GLM-5-Turbo ist ein Foundation-Modell von Z.AI, das tiefgreifend für das OpenClaw-Agent-Szenario optimiert wurde.
- Eingabe
- Text $1.2/M
- Ausgabe
- Text $4/M
- Cache-Lesen
- $0.24/M
- Kontext
- 205K
- vs. GPT-4o
- ~76% 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. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text → Text |
|---|
- Nur über die API verfügbare, geschwindigkeitsoptimierte GLM-5-Variante, abgestimmt auf das OpenClaw-Agent-Szenario: zuverlässigerer Tool-Aufruf und stabilere langlaufende Aufgaben
- 200K Kontext / 128K max. Output
GLM-5-Turbo 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-turbo",
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-turbo",
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-turbo",
"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-turbo",
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-turbo")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über GLM-5-Turbo
- Gegenüber dem Basismodell GLM-5 hebt die offizielle Dokumentation vier gezielte Verbesserungen hervor: präzisere Tool-Aufrufe, stärkere Zerlegung komplexer Anweisungen, zeitbewusste Behandlung geplanter und dauerhafter Aufgaben sowie höheren Durchsatz bei langen logischen Ketten.
- Es bietet ein Kontextfenster von 200K und bis zu 128K Output-Token, mit Thinking-Modi, Streaming, Function Calling, Context-Caching, strukturierter JSON-Ausgabe und MCP-Tool-Integration.
- Z.AI beschreibt das Release als Verbesserung von Stabilität und Effizienz bei Agent-Aufgaben mit langen Ketten statt roher Intelligenz und listet die Bereiche, gegen die es abgestimmt wurde: Installation und Konfiguration, Code-Entwicklung, Informationsbeschaffung, Datenanalyse, Content-Erstellung, Büroproduktivität, Finanzanalyse, Operations Engineering und Forschung.
- Diese Liste ist die ehrliche Art, es zu lesen: ein Spezialist für Agent-Harnesses statt ein Allzweck-Geschwistermodell.
- Thinking folgt derselben GLM-5-Konvention, standardmäßig aktiviert, wobei das Modell entscheidet, ob es reasoniert, und die Spur getrennt von der Antwort zurückgegeben wird.
- Externe Skills lassen sich neben Tools aufrufen, und Tool-Call-Argumente können inkrementell gestreamt werden.
- Zwei Dinge unterscheiden es vom Rest der Reihe: Z.AI veröffentlicht seine Parameterzahl nicht, und anders als GLM-5, 5.1 und 5.2 hat es keine Open-Weights-Veröffentlichung.
- Es ist rein über die API verfügbar.
- Auf Synthorai ist GLM-5-Turbo über die standardmäßige OpenAI-kompatible API aufrufbar.
FAQ
Lässt sich die GLM-5-Turbo API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $1.2/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 104 Anfragen an GLM-5-Turbo mit je ~8K Tokens.
Worin ist GLM-5-Turbo am besten?
Tiefgreifend für das OpenClaw-Agent-Szenario optimiert; präzisere Tool-Aufrufe und Anweisungszerlegung; zeitbewusste Handhabung geplanter, persistenter Aufgaben. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet GLM-5-Turbo?
GLM-5-Turbo kostet auf Synthorai $1.2 pro Million Eingabe-Tokens und $4 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.24/M abgerechnet.
Wie groß ist das Kontextfenster von GLM-5-Turbo?
GLM-5-Turbo hat auf Synthorai ein Kontextfenster von 205K Tokens. Eine einzelne Antwort kann bis zu 131,072 Tokens lang sein.
Unterstützt GLM-5-Turbo Prompt-Caching?
Ja, automatisch: Über Z.ai ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Eingabe-Tokens werden mit $0.24/M statt $1.2/M (ungecacht) abgerechnet. Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu GLM-5-Turbo?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="glm-5-turbo", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
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.