GLM-5: dòng mô hình và phiên bản khởi đầu

GLM-5 đã được niêm yết trên OpenRouter vào ngày 11 tháng 2 năm 2026. Z.ai mô tả đây là mô hình "nhắm đến kỹ thuật hệ thống phức tạp và các tác vụ agent dài hạn" — nói cách khác, mô hình được thiết kế để xử lý các công việc lập trình lớn, nhiều bước thay vì chỉ là một công cụ trò chuyện nhanh.

Bảng thông tin mô hình (model card) cung cấp chi tiết kiến trúc bằng những con số trực quan. So với GLM-4.5, GLM-5 mở rộng từ 355 tỷ tham số (32 tỷ kích hoạt) lên 744 tỷ tham số với 40 tỷ kích hoạt trên mỗi token, và dữ liệu pre-training tăng từ 23 nghìn tỷ lên 28.5 nghìn tỷ token. Chỉ một phần nhỏ trọng số được kích hoạt cho mỗi token, giúp một mô hình lớn ở quy mô này vẫn rất khả thi khi triển khai phục vụ thực tế.

GLM-5 cũng áp dụng DeepSeek Sparse Attention (DSA). Cơ chế sparse attention cho phép mô hình tập trung vào một tập hợp con chọn lọc của các token trước đó thay vì toàn bộ, điều mà Z.ai cho biết giúp giảm đáng kể chi phí triển khai mà vẫn duy trì khả năng xử lý ngữ cảnh dài. Trên OpenRouter, GLM-5 nguyên bản có cửa sổ ngữ cảnh khoảng 205K token và có thể trả về tối đa khoảng 131K token trong một câu trả lời.

Đối với post-training, Z.ai đã xây dựng slime, một hạ tầng học tăng cường không đồng bộ giúp cải thiện thông lượng huấn luyện và cho phép các vòng lặp tinh chỉnh chi tiết hơn. Model card công bố kết quả trên nhiều bài benchmark về suy luận, lập trình và agent — ví dụ 77.8 trên SWE-bench Verified và 56.2 trên Terminal-Bench 2.0 với harness Terminus 2 — đồng thời khẳng định hiệu năng đứng đầu trong số các mô hình mã nguồn mở tại thời điểm ra mắt.

Đó là những số liệu do Z.ai tự đo lường bằng các harness nội bộ của họ. Chúng rất hữu ích để so sánh các phiên bản GLM với nhau, nhưng bài kiểm tra chuẩn xác nhất vẫn là tác vụ của chính bạn: hãy dán một vấn đề thực tế vào khung chat và tự mình đánh giá kết quả.

Sau GLM-5, Z.ai liên tục tung ra các bản cập nhật đều đặn. GLM-5 Turbo (tháng 3 năm 2026) và mô hình đa phương thức GLM-5V-Turbo (tháng 4 năm 2026) hướng đến các quy trình agent tốc độ cao qua API. GLM-5.1 (tháng 4 năm 2026) tập trung vào lập trình dài hạn. GLM-5.2 (tháng 6 năm 2026) mang lại ngữ cảnh 1 triệu token ổn định cùng khả năng tùy chỉnh mức độ suy luận. GLM-5.3 (tháng 8 năm 2026) duy trì nền tảng GLM-5.2 và nâng cấp post-training, trong khi GLM-5.3 Flash bổ sung đầu vào hình ảnh và video gốc với mức giá thấp hơn nhiều. GLM-5.3 FlashX và GLM-5.3 Prime là các biến thể API tốc độ cao.

Năm trong số các mô hình này — GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 và GLM-5.3 Flash — được phát hành dưới dạng open weights trên Hugging Face. Bảng thông số bên dưới và bảng tổng hợp dòng mô hình tiếp theo liệt kê đầy đủ từng mô hình cùng với cửa sổ ngữ cảnh, giá thành và giấy phép sử dụng.

Đối với các dự án mới, câu trả lời thường là không. Các mô hình ra mắt sau sở hữu cửa sổ ngữ cảnh lớn hơn, khả năng suy luận có thể tùy chỉnh và riêng GLM-5.3 Flash có mức giá rẻ hơn rất nhiều. GLM-5 nguyên bản vẫn đáng chú ý nếu bạn cần một mô hình mở hoàn toàn theo giấy phép MIT có kiến trúc và bài báo khoa học đã công bố (arXiv 2602.15763), hoặc khi bạn cần tái lập các kết quả thử nghiệm từng được đo trên mô hình này.