนาดมหึมา 744 พันล้าน parameters พร้อม active parameters 40 พันล้านรายการ นับเป็นโมเดล open-weights ตัวแรกที่สามารถลดช่องว่างด้านประสิทธิภาพกับยักษ์ใหญ่เจ้าของลิขสิทธิ์อย่าง Claude 4.5 ได้ โมเดลนี้โดดเด่นในด้านความหนาแน่นของตรรกะและวิศวกรรมซอฟต์แวร์ โดยทำคะแนนระดับก้าวกระโดดได้ถึง 77.8% ใน SWE-Bench Verified

ในเชิงเทคนิค GLM-5 ได้รวมเอาเทคโนโลยีขั้นสูงอย่าง Multi-head Latent Attention (MLA) และกลไก Sparse Attention มาใช้เพื่อเพิ่มประสิทธิภาพของ token และลดภาระการใช้หน่วยความจำลง 33% ผ่านการฝึกฝนด้วยข้อมูลขนาด 28.5 ล้านล้าน tokens โดยใช้คลัสเตอร์ชิป Huawei Ascend จำนวน 100,000 ตัวที่ผลิตภายในประเทศทั้งหมด ซึ่งพิสูจน์ให้เห็นว่า frontier-level reasoning นั้นเป็นไปได้โดยไม่ต้องพึ่งพาฮาร์ดแวร์ระดับไฮเอนด์ของ NVIDIA ด้วย context window ขนาด 200,000 tokens และ 'โหมดการคิด' เฉพาะทาง ทำให้มันสามารถส่งมอบผลลัพธ์ที่มีความเสถียรและมี hallucination ต่ำสำหรับเวิร์กโฟลว์ทางเทคนิคที่ต้องการความแม่นยำสูง

GLM-5 ได้รับการปรับแต่งเพื่อความน่าเชื่อถือ โดยทำหน้าที่เป็นรากฐานสำหรับ autonomous technical agents ที่สามารถรักษาความต่อเนื่องของสถานะงานได้ตลอดการรันงานระยะยาว (long-horizon) ด้วยสัญญาอนุญาต MIT ที่ยืดหยุ่นและราคาที่แข่งขันได้เพียง $1.00 ต่อล้าน input tokens ทำให้เป็นตัวเลือกที่เหมาะสมที่สุดสำหรับองค์กรที่ต้องการติดตั้งใช้งานเองภายใน หรือการรวมเข้ากับ API สเกลใหญ่โดยไม่ต้องกังวลกับข้อกำหนดที่จำกัดของโมเดลปิด

GLM-5

กรณีการใช้งานสำหรับ GLM-5

ค้นพบวิธีต่างๆ ที่คุณสามารถใช้ GLM-5 เพื่อได้ผลลัพธ์ที่ยอดเยี่ยม

วิศวกรรมระบบที่ซับซ้อน

การออกแบบและดูแลสถาปัตยกรรม microservice พร้อมการจัดการ dependency แบบอัตโนมัติ

งาน Agentic แบบ Long-Horizon

การดำเนินงานด้านเทคนิคที่มีหลายขั้นตอน ซึ่งต้องการหน่วยความจำที่ต่อเนื่องสำหรับการทำงานนานกว่าหนึ่งชั่วโมง

การย้ายระบบ Codebase เก่า

การทำ refactoring ทั้ง repository และการอัปเดต dependency ที่ล้าสมัยผ่าน context window ขนาด 200k tokens

การวิจัยทางเทคนิคที่มีความแม่นยำสูง

การทำงานวิจัยทางเทคนิคที่ต้องการความถูกต้องของข้อมูลเป็นสำคัญและลดโอกาสการเกิด hallucination

การปฏิบัติการ Terminal อัตโนมัติ

ขับเคลื่อน dev-agents ให้สามารถรันการตรวจสอบความปลอดภัยและคำสั่งบริหารจัดการระบบได้โดยอัตโนมัติ

การปรับใช้ในระดับโลกแบบสองภาษา

ให้บริการ reasoning ระดับแนวหน้าทั้งภาษาอังกฤษและภาษาจีนสำหรับแอปพลิเคชันระดับองค์กรในวงกว้าง

