GLM-5.1은 롱 호라이즌 과제를 위해 설계된 Z.AI의 플래그십 파운데이션 모델로, 공식적으로는 계획·실행·테스트·수정·인도에 이르기까지 하나의 과제를 최대 8시간 동안 연속적이고 자율적으로 수행할 수 있다고 설명됩니다.
- 입력
- 텍스트 $1.4/M
- 출력
- 텍스트 $4.4/M
- 캐시 읽기
- $0.26/M
- 컨텍스트
- 203K
- GPT-4o 대비
- 약 72% 저렴
가격 수준 비교
같은 종류의 모델 68개 중 가격 위치
이 막대는 Synthorai에 있는 같은 종류의 모델 가운데 이 모델의 가격이 어디쯤인지 보여 줍니다. 양쪽 끝에는 가장 싼 모델과 가장 비싼 모델의 이름이 있습니다. 기본 요율 기준이며 배치·리전·캐시 쓰기 할인은 가격 페이지에 있습니다.
사양 및 제한
토큰
| 컨텍스트 윈도우(공급자 사양) | 200,000 |
|---|---|
| 최대 출력(공급자 사양) | 131,072 |
프롬프트 캐싱
| 캐싱 방식 | 자동 |
|---|
사고
| 공급자 파라미터 | thinking.type |
|---|---|
| 허용 값 | enabled · disabled |
| 기본값 | enabled, 사고 여부는 모델이 자동으로 판단 요청에서 지정하지 않을 때 적용 |
| 비활성화 가능 | 지원 |
| 사고 동작 | 트레이스는 reasoning_content로 반환됩니다. 이전 턴의 트레이스는 기본적으로 삭제되며(clear_thinking true), 인터리브드 사고 블록은 보존해 도구 결과와 함께 반환하는 것이 좋습니다. reasoning_effort 제어는 없으며, 문서상 GLM-5.2 전용입니다. |
| 파라미터 | reasoning_effort |
| 값 | minimal · low · medium · high 게이트웨이가 받는 파라미터입니다. 위의 공급자 매핑이 적용됩니다 |
모델
| 모달리티 | 텍스트 → 텍스트 |
|---|---|
| 파라미터 | 전체 744B · 활성 40B MoE |
| 라이선스 | MIT |
- 차세대 에이전틱 엔지니어링 플래그십(744B-A40B): 단일 실행에서 수천 번의 도구 호출에 걸쳐 최대 8시간 동안 자율적으로 작업
- 200K 컨텍스트 / 128K 최대 출력
출처: Z.ai 공식 문서 ↗
프롬프트 하나, 게이트웨이를 거쳐 측정
GLM-5.1 통과 · 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.
출력 98 tok 지연 시간 7.8 s
지시 준수(정확히 세 문장이라 셀 수 있음), 독자에 맞춘 어조(CFO 대상), 아래 토큰 미터에 드러나는 숨은 사고 토큰 과금 차이를 봅니다.
GLM-5.1 통과 · 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.
출력 3823 tok (+3585 사고) 지연 시간 49.7 s
수정이 실제로 맞는지(실행되는지), 설명이 얼마나 압축적인지, 범위가 정해진 작업에서 토큰을 얼마나 효율적으로 쓰는지를 봅니다.
GLM-5.1 통과 · 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" } ```
출력 1091 tok (+1028 사고) 지연 시간 15.2 s
스키마 준수(없는 필드를 지어내지 않는지), 환각을 유도하는 조건에서의 대응(guidance 값을 일부러 주지 않음), 구조화된 출력 경로의 차이를 봅니다.
GLM-5.1 통과 · 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.
출력 3935 tok (+3802 사고) 지연 시간 41.1 s
제약 준수(단어 수 제한, 금지어 목록, 의문문 하나), 문체의 특징, 길이 조절을 봅니다.
30초 만에 GLM-5.1 사용하기
OpenAI 호환입니다. base_url만 바꾸고 SDK는 그대로 쓰세요. 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 소개
- GLM-5 위에 구축되어 단발성 생성이 아니라 실험-분석-최적화 루프를 강조하며, 복잡한 엔지니어링 환경에서 자율적 탐색, 지속적 개선, 안정적 인도를 가능하게 합니다.
