Z.ai GLM 5.1
Z.aiÉquilibré
RaisonnementOutilsSortie structurée
À propos de ce modèle
GLM-5.1 delivers a major leap in coding capability, with particularly significant gains in handling long-horizon tasks. Unlike previous models built around minute-level interactions, GLM-5.1 can work independently and continuously on...
Catégorie de performance
Équilibré
Z.ai GLM 5.1 est un modèle équilibré de Z.ai : un bon compromis entre bonnes performances à un prix raisonnable.
Bon rapport coût-performance. Fiable pour la plupart des usages professionnels sans tarification premium.
Tarification
Ce modèle est inclus dans les plans ElosiaAbordable
Coût réduit. Adapté à un usage soutenu et aux interactions volumineuses.
| Type | par 1M tokens |
|---|---|
| Entrée (prompt) | $0.952 |
| Sortie (complétion) | $2.99 |
| Lecture cache | $0.177 |
Capacités
Taille du contexte203K
Tokens de sortie max131K
TokenizerOther
Entréetext
Sortietext
Date de sortie7 avril 2026
Benchmarks
Intelligence générale
MMLU
Non reporté
GPQA Diamond
86.2%
Mathématiques
MATH-500
Non reporté
Programmation
HumanEval
Non reporté
SWE-bench Verified
77.8%
LiveCodeBench
52%
Raisonnement
Humanity's Last Exam
52.3%
Agentique
SWE-bench Pro
58.4%
Terminal-Bench 2.0
69%
Où se situe Z.ai GLM 5.1 ?
Comparez son indice de performance à tous les autres modèles.
Usages recommandés
ProgrammationAnalyseRechercheChat général
Points forts
- Modèle MoE de 754B (40B actifs), solide codeur agentique sur SWE-Bench Pro (58,4) — surpassé par GLM 5.2 pour les usages frontier
- Codage agentique long-terme, exécution autonome jusqu'à 8 heures sur une seule tâche
- Fenêtre de contexte de 200K tokens avec jusqu'à 131K tokens en sortie
- Licence MIT open-weight, auto-hébergeable, entraîné entièrement sur puces Huawei
- Tarification compétitive ($0,95/M entrée, $3,15/M sortie) face aux modèles frontier occidentaux
Limites
- Uniquement texte : pas de capacités multimodales (image/audio)
- Écosystème d'intégrations et d'outillage plus restreint en dehors du marché chinois
- Benchmarks auto-rapportés, vérification indépendante encore limitée
Questions fréquentes
Ressources
Ce modèle peut utiliser vos données pour l'entraînement
