Z.ai: GLM 4.5
z-ai/glm-4.5
Pesos del modeloGLM-4.5 is our latest flagship foundation model, purpose-built for agent-based applications. It leverages a Mixture-of-Experts (MoE) architecture and supports a context length of up to 128k tokens. GLM-4.5 delivers significantly enhanced capabilities in reasoning, code generation, and agent alignment. It supports a hybrid inference mode with two options, a "thinking mode" designed for complex reasoning and tool use, and a "non-thinking mode" optimized for instant responses. Users can control the reasoning behaviour with the reasoning enabled boolean. Learn more in our docsOpens in new tab
Proveedores
Este modelo está alojado por un único proveedor. OpenRouter reenvía todas las solicitudes sin enrutamiento.
| 0,60 US$ | 2,20 US$ | 0,11 US$ | 4,51s | 25 tok/s |
- Entrada 0,60 US$ / Salida 2,20 US$25 tok/s100,00 % de tiempo de actividad
Precios
El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.
Media ponderada
GLM 4.5 — Historial de precios
| 0,358 US$ | 2,20 US$ | 49,3 % | 100,0 % |
- En vigor en 0,358 US$ / Salida efectiva 2,20 US$Proporción de tókenes100,0 %
Rendimiento
La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).
P50, el mejor entre los proveedores
P50, mejor proveedor
Tiempo de actividad
El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.
Disponibilidad durante los últimos 3 días
Últimas 72 horasDisponibilidad en las últimas 24 horas
Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.
Pruebas de rendimiento
Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.
| Fuente | Prueba de rendimiento | Puntuación |
|---|---|---|
| Artificial Analysis | GLM-4.5 (Reasoning) GPQA Diamond | 78.2% |
| Artificial Analysis | GLM-4.5 (Reasoning) HLE | 13.0% |
| Artificial Analysis | GLM-4.5 (Reasoning) IFBench | 44.1% |
| Artificial Analysis | GLM-4.5 (Reasoning) τ²-Bench Telecom | 43.0% |
| Artificial Analysis | GLM-4.5 (Reasoning) AA-LCR | 52.7% |
| Artificial Analysis | GLM-4.5 (Reasoning) CritPt | 0.0% |
| Artificial Analysis | GLM-4.5 (Reasoning) LiveCodeBench | 73.8% |
| Artificial Analysis | GLM-4.5 (Reasoning) Terminal-Bench Hard | 22.0% |
| Artificial Analysis | GLM-4.5 (Reasoning) MMLU-Pro | 83.5% |
| Artificial Analysis | GLM-4.5 (Reasoning) AIME 2025 | 73.7% |
| Artificial Analysis | GLM-4.5 (Reasoning) AIME | 87.3% |
| Artificial Analysis | GLM-4.5 (Reasoning) MATH-500 | 97.9% |
| Design Arena | GLM 4.5 Models Arena 3D Elo | 1150 |
| Design Arena | GLM 4.5 Models Arena Code Categories Elo | 1154 |
| Design Arena | GLM 4.5 Models Arena Data Visualization Elo | 1155 |
| Design Arena | GLM 4.5 Models Arena Game Development Elo | 1134 |
| Design Arena | GLM 4.5 Models Arena SVG Elo | 1085 |
| Design Arena | GLM 4.5 Models Arena UI Component Elo | 1134 |
| Design Arena | GLM 4.5 Models Arena Website Elo | 1161 |
| Vals AI | GLM 4.5 AIME | 86.7% |
| Vals AI | GLM 4.5 CorpFin v2 | 61.0% |
| Vals AI | GLM 4.5 GPQA Diamond | 72.2% |
| Vals AI | GLM 4.5 IOI v1 | 2.9% |
| Vals AI | GLM 4.5 LiveCodeBench | 67.4% |
| Vals AI | GLM 4.5 LegalBench | 75.6% |
| Vals AI | GLM 4.5 MATH 500 | 94.0% |
| Vals AI | GLM 4.5 MedQA | 90.0% |
| Vals AI | GLM 4.5 MGSM | 90.8% |
| Vals AI | GLM 4.5 MMLU Pro | 81.2% |
| Vals AI | GLM 4.5 TaxEval v2 | 72.4% |
| Vals AI | GLM 4.5 Terminal-Bench 1.0 | 41.3% |
Aplicaciones
Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.
Actividad
Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.
API
Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.
Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región
Preguntas frecuentes
GLM-4.5 is our latest flagship foundation model, purpose-built for agent-based applications. It leverages a Mixture-of-Experts (MoE) architecture and supports a context length of up to 128k tokens. GLM-4.5 delivers significantly enhanced capabilities in reasoning, code generation, and agent alignment.
GLM 4.5 cuesta 0,60 US$/M de tokens de entrada y 2,20 US$/M de tókenes de salida, con tarifas independientes para Cache Read a 0,11 US$/M tokens.
GLM 4.5 tiene una ventana de contexto de 131.072 tókenes. Admite hasta 98.304 tókenes de respuesta.
Sí. GLM 4.5 admite tools y tool_choice para llamadas a funciones. Admite response_format para la salida JSON, sin aplicar la validación de esquemas JSON.
GLM 4.5 está disponible a través de 1 proveedor en OpenRouter: Z.ai.
GLM 5.3 FlashX Legal, GLM 5.3 Prime, GLM 5.3 FlashX y 13 más son otros modelos de texto de Z.ai.
GLM 4.5 se lanzó el 25 de julio de 2025. Su fecha límite de conocimientos es 31 de diciembre de 2024.