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....
上下文长度：
205K
最大输出长度：
131K
Input:
$
1.4
/ M Tokens
Input:
$
text
/ M Tokens
Output:
$
4.4
/ 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....
上下文长度：
205K
最大输出长度：
131K
Input:
$
1.2
/ M Tokens
Input:
$
text
/ M Tokens
Output:
$
4.0
/ M Tokens
Z.ai
Text Generation
GLM-5
GLM-5 是一款面向复杂系统工程和长时间自主任务的下一代开源模型，扩展到约744B稀疏参数（约40B激活）和约28.5T预训练tokens。它集成了DeepSeek稀疏注意力（DSA），在减少推理成本的同时保留了长上下文能力，并利用“slime”异步RL堆栈，在推理、编码和自主基准测试中提供强大的性能。...
上下文长度：
205K
最大输出长度：
131K
Input:
$
0.95
/ M Tokens
Input:
$
text
/ M Tokens
Output:
$
2.55
/ M Tokens
Z.ai
Text Generation
GLM-4.7
GLM-4.7 是智谱的新一代旗舰模型，拥有 355B 的总参数和 32B 的激活参数，在一般对话、推理和代理能力方面提供了全面升级。响应更加简洁自然；写作更加身临其境；工具调用指令得到了更可靠的执行；并且工件和代理代码的前端润色以及长时间任务完成效率得到了进一步提升。...
上下文长度：
205K
最大输出长度：
205K
Input:
$
0.42
/ M Tokens
Input:
$
text
/ M Tokens
Output:
$
2.2
/ M Tokens
Z.ai
Text Generation
GLM-4.6V
GLM-4.6V在相同参数规模的模型中，在视觉理解方面实现了SOTA（State-of-the-Art）准确性。首次将功能调用能力原生集成到视觉模型架构中，弥合了“视觉感知”和“可执行动作”之间的差距。这为真实商业场景中的Multimodal代理提供了统一的技术基础。此外，视觉上下文窗口已扩展到128k，支持长视频流处理和高分辨率多Image分析。...
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.3
/ M Tokens
Input:
$
text
/ M Tokens
Output:
$
0.9
/ M Tokens
Z.ai
Text Generation
GLM-4.6
与GLM-4.5相比，GLM-4.6带来了几个关键改进，包括将上下文窗口扩展到200K tokens、更优异的编码性能、先进的推理能力、更有能力的代理以及精炼的写作。...
上下文长度：
205K
最大输出长度：
205K
Input:
$
0.39
/ M Tokens
Input:
$
text
/ M Tokens
Output:
$
1.9
/ M Tokens
Z.ai
Text Generation
GLM-4.5-Air
GLM-4.5系列模型是为智能代理设计的基础模型。GLM-4.5-Air采用了更紧凑的设计，拥有1060亿个总参数和120亿个活动参数。它还是一种混合推理模型，提供思维模式和非思维模式。...
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.14
/ M Tokens
Input:
$
text
/ M Tokens
Output:
$
0.86
/ M Tokens
