GLM-5.1 は長期タスク向けに設計された Z.AI のフラッグシップ基盤モデルで、公式には単一のタスクに対して最大 8 時間、計画・実行・テスト・修正・納品にわたり継続的かつ自律的に作業できると説明されています。
- 入力
- テキスト $1.4/M
- 出力
- テキスト $4.4/M
- キャッシュ読み取り
- $0.26/M
- コンテキスト
- 203K
- GPT-4o 比
- 約 72% 割安
価格の位置づけ
同種の 68 モデルの中での価格の位置
このバーは、Synthorai の同種モデルの中で、このモデルの価格がどのあたりにあるかを示しています。両端には、最も安いモデルと最も高いモデルの名前を表示しています。表示しているのは基本料金で、バッチ、リージョン、キャッシュ書き込みに関する割引は料金ページに記載しています。
仕様と制限
トークン
| コンテキストウィンドウ（ベンダー仕様） | 200,000 |
|---|---|
| 最大出力（ベンダー仕様） | 131,072 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 |
|---|
思考
| ベンダー側パラメータ | thinking.type |
|---|---|
| 指定可能な値 | enabled · disabled |
| デフォルト | enabled。思考するかどうかはモデルが自動で判断します リクエストで未指定の場合に適用 |
| 無効化の可否 | 対応 |
| 思考の挙動 | トレースは reasoning_content で返ります。過去のターンのトレースはデフォルトで消去され(clear_thinking true)、インターリーブされた思考ブロックは保持してツールの結果と一緒に返すべきです。reasoning_effort による制御はありません。これは GLM-5.2 のみの機能として文書化されています。 |
| パラメータ | reasoning_effort |
| 値 | minimal · low · medium · high ゲートウェイ側のパラメータ。上のベンダー別の対応が適用されます |
モデル
| モダリティ | テキスト → テキスト |
|---|---|
| パラメータ数 | 合計 744B · アクティブ 40B MoE |
| ライセンス | MIT |
- 次世代のエージェント的エンジニアリングのフラッグシップ(744B-A40B)。
- 1 回の実行で数千回のツール呼び出しにわたり最大 8 時間自律的に動作します。
- 200K コンテキスト / 128K 最大出力。
1 つのプロンプトを実行（ゲートウェイ経由で測定）
GLM-5.1 合格 · 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.
出力 98 tok レイテンシ 7.8 s
指示への忠実さ（ちょうど 3 文という、数えて確かめられる条件）、読み手に合わせた書き分け（CFO 向けの語り口）、そして下のトークンメーターに表れる、表示されない思考への課金の差。
GLM-5.1 合格 · 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.
出力 3823 tok (+3585 思考) レイテンシ 49.7 s
修正が本当に正しいか（実行して確かめられる）、説明の密度、範囲の限られたタスクでのトークン効率。
GLM-5.1 合格 · 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" } ```
出力 1091 tok (+1028 思考) レイテンシ 15.2 s
スキーマの遵守（存在しないフィールドを作らない）、ハルシネーションを誘う条件への耐性（guidance は明示的に伏せてある）、構造化出力の実現方法の違い。
GLM-5.1 合格 · 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.
出力 3935 tok (+3802 思考) レイテンシ 41.1 s
制約の遵守（語数の上限、禁止語リスト、疑問文はひとつだけ）、文体の癖、長さの制御。
30 秒で GLM-5.1 を使い始める
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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(""));GLM-5.1 について
- GLM-5 を土台に、単一パスの生成ではなく実験・分析・最適化のループを重視し、複雑なエンジニアリング環境における自律的な探索、継続的な改善、安定した納品を可能にします。
- Z.AI によるこのアップグレードの位置づけは、ピーク時の能力ではなく持久力に関するものです。
- 前のリリースがエージェントループの早い段階で頭打ちになるのに対し、GLM-5.1 は数百ラウンドと数千回のツール呼び出しにわたって最適化を維持し、曖昧な問題に対してより優れた判断を示すと文書化されています。
- 200K コンテキストウィンドウと最大 128K 出力トークンに加え、思考モードと関数呼び出しを提供します。
- 名指しされたワークロードはコードにとどまらず、一般的な対話、創作、フロントエンドおよびアーティファクトの生成、オフィス業務にまで及びます。
- 思考はラインの他モデルと同じ thinking オブジェクトで切り替え、既定ではモデルに判断を委ね、トレースは別の reasoning_content フィールドで返ります。
- なお、Z.AI が後に追加した推論エフォートの制御は GLM-5.2 専用として文書化されているため、このモデルにエフォートのダイヤルはありません。
- MCP ツール、ストリーミング、JSON 出力、自動プレフィックスキャッシュはいずれも対応しており、ウェイトは MIT License の下で公開されています。
- Synthorai は GLM-5.1 を OpenAI 互換エンドポイントの背後で公開し、ドロップイン統合を可能にします。
よくある質問
GLM-5.1 API は無料で試せますか？
はい。新規アカウントには 10 回のお試し呼び出しと最大 $1 の無料クレジットが付き、カード登録は不要です。入力 $1.4/M で計算すると、このクレジットだけで、約 8K トークンのリクエストを GLM-5.1 に約 89 回送れます。
GLM-5.1 は何が得意ですか？
最大 8 時間、自律的に作業、単一パス生成より実験・分析・最適化ループ、計画立案からテスト・納品までをカバー。詳しくは、ベンダー公式のリリースノートをもとにまとめた、このページのモデル紹介セクションをご覧ください。
GLM-5.1 の料金はいくらですか？
Synthorai での GLM-5.1 の料金は、入力 100 万トークンあたり $1.4、出力 100 万トークンあたり $4.4 です。プロバイダーの定価のままで、プラットフォーム手数料はかかりません。キャッシュ済み入力トークンは $0.26/M で課金されます。
GLM-5.1 のコンテキスト長はどれくらいですか？
GLM-5.1 のコンテキストウィンドウは 203K トークンです。1 回の応答で出力できるのは最大 131,072 トークンです。
GLM-5.1 はプロンプトキャッシュに対応していますか？
はい、自動で有効です。Z.ai 経由のプロンプトはコード変更なしでキャッシュされます。キャッシュ済み入力トークンは $0.26/M（未キャッシュは $1.4/M）で課金されます。 プロンプトキャッシュガイド →
GLM-5.1 を利用するには？
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="glm-5.1" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
GLM-5.1 はオープンソースですか？
はい。ウェイトは MIT ライセンスで公開されています。GPU を用意したくない場合は、Synthorai がホストする版を従量課金で利用でき、インフラの運用は不要です。 オープンウェイトモデルの実行について →
関連モデル
比較
このページの値は、すべてベンダー自身のドキュメント（上部にリンクがあります）から転記したもので、確認した日付を添えています。価格はカタログ全体で比較しています。一方、ベンダーによって定義が異なる仕様値は、違いを明記するにとどめ、グラフでの比較はしていません。当社が測定した数値はなく、スコアも付けていません。