关于GLM-4.5
GLM-4.5系列模型是为智能代理设计的基础模型，通过统一推理、编码和智能代理功能来满足智能代理应用的复杂需求。GLM-4.5 拥有 3550 亿个总参数和 320 亿个活跃参数，提供思考和非思考两种模式。
释放GLM-4.5智能代理的全部潜力。其统一的推理、编码和代理能力可以为复杂的真实世界挑战提供解决方案，利用深度‘思考’和快速‘非思考’模式。
自主代理编排
设计和部署能够自我改进的代理，利用GLM-4.5的统一推理和编码来规划、执行和适应复杂任务。
用例示例：
"一个代理自主管理了一云基础设施，识别性能瓶颈，编写Python脚本以扩展资源，并在没有人类干预的情况下部署修复。"
基于代理的代码重构
使代理能够分析代码库，理解架构模式，并进行复杂的重构或生成新模块，以高水平的推理能力。
用例示例：
"一个代理将一个旧Java企业应用重构为现代Spring Boot微服务，通过推理数据流和依赖关系优化模块化和可扩展性。"
战略商务智能
开发代理以合成多样的商务数据（报告、市场趋势、客户反馈），提供多方面的战略建议并预测结果。
用例示例：
"一个代理分析了季度财务报表、社交媒体情绪和竞争对手新闻，生成了一项详细的新产品市场进入策略，包括风险评估和预计的投资回报率。"
自动化系统设计与验证
利用GLM-4.5设计稳健的系统架构，验证组件间的逻辑一致性，并为部署生成配置脚本。
用例示例：
"一个代理设计了一个弹性的Kubernetes部署，用于高流量电子商务平台，生成Helm chart并验证网络策略以确保安全和可扩展性。"
动态知识合成
创建代理，从庞大的知识库中动态合成信息，解释复杂概念，并根据用户交互和推理调整学习路径。
用例示例：
"一个代理开发了一个个性化学习模块，用于高级机器学习概念，从多篇研究论文中汲取，并根据用户的先前知识和问题调整解释。"
元数据
规格
州
Deprecated
建筑
校准的
不
专家混合
是
总参数
335B
激活的参数
32B
推理
不
精度
FP8
上下文长度
131K
最大输出长度
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
Z.ai
chat
GLM-5
发行日期：2026年2月12日
上下文长度：
205K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
2.55
/ M Tokens
Z.ai
chat
GLM-4.7
发行日期：2025年12月23日
上下文长度：
205K
最大输出长度：
205K
Input:
$
0.42
/ M Tokens
Output:
$
2.2
/ M Tokens
Z.ai
chat
GLM-4.6V
发行日期：2025年12月8日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Output:
$
0.9
/ M Tokens
Z.ai
chat
GLM-4.6
发行日期：2025年10月4日
上下文长度：
205K
最大输出长度：
205K
Input:
$
0.39
/ M Tokens
Output:
$
1.9
/ M Tokens
Z.ai
chat
GLM-4.5-Air
发行日期：2025年7月28日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.14
/ M Tokens
Output:
$
0.86
/ M Tokens
Z.ai
chat
GLM-4.5V
发行日期：2025年8月13日
上下文长度：
66K
最大输出长度：
66K
Input:
$
0.14
/ M Tokens
Output:
$
0.86
/ M Tokens
Z.ai
chat
GLM-4.1V-9B-Thinking
发行日期：2025年7月4日
上下文长度：
66K
最大输出长度：
66K
Input:
$
0.035
/ M Tokens
Output:
$
0.14
/ M Tokens
Z.ai
chat
GLM-Z1-32B-0414
发行日期：2025年4月18日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.14
/ M Tokens
Output:
$
0.57
/ M Tokens
Z.ai
chat
GLM-4-32B-0414
发行日期：2025年4月18日
上下文长度：
33K
最大输出长度：
33K
Input:
$
0.27
/ M Tokens
Output:
$
0.27
/ M Tokens