- Z.AI가 이 업그레이드를 규정하는 방식은 최고 성능이 아니라 지구력입니다.
- 이전 릴리스가 에이전트 루프 초반에 정체되는 반면, GLM-5.1은 수백 라운드와 수천 번의 도구 호출에 걸쳐 최적화를 지속하고 모호한 문제에 대한 판단이 더 낫다고 문서화되어 있습니다.
- 200K 컨텍스트 윈도우와 최대 128K 출력 토큰에 더해 사고 모드와 함수 호출을 제공합니다.
- 명시된 워크로드는 코드를 넘어 일반 대화, 창작 글쓰기, 프런트엔드 및 아티팩트 생성, 사무 생산성까지 이어집니다.
- 사고는 이 라인의 나머지와 동일한 thinking 객체로 전환되고 기본적으로 모델이 판단하도록 두며, 트레이스는 별도의 reasoning_content 필드로 반환됩니다.
- 다만 Z.AI가 나중에 추가한 추론 강도 제어는 GLM-5.2 전용으로 문서화되어 있어 이 모델에는 강도 조절 수단이 없습니다.
- MCP 도구, 스트리밍, JSON 출력, 자동 프리픽스 캐싱을 모두 지원하며, 가중치는 MIT License로 공개되어 있습니다.
- Synthorai는 그대로 갈아 끼울 수 있도록 OpenAI 호환 엔드포인트 뒤에 GLM-5.1을 노출합니다.
자주 묻는 질문
GLM-5.1 API는 무료로 사용해 볼 수 있나요?
네. 신규 계정에는 체험 호출 10회와 최대 $1의 무료 크레딧을 드리며, 카드 등록은 필요 없습니다. 입력 100만 토큰당 $1.4 기준으로 계산하면, 이 크레딧만으로 GLM-5.1에 약 8K 토큰짜리 요청을 89회쯤 보낼 수 있습니다.
GLM-5.1은 어떤 작업에 가장 강한가요?
최대 8시간 자율 작업, 단발 생성 대신 실험-분석-최적화 루프, 계획부터 테스트·전달까지 커버. 자세한 내용은 공급자의 공식 릴리스 노트를 바탕으로 정리한 소개 섹션에서 확인하세요.
GLM-5.1 가격은 얼마인가요?
Synthorai에서 GLM-5.1 가격은 입력 100만 토큰당 $1.4, 출력 100만 토큰당 $4.4입니다. 공급자 정가 그대로이며 플랫폼 마진은 없습니다. 캐시된 입력 토큰은 100만 토큰당 $0.26입니다.
GLM-5.1의 컨텍스트 길이는 얼마인가요?
GLM-5.1의 컨텍스트 윈도우는 203K 토큰입니다. 한 번의 응답으로 최대 131,072 토큰까지 출력할 수 있습니다.
GLM-5.1은 프롬프트 캐싱을 지원하나요?
네, 자동으로 지원합니다. Z.ai에서 처리하는 프롬프트는 코드를 바꾸지 않아도 캐시됩니다. 캐시된 입력 토큰은 100만 토큰당 $0.26입니다(캐시되지 않으면 $1.4). 프롬프트 캐싱 가이드 →
GLM-5.1은 어떻게 이용하나요?
쓰던 OpenAI SDK에서 base_url="https://synthorai.io/v1", model="glm-5.1"만 지정하면 됩니다. API 키 하나로 게이트웨이의 모든 모델을 쓸 수 있습니다.
GLM-5.1은 오픈소스인가요?
네, 가중치가 MIT 라이선스 하에 공개되어 있습니다. GPU를 직접 마련하지 않아도 됩니다. 여기서 제공하는 호스팅 버전은 종량제이며, 직접 운영할 인프라가 없습니다. 오픈 웨이트 모델 실행하기 →
관련 모델
비교
이 페이지의 모든 값은 공급자 공식 문서(위 링크)에서 그대로 옮겨 적었으며, 확인한 날짜를 함께 표기합니다. 가격은 카탈로그 전체와 비교해 보여 주지만, 공급자마다 정의가 다른 사양 값은 차이만 밝히고 차트로 비교하지 않습니다. 저희가 직접 측정한 수치는 없고, 점수도 매기지 않습니다.