GLM-5.1 es el modelo fundacional insignia de Z.AI diseñado para tareas de largo horizonte, descrito oficialmente como capaz de trabajar de forma continua y autónoma en una sola tarea durante hasta 8 horas, cubriendo planificación, ejecución, pruebas, corrección y entrega.
- Entrada
- texto $1.4/M
- Salida
- texto $4.4/M
- Lectura de caché
- $0.26/M
- Contexto
- 203K
- vs GPT-4o
- ~72% más barato
El precio en contexto
Posición del precio entre 68 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 200.000 |
|---|---|
| Salida máxima (especificación del proveedor) | 131.072 |
Caché de prompts
| Modo | automático |
|---|
Razonamiento
| Parámetro del proveedor | thinking.type |
|---|---|
| Valores admitidos | enabled · disabled |
| Valor por defecto | enabled, y el modelo determina automáticamente si piensa se aplica si la solicitud no indica nada |
| Se puede desactivar | Sí |
| Comportamiento del razonamiento | La traza se devuelve en reasoning_content; las trazas de los turnos anteriores se borran por defecto (clear_thinking true), y los bloques de pensamiento intercalado deben conservarse y devolverse junto con los resultados de las herramientas. Sin control de reasoning_effort: eso está documentado solo para GLM-5.2. |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high parámetros que expone la pasarela; se aplica el mapeo del proveedor indicado arriba |
Modelo
| Modalidades | texto → texto |
|---|---|
| Parámetros | 744B en total · 40B activos MoE |
| Licencia | MIT |
- Buque insignia de nueva generación para ingeniería agéntica (744B-A40B): trabaja de forma autónoma hasta 8 horas en una sola ejecución a lo largo de miles de llamadas a herramientas
- contexto de 200K / salida máxima de 128K
Un prompt, medido a través de la pasarela
GLM-5.1 superado · 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.
salida 98 tok latencia 7.8 s
Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.
GLM-5.1 superado · 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.
salida 3823 tok (+3585 razonamiento) latencia 49.7 s
Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.
GLM-5.1 superado · 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" } ```
salida 1091 tok (+1028 razonamiento) latencia 15.2 s
Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.
GLM-5.1 superado · 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.
salida 3935 tok (+3802 razonamiento) latencia 41.1 s
Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.
Usa GLM-5.1 en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu SDK. 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(""));Acerca de GLM-5.1
- Construido sobre GLM-5, enfatiza un bucle de experimentar, analizar y optimizar en lugar de la generación de una sola pasada, lo que habilita la exploración autónoma, la mejora continua y la entrega estable en entornos de ingeniería complejos.
- El planteamiento de Z.AI sobre esta actualización va de resistencia más que de capacidad máxima: donde la versión anterior se estanca pronto en un bucle agéntico, GLM-5.1 está documentado como capaz de sostener la optimización a lo largo de cientos de rondas y miles de llamadas a herramientas, con mejor criterio en problemas ambiguos.
- El modelo ofrece una ventana de contexto de 200K con hasta 128K tokens de salida, además de modos de pensamiento y llamada a funciones.
- Las cargas de trabajo nombradas van más allá del código, hasta el diálogo general, la escritura creativa, la generación de frontend y de artefactos, y la productividad ofimática.
- El pensamiento se conmuta mediante el mismo objeto thinking que en el resto de la línea y por defecto deja que el modelo decida, con la traza devuelta en un campo reasoning_content aparte; tenga en cuenta que el control de esfuerzo de razonamiento que Z.AI añadió después está documentado solo para GLM-5.2, así que este modelo no tiene un mando de esfuerzo.
- Las herramientas MCP, el streaming, la salida JSON y la caché de prefijo automática están todos admitidos, y los pesos se publican bajo la MIT License.
- Synthorai expone GLM-5.1 tras su endpoint compatible con OpenAI para una integración directa.
Preguntas frecuentes
¿Se puede probar gratis la API de GLM-5.1?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $1.4/M de tokens de entrada, solo con ese crédito tienes para unas 89 solicitudes de ~8K tokens a GLM-5.1.
¿En qué destaca GLM-5.1?
Trabaja de forma autónoma hasta 8 horas; bucle de experimentar-analizar-optimizar sobre la generación de una sola pasada; cubre desde la planificación hasta las pruebas y la entrega. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta GLM-5.1?
GLM-5.1 cuesta $1.4 por millón de tokens de entrada y $4.4 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma. Los tokens de entrada en caché se facturan a $0.26/M.
¿Cuál es la ventana de contexto de GLM-5.1?
GLM-5.1 tiene una ventana de contexto de 203K tokens en Synthorai. Una sola respuesta puede tener hasta 131,072 tokens.
¿GLM-5.1 admite caché de prompts?
Sí, de forma automática: los prompts que sirve Z.ai se guardan en caché sin tocar el código. Los tokens de entrada en caché se facturan a $0.26/M frente a $1.4/M sin caché. Guía de caché de prompts →
¿Cómo obtengo acceso a GLM-5.1?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="glm-5.1" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
¿GLM-5.1 es open source?
Sí: los pesos se publican bajo licencia MIT. O ahórrate las GPU: la versión alojada aquí es de pago por uso, sin infraestructura que mantener. Ejecutar modelos de pesos abiertos →
Modelos relacionados
Comparar
Todos los valores de esta página están transcritos de la documentación del propio proveedor, enlazada arriba, e indican la fecha en que se comprobaron. Los precios se comparan con los de todo el catálogo; cuando los proveedores definen una especificación de forma distinta, se muestra el valor indicando la diferencia en lugar de llevarlo a un gráfico. Aquí no hay mediciones nuestras ni puntuaciones.