จุดแข็ง

ข้อจำกัด

ความฉลาดแบบ Agentic ระดับพรีเมียม: ทำคะแนน Agentic Index ได้สูงสุด (63) ในบรรดาโมเดล open-weight สำหรับการปฏิบัติงานที่มีหลายขั้นตอน
ไม่มี Multimodality ในตัว: ขาดความสามารถในการประมวลผลภาพ เสียง และวิดีโอแบบ native เหมือนที่มีในคู่แข่งอย่าง GPT-4o
อัตรา Hallucination ต่ำ: มีการลดลงของ hallucination ถึง 56% เมื่อเทียบกับรุ่นก่อนหน้า โดยให้ความสำคัญกับความถูกต้องของข้อเท็จจริง
ความต้องการทรัพยากรในการโฮสต์สูงมาก: ด้วยน้ำหนักโมเดลขนาด 1.5TB BF16 ทำให้การติดตั้งใช้งานแบบ local แทบจะเป็นไปไม่ได้เลยสำหรับผู้ใช้ทั่วไปที่ไม่มีโครงสร้างพื้นฐานคลาวด์
ประสิทธิภาพ MoE ขนาดมหึมา: สถาปัตยกรรม 744B parameters ให้ความหนาแน่นของตรรกะระดับ flagship ในขณะที่ MLA ช่วยลดภาระการใช้หน่วยความจำลงได้ 33%
Inference Latency สูง: ระยะเวลาเริ่มต้นจนถึง token แรก (time-to-first-token) อาจสูงกว่า 7 วินาทีบน public API เมื่อเทียบกับโมเดลตระกูล 'flash' ที่ขนาดเล็กกว่า
สัญญาอนุญาต MIT ที่ยืดหยุ่น: เปิดตัวภายใต้สัญญาอนุญาตแบบ open-source แท้จริง ช่วยให้ใช้งานเชิงพาณิชย์ได้โดยไม่มีข้อจำกัดที่เข้มงวด
รายละเอียดการออกแบบ Frontend: แม้จะเก่งด้านตรรกะ แต่อาจมีปัญหากับการปรับแต่งความสวยงามของ CSS ในระดับละเอียดเมื่อเทียบกับ Claude

เริ่มต้นด่วน API

zai/glm-5

ดูเอกสาร
zhipu SDK
import { ZhipuAI } from "zhipuai-sdk";

const client = new ZhipuAI({ apiKey: "YOUR_API_KEY" });

async function main() {
  const response = await client.chat.completions.create({
    model: "glm-5",
    messages: [{ role: "user", content: "Analyze this repo for security vulnerabilities." }],
    stream: true,
  });

  for await (const chunk of response) {
    process.stdout.write(chunk.choices[0].delta.content || "");
  }
}

main();

ติดตั้ง SDK และเริ่มเรียก API ภายในไม่กี่นาที

ผู้คนพูดอะไรเกี่ยวกับ GLM-5

ดูว่าชุมชนคิดอย่างไรเกี่ยวกับ GLM-5

"GLM-5 คือผู้นำคนใหม่ในกลุ่ม open weights! มันทำคะแนนได้ 50 ใน Intelligence Index ซึ่งเป็นการปิดช่องว่างของประสิทธิภาพลงอย่างมาก"
Artificial Analysis
x
"โมเดลนี้เหลือเชื่อมาก ผมรันงานที่ใช้เวลากว่าหนึ่งชั่วโมงได้สำเร็จ... ทึ่งจริงๆ"
Theo - t3.gg
youtube
"GLM-5 ไม่ใช้ชิป NVIDIA เลย, มี 745B params และราคาแค่ $1 ต่อล้าน input tokens นี่คืออนาคตชัดๆ"
Legendary
x
"อัตรา hallucination ต่ำจนน่าตกใจ มันพร้อมจะตอบว่า 'ฉันไม่รู้' มากกว่าที่จะโกหกคุณ"
DevUser456
reddit
"Zhipu AI เพิ่งจะสร้างมาตรฐานใหม่ให้กับโมเดลเขียนโค้ดแบบ open source"
AIExplorer
hackernews
"ในที่สุดก็มีโมเดล open weight ที่ไม่สติหลุดไปกลางทางขณะทำงานที่ซับซ้อน"
CodeMaster
reddit

วิดีโอเกี่ยวกับ GLM-5

ดูบทเรียน รีวิว และการสนทนาเกี่ยวกับ GLM-5

มันเป็นโมเดล openweight ที่ดีที่สุดเท่าที่ผมเคยเห็นมา โดยเฉพาะงานด้านโค้ด

ความจริงที่ว่านี่คือโมเดล openweight ตัวแรกที่ผมใช้รันงานที่ใช้เวลากว่าหนึ่งชั่วโมงได้สำเร็จ... มันทำให้ผมทึ่งมาก

ดูเหมือนจะเป็นโมเดลที่มี hallucination น้อยที่สุดเท่าที่เคยมีมา

เรากำลังเห็นการเปลี่ยนแปลงครั้งใหญ่ในสิ่งที่โมเดล open weight สามารถทำได้จริงในสภาพแวดล้อมการทำงานจริง

ความเสถียรของโมเดลนี้ระหว่างการใช้งานเครื่องมือในเซสชันยาวๆ นั้นไม่เคยมีมาก่อนจริงๆ

ฟีลลิ่งในการเขียนโค้ดที่นี่ทรงพลังมาก... เทียบได้กับ GLM 4.7 ที่ยอดเยี่ยมอยู่แล้ว

การนำ dynamic island มาใส่ใน UI mockup เป็นฟีเจอร์พิเศษที่เจ๋งและคาดไม่ถึงมาก

มันทำผลงานได้เหนือกว่าโมเดลอื่นๆ เกือบทั้งหมดในระดับเดียวกันสำหรับตรรกะที่ซับซ้อน

ความลึกของ reasoning ที่นี่ทำให้ผมนึกถึงครั้งแรกที่ใช้ o1 แต่นี่เป็นแบบ open weight

