text
Glm 5
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。
价格
以单次请求的输入上下文长度判定档位,Tune 与 Pro 采用相同的阶梯价格。
| 输入上下文 | 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|---|
| ≤ 32.768K tokens | ¥4 | ¥18 | ¥1 | ¥0 |
| > 32.768K tokens | ¥6 | ¥22 | ¥1.5 | ¥0 |
模型能力
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 项智能体协同49%
7 题 · 主/客观混合
代码生成90%
10 题 · 客观
代码理解与调试80%
12 题 · 主观
创意写作78%
17 题 · 主观
信息检索 / RAG94%
13 题 · 主/客观混合
长文本处理73%
3 题 · 主观
数学与科学推理93%
14 题 · 客观
多语言能力88%
10 题 · 主/客观混合
通用基础能力
3 项通识知识76%
15 题 · 主/客观混合
文本理解83%
5 题 · 主观
逻辑推理76%
20 题 · 主/客观混合
安全与合规能力
2 项幻觉控制86%
9 题 · 主观
指令遵循86%
14 题 · 主观
服务表现
Glm 5 Tune
glm-5@tune过去 24 小时 · 106,560 次请求
- 首 Token 等待 · TTFT · P50
- 479ms P95 876 ms
- 输出速度 · TPS · P50
- 35tok/s P95 88 tok/s
- 完整响应 · E2E · P50
- 6.49s P95 9.40 s
- 请求成功率
- 97.34% 103,726 次正常完成
24 小时可用性
24 小时前12 小时前现在
Glm 5
glm-5过去 24 小时 · 70,478 次请求
- 首 Token 等待 · TTFT · P50
- 2460ms P95 2492 ms
- 输出速度 · TPS · P50
- 74tok/s P95 92 tok/s
- 完整响应 · E2E · P50
- 9.01s P95 9.96 s
- 请求成功率
- 98.28% 69,266 次正常完成
24 小时可用性
24 小时前12 小时前现在
Glm 5 的示例代码和 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 你的API密钥" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5",
"messages": [{"role": "user", "content": "你好,请介绍一下自己"}]
}'# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://www.silvamux.com/api/v1",
api_key="你的API密钥",
)
response = client.chat.completions.create(
model="glm-5",
messages=[
{"role": "user", "content": "你好,请介绍一下自己"}
],
)
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\":\"你好,请介绍一下自己\"}]}";
Request request = new Request.Builder()
.url("https://www.silvamux.com/api/v1/chat/completions")
.header("Authorization", "Bearer 你的API密钥")
.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: '你的API密钥',
})
const response = await client.chat.completions.create({
model: 'glm-5',
messages: [{ role: 'user', content: '你好,请介绍一下自己' }],
})
console.log(response.choices[0].message.content)