GLM-5: ang pamilya ng modelo at ang modelong nagpasimula nito

Nalista ang GLM-5 sa OpenRouter noong 11 February 2026. Inilalarawan ito ng Z.ai bilang isang model na "targeting complex systems engineering and long-horizon agentic tasks" — sa madaling salita, idinisenyo ito para sa malalaki at multi-step na programming job sa halip na maging simpleng chat companion lamang.

Ipinapakita ng model card nito ang architecture sa malilinaw na numero. Kung ikukumpara sa GLM-4.5, lumaki ang GLM-5 mula 355 billion parameters (32 billion active) patungong 744 billion parameters na may 40 billion active bawat token, at ang pre-training data nito ay lumago mula 23 trillion patungong 28.5 trillion tokens. Maliit na bahagi lang ng weights ang ginagamit para sa bawat token, dahilan kung bakit nananatiling praktikal i-serve ang model na kasinglaki nito.

Gumagamit din ang GLM-5 ng DeepSeek Sparse Attention (DSA). Nagbibigay-daan ang sparse attention upang tingnan ng model ang piling subset ng mga naunang token sa halip na lahat ng ito, na ayon sa Z.ai ay lubos na nagpapababa ng deployment cost habang pinapanatili ang long-context ability. Sa OpenRouter, ang orihinal na GLM-5 ay may context window na humigit-kumulang 205K tokens at kayang magbalik ng hanggang 131K tokens sa isang sagot.

Para sa post-training, binuo ng Z.ai ang slime, isang asynchronous reinforcement-learning infrastructure na ayon sa kanila ay nagpapahusay sa training throughput at nagbibigay-daan sa mas pinong mga iteration. Iniulat ng model card ang mga resulta sa reasoning, coding, at agent benchmarks — halimbawa 77.8 sa SWE-bench Verified at 56.2 sa Terminal-Bench 2.0 gamit ang Terminus 2 harness — at nag-aangkin ng best-in-class performance sa mga open-source model nang ito ay inilabas.

Ito ay sariling mga numero ng Z.ai na sinukat gamit ang sarili nitong mga harness. Kapaki-pakinabang ang mga ito sa paghahambing ng mga bersyon ng GLM sa isa't isa, ngunit ang totoong pagsubok ay ang sarili mong task: mag-paste ng totoong problema sa chat at husgahan ang sagot.

Pagkatapos ng GLM-5, naglabas ang Z.ai ng sunod-sunod na updates. Target ng GLM-5 Turbo (March 2026) at ng multimodal na GLM-5V-Turbo (April 2026) ang mabilis na agent workflows sa pamamagitan ng API. Nakatuon ang GLM-5.1 (April 2026) sa long-horizon coding. Naghatid ang GLM-5.2 (June 2026) ng solidong one-million-token context at adjustable na reasoning effort. Napanatili ng GLM-5.3 (August 2026) ang base ng GLM-5.2 at pinahusay ang post-training, at nagdagdag ang GLM-5.3 Flash ng native na image at video input sa mas mababang presyo. Ang GLM-5.3 FlashX at GLM-5.3 Prime naman ay mga high-speed API variant.

Lima sa mga model na ito — GLM-5, GLM-5.1, GLM-5.2, GLM-5.3, at GLM-5.3 Flash — ay inilathala bilang open weights sa Hugging Face. Inililista ng datasheet sa ibaba at ng family table sa bandang baba ang bawat model kasama ang context window, presyo, at lisensya nito.

Para sa mga bagong proyekto, karaniwang hindi. Ang mga mas bagong model sa pamilya ay may mas malaking context window, adjustable reasoning, at para sa GLM-5.3 Flash, mas mababang presyo. Kawili-wili pa rin ang orihinal na GLM-5 kung gusto mo ng open model na may ganap na lisensyang MIT, na may published architecture at paper (arXiv 2602.15763), o kung kailangan mong kopyahin muli ang mga resultang sinukat dito.