GLM-5
Prezzi di listino del provider: senza ricarico della piattaforma, pagamento a consumo. Questi sono i prezzi di listino ufficiali. I clienti autenticati possono vedere i prezzi effettivi, inclusi gli sconti workspace, su /console/pricing. Input effettivo con un tasso di cache hit del 70%:$0.44/M. Caching automatico dei prompt: i prefissi di prompt ripetuti si fatturano alla tariffa di cache-hit mostrata nella tabella prezzi, senza modifiche al codice.
Usa GLM-5 in 30 secondi
Compatibile OpenAI: cambia la base_url, tieni il tuo 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",
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",
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",
"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",
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")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Informazioni su GLM-5
GLM-5 è il modello di fondazione di nuova generazione di Z.AI costruito per l'ingegneria agentica, mirato all'ingegneria di sistemi complessi e ai compiti di agent a lungo orizzonte.
- Rispetto al predecessore, Z.AI ha scalato i parametri da 355B (32B attivati) a 744B (40B attivati) e i dati di pre-addestramento da 23T a 28,5T token, aggiungendo sparse attention e il framework di reinforcement learning asincrono Slime.
- Offre una finestra di contesto da 200K, fino a 128K token di output, modalità thinking, function calling, caching del contesto e pesi aperti, con Z.AI che descrive prestazioni di coding e agent allo stato dell'arte nell'open-source.
- Synthorai serve GLM-5 tramite il suo endpoint compatibile OpenAI, così gli SDK esistenti funzionano senza modifiche.
Specifiche e limiti
| Output massimo (specifica del vendor) | 131,072 |
| Modalità | text → text |
| Parametri | 744B totali · 40B attivi (MoE) |
| Funzionalità | tools · structured_output · streaming · reasoning · caching |
| Licenza | MIT ↗ |
| Da notare | Flagship for agentic engineering: 744B-param MoE (40B active), pre-trained on 28.5T tokens with DeepSeek Sparse Attention; 200K context / 128K max output. |
| Caching dei prompt | automatico |
FAQ
L'API di GLM-5 si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza carta richiesta. A $1/M token in input, quel credito da solo copre circa 125 richieste da ~8K token verso GLM-5.
In cosa eccelle GLM-5?
Scalato a 744B di parametri, 40B attivati, oltre a sparse attention più reinforcement learning asincrono e pesi aperti con finestra di contesto da 200K. Il quadro completo è nella sezione «Informazioni», tratto dalle note di rilascio ufficiali del vendor.
Quanto costa GLM-5?
Su Synthorai, GLM-5 costa $1 per milione di token in input e $3.2 per milione di token in output: il prezzo di listino del provider, senza ricarico della piattaforma. I token di input in cache si fatturano a $0.2/M.
GLM-5 supporta il caching dei prompt?
Sì, in automatico: i prompt serviti da Z.ai vanno in cache senza modifiche al codice. I token di input in cache si fatturano a $0.2/M contro $1/M senza cache. Guida al caching dei prompt →
Come ottengo l'accesso a GLM-5?
Punta il tuo SDK OpenAI esistente a base_url="https://synthorai.io/v1", imposta model="glm-5" e hai finito: una sola chiave API copre tutti i modelli del gateway.
GLM-5 è open source?
Sì: i pesi sono pubblicati sotto MIT License. Oppure salta le GPU: la versione hosted qui è con pagamento a consumo, senza infrastruttura da gestire. Eseguire modelli open-weight →