GLM-5.1 ist Z.AIs Flaggschiff-Foundation-Modell für langfristige Aufgaben, offiziell beschrieben als fähig, bis zu 8 Stunden ununterbrochen und autonom an einer einzelnen Aufgabe zu arbeiten, von der Planung über Ausführung, Test und Fehlerbehebung bis zur Auslieferung.
- Eingabe
- Text $1.4/M
- Ausgabe
- Text $4.4/M
- Cache-Lesen
- $0.26/M
- Kontext
- 203K
- vs. GPT-4o
- ~72% günstiger
Preis im Vergleich
Der Preis im Feld von 68 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 200.000 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 131.072 |
Prompt-Caching
| Modus | automatisch |
|---|
Thinking
| Anbieter-Parameter | thinking.type |
|---|---|
| Zulässige Werte | enabled · disabled |
| Standardwert | enabled; das Modell entscheidet selbst, ob es denkt gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Ja |
| Thinking-Verhalten | Die Spur wird in reasoning_content zurückgegeben; die Spuren früherer Turns werden standardmäßig gelöscht (clear_thinking true), und verschränkte Thinking-Blöcke sollten erhalten und gemeinsam mit den Tool-Ergebnissen zurückgegeben werden. Keine reasoning_effort-Steuerung: Sie ist ausschließlich für GLM-5.2 dokumentiert. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text → Text |
|---|---|
| Parameter | 744B gesamt · 40B aktiv MoE |
| Lizenz | MIT |
- Flaggschiff der nächsten Generation für agentisches Engineering (744B-A40B): arbeitet in einem einzigen Durchlauf bis zu 8 Stunden autonom über Tausende von Tool-Aufrufen hinweg
- 200K Kontext / 128K max. Output
Ein Prompt, gemessen über das Gateway
GLM-5.1 bestanden · 3 sentences
Enabling reasoning shifts the LLM from generating quick answers to producing hidden "chain-of-thought" tokens that systematically explore multiple solution paths before responding. Because billing is based on total tokens processed, these invisible reasoning tokens drastically increase input and output volume per query, often adding thousands of compute-intensive tokens to a single prompt. Consequently, our bill doubled not from higher per-token rates or increased user volume, but from the exponentially deeper computational work required to deliver higher-quality, more reliable outputs.
Ausgabe 98 tok Latenz 7.8 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
GLM-5.1 bestanden · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` **Explanation:** The original function initialized `cur` and `best` to `0` and only incremented `cur` when a duplicate was found. This counts the number of *extra* equal items in a run rather than the total run length, so every run is reported as one shorter than it actually is—returning `0` for single-element lists and `L-1` for a run of length `L` (including those ending at the last index). The fix initializes `cur` and `best` to `1` (when the list is non‑empty) and resets `cur` to `1` on a mismatch, so `cur` tracks the full length of the current run and `best` records the true maximum.
Ausgabe 3823 tok (+3585 Thinking) Latenz 49.7 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
GLM-5.1 bestanden · 5/5 fields, guidance "withheld pending the Q4 close"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": "eleven and change", "guidance": "withheld pending the Q4 close" } ```
Ausgabe 1091 tok (+1028 Thinking) Latenz 15.2 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
GLM-5.1 bestanden · 120 words, 0 banned, 1 question
We are excited to introduce Prompt Cache for our API Gateway. This new feature stores responses for identical prompts, routing subsequent requests directly to the cache instead of calling the underlying AI provider. Are you tired of paying multiple times for the exact same query? Prompt Cache solves this by recognizing duplicate inputs across all supported providers, drastically reducing latency and operational costs. When a user submits a request that matches a previously cached prompt, the gateway returns the stored answer instantly. You can configure cache expiration and scope rules via your dashboard to maintain data freshness. Stop wasting budget on redundant computational work. Upgrade to the latest gateway tier today to start saving time and money on every call.
Ausgabe 3935 tok (+3802 Thinking) Latenz 41.1 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
GLM-5.1 in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="glm-5.1",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "glm-5.1",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.1",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "glm-5.1",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("glm-5.1")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über GLM-5.1
- Aufbauend auf GLM-5 betont es eine Schleife aus Experimentieren, Analysieren und Optimieren statt einer Generierung in einem Durchgang und ermöglicht autonome Exploration, kontinuierliche Verbesserung und stabile Auslieferung in komplexen Engineering-Umgebungen.
- Z.AI beschreibt das Upgrade als Frage der Ausdauer statt der Spitzenfähigkeit: Wo das vorherige Release in einer agentischen Schleife früh stagniert, ist GLM-5.1 dokumentiert als fähig, die Optimierung über Hunderte von Runden und Tausende von Tool-Aufrufen aufrechtzuerhalten, mit besserem Urteilsvermögen bei mehrdeutigen Problemen.
- Das Modell bietet ein Kontextfenster von 200K mit bis zu 128K Output-Token, dazu Thinking-Modi und Function Calling.
- Die benannten Workloads reichen über Code hinaus bis zu allgemeinem Dialog, kreativem Schreiben, Frontend- und Artefaktgenerierung sowie Büroproduktivität.
- Thinking wird über dasselbe thinking-Objekt wie im Rest der Reihe geschaltet und überlässt die Entscheidung standardmäßig dem Modell, wobei die Spur in einem separaten reasoning_content-Feld zurückkommt; zu beachten ist, dass die später von Z.AI ergänzte Steuerung des Reasoning-Aufwands als GLM-5.2-exklusiv dokumentiert ist, dieses Modell also keinen Effort-Regler hat.
- MCP-Tools, Streaming, JSON-Ausgabe und automatisches Prefix-Caching werden alle unterstützt, und die Gewichte sind unter der MIT-Lizenz veröffentlicht.
- Synthorai stellt GLM-5.1 hinter seinem OpenAI-kompatiblen Endpoint für die direkte Integration bereit.
FAQ
Lässt sich die GLM-5.1 API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $1.4/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 89 Anfragen an GLM-5.1 mit je ~8K Tokens.
Worin ist GLM-5.1 am besten?
Arbeitet autonom bis zu 8 Stunden; Experimentieren-Analysieren-Optimieren-Schleife statt einmaliger Generierung; deckt Planung bis Tests und Auslieferung ab. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet GLM-5.1?
GLM-5.1 kostet auf Synthorai $1.4 pro Million Eingabe-Tokens und $4.4 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.26/M abgerechnet.
Wie groß ist das Kontextfenster von GLM-5.1?
GLM-5.1 hat auf Synthorai ein Kontextfenster von 203K Tokens. Eine einzelne Antwort kann bis zu 131,072 Tokens lang sein.
Unterstützt GLM-5.1 Prompt-Caching?
Ja, automatisch: Über Z.ai ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Eingabe-Tokens werden mit $0.26/M statt $1.4/M (ungecacht) abgerechnet. Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu GLM-5.1?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="glm-5.1", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Ist GLM-5.1 Open Source?
Ja, die Gewichte sind unter der MIT-Lizenz veröffentlicht. Oder Sie sparen sich die GPUs: Die gehostete Version hier läuft mit nutzungsbasierter Abrechnung, ganz ohne eigene Infrastruktur. Open-Weight-Modelle betreiben →
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.