Fiche

GLM-5: fiche technique, prix API et données

Name: GLM-5
Brand: Z.ai

Mis à jour 28 oct. 2026

Z.ai GLM-5 — drawn card, not a photograph of the product

Z.aiAI Models & LLMs

71.3/100

#3 sur 3 · AI Models & LLMsLe même étalon pour chaque modèle vérifié de la catégorie.

Précision SWE-bench: 72,8%
Fenêtre de contexte: 200k tokens
Réponse maximale: 128k tokens
Coût par million de jetons en entrée: $1,00
Coût par million de jetons en sortie: $3,20
Open weights (downloadable): Oui

Tu l’utilises et tu paies à l’usage via l’API du fabricant, par million de tokens : il n’y a pas de boutique. Les tarifs sont dans la fiche technique ci-dessous.

Page officielle: docs.z.ai ↗Page officielle: huggingface.co ↗

Fiche technique · GLM-5

Chaque donnée est citée depuis la page officielle du fabricant, avec la date de lecture. Si une ligne manque, la source ne l’indique pas et nous ne l’estimons pas.

Performances

Précision SWE-bench: 72,8%Rang 3 sur 5; Ce que cela signifie et la source
Combien de vrais problèmes de programmation (tickets de projets open source) il résout seul dans le classement indépendant SWE-bench Verified. Plus c’est haut, mieux il écrit et corrige du code.
swebench.comOuvre la source dans un nouvel onglet 28 oct. 2026

Mémoire et longueur des réponses

Fenêtre de contexte: 200k tokensRang 20 sur 21; Ce que cela signifie et la source
La quantité de texte que le modèle garde sous les yeux dans une seule requête, question et réponse comprises. Cela compte pour les longs documents et les projets de code entiers. Un token est un fragment de mot.
docs.z.aiOuvre la source dans un nouvel onglet 23 oct. 2026
Réponse maximale: 128k tokensRang 3 sur 16; Ce que cela signifie et la source
La réponse la plus longue qu’il peut écrire d’un seul trait : utile pour les rapports, le code long ou la traduction de documents entiers.
docs.z.aiOuvre la source dans un nouvel onglet 23 oct. 2026

Prix API

Coût par million de jetons en entrée: $1,00Rang 6 sur 21; Ce que cela signifie et la source
Ce que coûte la lecture d’un million de tokens par le modèle (ta question, les documents, le code). C’est le tarif officiel, avant remises.
docs.z.aiOuvre la source dans un nouvel onglet 23 oct. 2026
Coût d’entrée en cache par 1M de tokens: $0,20Rang 12 sur 20; Ce que cela signifie et la source
Le tarif réduit quand une partie de la requête est identique à une envoyée récemment, par exemple les mêmes instructions ou le même document : le fournisseur la garde en mémoire et la facture moins cher.
docs.z.aiOuvre la source dans un nouvel onglet 23 oct. 2026
Coût par million de jetons en sortie: $3,20Rang 5 sur 21; Ce que cela signifie et la source
Ce que coûte un million de tokens écrits par le modèle. C’est généralement plus cher que l’entrée et c’est le chiffre à surveiller quand les réponses sont longues.
docs.z.aiOuvre la source dans un nouvel onglet 23 oct. 2026

Taille et ouverture

Paramètres: 744 milliards; Ce que cela signifie et la source
La taille du réseau : combien de milliards de valeurs apprises le composent. Plus grand ne veut pas forcément dire meilleur, mais cela indique le matériel nécessaire pour le faire tourner soi-même.
huggingface.coOuvre la source dans un nouvel onglet 23 oct. 2026
Paramètres actifs par token: 40 milliards; Ce que cela signifie et la source
Dans les modèles « à experts », seule une partie du réseau travaille sur chaque mot : ce sont les paramètres réellement utilisés pour chaque token, importants pour la vitesse et les coûts d’exécution.
huggingface.coOuvre la source dans un nouvel onglet 23 oct. 2026
Open weights (downloadable): Oui7 modèles sur 23; Ce que cela signifie et la source
Les poids du modèle sont téléchargeables : tu peux le faire tourner sur tes serveurs, l’adapter et décider où restent les données, dans les limites de la licence.
huggingface.coOuvre la source dans un nouvel onglet 23 oct. 2026

Where it stands · GLM-5

The same verified figures, next to those of the other catalogue models. Tap a model for the head-to-head.

