GLM-5: a família de modelos e o modelo que deu início a tudo

O GLM-5 foi listado no OpenRouter em 11 de fevereiro de 2026. A Z.ai o descreve como um modelo "voltado para engenharia de sistemas complexos e tarefas agênticas de longo alcance" — em outras palavras, ele foi feito para resolver trabalhos de programação extensos e em várias etapas, e não apenas para ser um parceiro de chat rápido.

Seu model card detalha a arquitetura em números claros. Em comparação com o GLM-4.5, o GLM-5 escala de 355 bilhões de parâmetros (32 bilhões ativos) para 744 bilhões de parâmetros com 40 bilhões ativos por token, e seus dados de pré-treinamento crescem de 23 trilhões para 28.5 trilhões de tokens. Apenas uma fração dos pesos é utilizada para cada token, o que torna viável servir um modelo desse porte.

O GLM-5 também adota o DeepSeek Sparse Attention (DSA). A atenção esparsa permite que o modelo examine um subconjunto selecionado de tokens anteriores em vez de todos eles, o que a Z.ai afirma reduzir significativamente o custo de implantação, mantendo a capacidade de contexto longo. No OpenRouter, o GLM-5 original possui uma janela de contexto de cerca de 205K tokens e pode retornar até cerca de 131K tokens em uma única resposta.

Para o pós-treinamento, a Z.ai desenvolveu o slime, uma infraestrutura de aprendizado por reforço assíncrono que, segundo ela, melhora o throughput de treinamento e possibilita iterações mais detalhadas. O model card relata resultados em benchmarks de raciocínio, programação e agentes — como 77.8 no SWE-bench Verified e 56.2 no Terminal-Bench 2.0 com o harness Terminus 2 — alegando o melhor desempenho da categoria entre modelos open source em seu lançamento.

Esses são os números da própria Z.ai, medidos com seus próprios harnesses. Eles são úteis para comparar as versões do GLM entre si, mas o teste real é a sua própria tarefa: cole um problema real no chat e avalie a resposta.

Depois do GLM-5, a Z.ai lançou uma sequência contínua de atualizações. O GLM-5 Turbo (março de 2026) e o multimodal GLM-5V-Turbo (abril de 2026) têm como foco fluxos de trabalho rápidos com agentes via API. O GLM-5.1 (abril de 2026) focou em programação de longo alcance. O GLM-5.2 (junho de 2026) trouxe um contexto sólido de 1M de tokens e ajuste de reasoning effort. O GLM-5.3 (agosto de 2026) manteve a base do GLM-5.2 e aprimorou o pós-treinamento, enquanto o GLM-5.3 Flash adicionou entrada nativa de imagem e vídeo a um preço muito menor. O GLM-5.3 FlashX e o GLM-5.3 Prime são variantes de alta velocidade para API.

Cinco desses modelos — GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 e GLM-5.3 Flash — foram publicados como open weights no Hugging Face. A ficha técnica abaixo e a tabela da família mais adiante listam cada modelo com sua janela de contexto, preço e licença.

Para projetos novos, geralmente não. Modelos mais recentes da família têm uma janela de contexto maior, raciocínio ajustável e, no caso do GLM-5.3 Flash, preços muito mais baixos. O GLM-5 original ainda é interessante se você deseja um modelo aberto totalmente sob licença MIT, com arquitetura e artigo publicados (arXiv 2602.15763), ou se precisar reproduzir resultados medidos nele.