Z.ai
Text Generation
GLM-4.7
GLM-4.7はZhipuの新世代フラッグシップModelで、総パラメーターは355B、アクティベートパラメーターは32Bあり、会話、推論、エージェント機能において総合的なアップグレードを提供します。回答はより簡潔で自然になり、執筆はより没入感があり、ツールコール指示はより確実に遵守され、アーティファクトと代理コーディングのフロントエンド仕上げや、長期的タスク完了効率がさらに向上しました。...
Total Context:
205K
Max output:
205K
Input：
$
0.42
/ M Tokens
Input：
$
text
/ M Tokens
Output:
$
2.2
/ M Tokens
Z.ai
Text Generation
GLM-4.5-Air
GLM-4.5シリーズのモデルは、インテリジェントエージェントのために設計されたファウンデーションモデルです。GLM-4.5-Airは、合計1060億のパラメーターと、120億のアクティブパラメーターを備えた、よりコンパクトな設計を採用しています。また、思考モードと非思考モードの両方を提供するハイブリッド推論モデルでもあります。...
Total Context:
131K
Max output:
131K
Input：
$
0.14
/ M Tokens
Input：
$
text
/ M Tokens
Output:
$
0.86
/ M Tokens
Z.ai
Text Generation
GLM-5.2
GLM-5.2 is Z.ai’s most capable open-source model to date, built for long-horizon agentic engineering with a truly usable 1M-token context window. It keeps project state intact across ultra-long tasks, reducing the need to compress or discard context—the longer the task, the more it can remember and reason....
Total Context:
1049K
Max output:
262K
Input：
$
1.302
/ M Tokens
Input：
$
text
/ M Tokens
Output:
$
4.092
/ M Tokens
Z.ai
Text Generation
GLM-5.1
GLM-5.1 is Z.ai's next-generation flagship model built for agentic engineering. It is designed to run continuously for hours or even longer, refining its strategy as it works—the longer it runs, the better the results....
Total Context:
205K
Max output:
131K
Input：
$
1.19
/ M Tokens
Input：
$
text
/ M Tokens
Output:
$
3.74
/ M Tokens
Z.ai
Text Generation
GLM-5V-Turbo
GLM-5V-Turbo is Zhipu’s latest flagship multimodal foundation model, optimized for multimodal coding and agent capabilities. It supports up to 200K tokens of image, video, and text context, and, when integrated with frameworks such as Claude Code and OpenClaw, can handle complex long-horizon programming and assistant tasks....
Total Context:
205K
Max output:
131K
Input：
$
1.2
/ M Tokens
Input：
$
text
/ M Tokens
Output:
$
4.0
/ M Tokens
Z.ai
Text Generation
GLM-5
GLM-5 is a next-generation open-source model for complex systems engineering and long-horizon agentic tasks, scaled to ~744B sparse parameters (~40B active) with ~28.5T pretraining tokens. It integrates DeepSeek Sparse Attention (DSA) to retain long-context capacity while reducing inference cost, and leverages the “slime” asynchronous RL stack to deliver strong performance in reasoning, coding, and agentic benchmarks....
Total Context:
205K
Max output:
131K
Input：
$
0.95
/ M Tokens
Input：
$
text
/ M Tokens
Output:
$
2.55
/ M Tokens