Précision SWE-benchRang 3 sur 5 · higher is better

Fenêtre de contexteRang 20 sur 21 · higher is better

Réponse maximaleRang 3 sur 16 · higher is better

Coût par million de jetons en entréeRang 6 sur 21 · lower is better

Coût par million de jetons en sortieRang 5 sur 21 · lower is better

Du matériel pour essayer l’IA chez soi

GLM-5: rien que garder les poids en mémoire demande environ 1 488 GB en 16 bits, 744 GB en 8 bits, 372 GB en 4 bits. Au-delà de 24 Go, ce n’est pas un travail pour un PC de maison : mieux vaut l’utiliser via une API.Calculé à partir des milliards de paramètres indiqués par le fabricant, pas une mesure : le contexte et le programme d’exécution demandent plus de mémoire.

Questions et réponses

GLM-5: combien coûte-t-il via l’API ?

Le tarif officiel est de $1,00 par million de tokens en entrée et $3,20 par million de tokens en sortie.

GLM-5: combien de texte peut-il lire d’un coup ?

La fenêtre de contexte est de 200k tokens. Il peut écrire des réponses allant jusqu’à 128k tokens.

GLM-5: puis-je l’exécuter sur mon propre ordinateur ?

Oui, l’éditeur publie les poids du modèle. Paramètres: 744 milliards. Pour les garder en mémoire, il faut environ 372 GB en 4 bits ; le contexte et le programme d’exécution demandent plus de mémoire.

GLM-5: est-il bon en programmation ?

Il résout 72,8% des problèmes de SWE-bench Verified, le classement indépendant de vrais problèmes de programmation.

L’essentiel

Sur Z.ai GLM-5, la donnée qui compte vraiment est Précision SWE-bench : 72.8. Je l’ai relevé chez https://www.swebench.com/verified. Parmi les 5 que j’ai vérifiés, 2 font mieux. L’autre chiffre à regarder est Fenêtre de contexte : 200K. Sur les champs mesurables, il atteint 71.3/100.

Les chiffres de Z.ai GLM-5

Je les ai classés par importance, avec la valeur et la position face aux autres que j’ai vérifiés.

Précision SWE-bench : 72.8. Position 3 sur les 5 que j’ai comparés.

Fenêtre de contexte : 200K. Position 20 sur les 21 que j’ai comparés.

Coût par million de jetons en sortie : 3.2. Position 5 sur les 21 que j’ai comparés.

Coût par million de jetons en entrée : 1. Position 6 sur les 21 que j’ai comparés.

Coût d’entrée en cache par 1M de tokens (USD) : 0.2. Position 8 sur les 20 que j’ai comparés.

Open weights (downloadable) : 1. C’est la meilleure valeur parmi les 7 que j’ai comparés.

Illustration du sujet: Illustration of an application (illustrative image, not a photo of the product)

À qui il s’adresse

Choisis-le si Open weights (downloadable) est ta priorité : 1, et aucun de ceux que j’ai vérifiés ne fait mieux.

Regarde ailleurs si ce qui compte pour toi est Précision SWE-bench : ici c’est 72.8, et 2 produits font mieux.

Pour aller plus loin

Fiche

Sources

Demande à Sir Compare:Explique-moi ces chiffres

Comment j’ai calculé le score

La même règle pour tous les produits de cette catégorie. Ci-dessous, le poids de chaque critère et sa contribution.

Z.ai GLM-5: 71.3/100

SWE-bench Verified (resolved %): 96.3/100 × 0.55 = 53
Coût par million de jetons en sortie (USD): 68.8/100 × 0.15 = 10.3
Fenêtre de contexte (k jetons): 20/100 × 0.25 = 5
Coût par million de jetons en entrée (USD): 60/100 × 0.05 = 3

Avis et tests

Z.ai GLM-5

Avis et tests

Les avis ne sont pas encore disponibles.

Ce qui a changé

28 oct. 2026Page mise à jour

Comment je classe les produits

La lettre de Sir Compare

Du nouveau sur AI Models & LLMs ? Je vous écris.

Choisissez vos sujets : je n’écris que lorsqu’il y a du neuf — un guide, une actualité, un prix vérifié qui baisse.

Étape 1 sur 2

Qu’est-ce qui vous intéresse ?

Choisissez-en autant que vous voulez. Sans choix, vous recevez les nouveautés de toutes les rubriques.

Ce que vous voulez recevoir

Seulement vos choix
Jamais d’e-mail vide
Un clic pour partir