text
silvamux/
glm-5GLM 5面向企业知识检索、资料问答与检索增强生成提供稳定的模型能力,优势集中在信息检索/RAG和数学与科学推理。适合需要兼顾任务理解与结果质量的产品和研发团队。
Pricing
Tiers are determined by the input context length of each request; Tune and Pro share the same tiered prices.
| Input context | Input | Output | Cache read | Cache write |
|---|---|---|---|---|
| ≤ 32.768K tokens | ¥4 | ¥18 | ¥1 | ¥0 |
| > 32.768K tokens | ¥6 | ¥22 | ¥1.5 | ¥0 |
Capabilities
GLM 5在本轮能力评测中综合得分81,整体表现优秀。其信息检索 / RAG(94%)和数学与科学推理(93%)表现突出,能够从知识库和多来源资料中定位信息、组织证据并生成有依据的回答,并处理数学求解、科学分析和结构化推理任务。对软件开发者和工程团队而言,它适合用于代码编写、代码库理解、重构调试等研发场景,解决在复杂代码任务中兼顾生成结果与上下文理解;代码生成(90%)也为相关任务提供补充。不过,智能体协同(49%)相对较弱,在需要多步骤自主规划、连续工具调用或跨智能体协作的任务中,建议增加人工复核或专项验证。
81/ 100
专项进阶能力
8 items智能体协同49%
7 questions · 主/客观混合
代码生成90%
10 questions · 客观
代码理解与调试80%
12 questions · 主观
创意写作78%
17 questions · 主观
信息检索 / RAG94%
13 questions · 主/客观混合
长文本处理73%
3 questions · 主观
数学与科学推理93%
14 questions · 客观
多语言能力88%
10 questions · 主/客观混合
通用基础能力
3 items通识知识76%
15 questions · 主/客观混合
文本理解83%
5 questions · 主观
逻辑推理76%
20 questions · 主/客观混合
安全与合规能力
2 items幻觉控制86%
9 questions · 主观
指令遵循86%
14 questions · 主观
Performance
Glm 5 Tune
glm-5@tune- 延迟
- 14.11s
- 吞吐量
- 12.48Ktokens/min
- 可用率
- 99.7%
Availability
99.7%- 完成率
- 100%
- 缓存命中率
- 动态变化
- 累计评测耗时
- 5557.4s
- Token 消耗
- 1,155,566tokens
- 平均请求次数
- 7.2次
- TPM
- 12,476tokens/min
- QPM
- 1.9req/min
Glm 5
glm-5- 延迟
- 58.2s
- 吞吐量
- 2.48Ktokens/min
- 可用率
- 100.0%
Availability
100.0%- 完成率
- 100%
- 缓存命中率
- 动态变化
- 累计评测耗时
- 12616.7s
- Token 消耗
- 521,918tokens
- 平均请求次数
- 1.0次
- TPM
- 2,482tokens/min
- QPM
- 0.7req/min
Glm 5 example code and API
Tune
glm-5@tune/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messagesPro
glm-5/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messagescurl https://www.silvamux.com/api/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5",
"messages": [{"role": "user", "content": "Hello, please introduce yourself"}]
}'# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://www.silvamux.com/api/v1",
api_key="YOUR_API_KEY",
)
response = client.chat.completions.create(
model="glm-5",
messages=[
{"role": "user", "content": "Hello, please introduce yourself"}
],
)
print(response.choices[0].message.content)// Gradle: implementation(__HL_SLOT_0__)
import okhttp3.*;
OkHttpClient client = new OkHttpClient();
MediaType json = MediaType.get("application/json");
String payload = "{\"model\":\"glm-5\",\"messages\":[{\"role\":\"user\",\"content\":\"Hello, please introduce yourself\"}]}";
Request request = new Request.Builder()
.url("https://www.silvamux.com/api/v1/chat/completions")
.header("Authorization", "Bearer YOUR_API_KEY")
.post(RequestBody.create(payload, json))
.build();
try (Response response = client.newCall(request).execute()) {
System.out.println(response.body().string());
}// npm install openai
import OpenAI from 'openai'
const client = new OpenAI({
baseURL: 'https://www.silvamux.com/api/v1',
apiKey: 'YOUR_API_KEY',
})
const response = await client.chat.completions.create({
model: 'glm-5',
messages: [{ role: 'user', content: 'Hello, please introduce yourself' }],
})
console.log(response.choices[0].message.content)