สำหรับโมเดลที่รับเฉพาะข้อความ มันจัดการตรรกะด้านภาพในโค้ดได้ดีกว่าโมเดล vision หลายตัวเสียอีก

การใช้หน่วยความจำลดลงอย่างมาก... เราพบว่าประสิทธิภาพการใช้หน่วยความจำดีขึ้น 33 เท่าเมื่อเทียบกับสิ่งที่เราเคยทำก่อนหน้านี้

มันผ่านการทดสอบตรรกะ car wash เมื่อเปิดโหมดการคิด โดยเอาชนะทั้ง Claude และ GPT-4o ไปได้

การติดตั้งใช้งานตัวนี้ต้องใช้ server rack ระดับจริงจัง แต่ประสิทธิภาพต่อวัตต์นั้นบ้ามาก

มันจัดการการย้ายระบบ repository เก่าของผมได้โดยไม่มีชื่อไลบรารีที่เกิดจาก hallucination เลยแม้แต่ชื่อเดียว

โหมดการคิดไม่ใช่แค่ลูกเล่น แต่มันเปลี่ยนคุณภาพของผลลัพธ์ไปอย่างสิ้นเชิง

มากกว่าแค่พรอมต์

เพิ่มพลังให้เวิร์กโฟลว์ของคุณด้วย ระบบอัตโนมัติ AI

Automatio รวมพลังของ AI agents การอัตโนมัติเว็บ และการผสานรวมอัจฉริยะเพื่อช่วยให้คุณทำงานได้มากขึ้นในเวลาน้อยลง

AI Agents
การอัตโนมัติเว็บ
เวิร์กโฟลว์อัจฉริยะ

เคล็ดลับมือโปรสำหรับ GLM-5

เคล็ดลับจากผู้เชี่ยวชาญเพื่อช่วยให้คุณใช้ประโยชน์สูงสุดจาก GLM-5 และได้ผลลัพธ์ที่ดีขึ้น

เปิดใช้งานโหมดการคิด

GLM-5 จะทำงานได้ดีขึ้นอย่างมากในโจทย์ตรรกะที่ซับซ้อน เช่น การทดสอบ 'car wash' เมื่อเปิดใช้งาน reasoning

ใช้ประโยชน์จากสัญญาอนุญาต MIT

ใช้ข้อได้เปรียบจากการอนุญาตที่ยืดหยุ่นเพื่อการพัฒนาเชิงพาณิชย์และการโฮสต์ภายในองค์กรโดยไม่มีข้อจำกัด

การปรับแต่งการใช้เครื่องมือ

ใช้ GLM-5 สำหรับงานที่มีหลายขั้นตอน เนื่องจากมันถูกสร้างขึ้นเพื่อความเสถียรสูงในการทำงานแบบ agentic tool execution

การใช้งาน Context Window ให้คุ้มค่า

ใส่ codebase ทั้งหมดลงใน context window ขนาด 200k เพื่อตรวจสอบความปลอดภัยหรือทำการ refactoring ทั้งโปรเจกต์

คำรับรอง

ผู้ใช้ของเราพูดอย่างไร

เข้าร่วมกับผู้ใช้ที่พึงพอใจนับพันที่ได้เปลี่ยนแปลงเวิร์กโฟลว์ของพวกเขา

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.

ที่เกี่ยวข้อง AI Models

minimax

MiniMax M2.5

minimax

MiniMax M2.5 is a SOTA MoE model featuring a 1M context window and elite agentic coding capabilities at disruptive pricing for autonomous agents.

1M context
$0.30/$1.20/1M
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
alibaba

Qwen3-Coder-Next

alibaba

Qwen3-Coder-Next is Alibaba Cloud's elite Apache 2.0 coding model, featuring an 80B MoE architecture and 256k context window for advanced local development.

256K context
$0.14/$0.42/1M
anthropic

Claude Sonnet 4.5

Anthropic

Anthropic's Claude Sonnet 4.5 delivers world-leading coding (77.2% SWE-bench) and a 200K context window, optimized for the next generation of autonomous agents.

200K context
$3.00/$15.00/1M
alibaba

Qwen-Image-2.0

alibaba

Qwen-Image-2.0 is Alibaba's unified 7B model for professional infographics, photorealism, and precise image editing with native 2K resolution and 1k-token...

1K context
$0.07/1M
anthropic

Claude Opus 4.6

Anthropic

Claude Opus 4.6 is Anthropic's flagship model featuring a 1M token context window, Adaptive Thinking, and world-class coding and reasoning performance.

200K context
$5.00/$25.00/1M
moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

262K context
$0.60/$2.50/1M
deepseek

DeepSeek-V3.2-Speciale

DeepSeek

DeepSeek-V3.2-Speciale is a reasoning-first LLM featuring gold-medal math performance, DeepSeek Sparse Attention, and a 131K context window. Rivaling GPT-5...

131K context
$0.28/$0.42/1M

คำถามที่พบบ่อยเกี่ยวกับ GLM-5

ค้นหาคำตอบสำหรับคำถามทั่วไปเกี่ยวกับ GLM-5