从代码片段走向系统实现
GLM-5 的重点是复杂系统工程，可围绕前端、后端和跨模块需求组织实现思路。提供接口约束、已有代码和验收条件后，适合让它拆分改动、解释依赖并补充测试建议，使输出更接近可审查的工程方案，而非孤立代码片段。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生参数规模
- 总参数 744B，激活参数 40B
- 原生注意力技术
- DeepSeek Sparse Attention（DSA）
- 权重许可
- 公开模型权重，MIT 许可证
- 主要输入输出
- 文本消息输入，文本与代码内容输出
- 聊天补全入口
- POST /glm/chat/completions；model 为 glm-5
- 对话方式
- messages 历史对话，或 stateful 与 id 托管会话
- 响应方式
- 完整响应或流式响应；函数工具交互需配合执行环境
参数规模、注意力技术与许可属于原生模型规格；消息管理、响应格式和工具执行方式由所选调用入口决定。
核心能力
了解 glm-5 能为你的工作带来什么。
围绕反馈推进长期任务
面对需要多步完成的任务，GLM-5 强调规划与持续推进。可以先明确目标、阶段产物和停止条件，再逐轮补充测试结果或工具反馈，让它调整下一步行动。配合外部状态记录与执行环境，适合构建有检查点的 Agent 工作流。
把材料组织成工作文档
GLM-5 的官方展示涵盖需求文档、报告和表格类交付。用于聊天集成时，可先生成章节、表格内容与数据处理代码，再交由文档工具制作文件。适合将零散材料整理成可编辑的工作底稿，同时保留人工审阅和格式调整空间。
适用场景
从具体任务出发，找到模型发挥作用的位置。
跨模块缺陷修复
输入错误日志、相关函数、接口定义和复现步骤，让 GLM-5 分析故障链路，提出修改位置、候选补丁及回归测试。执行测试后继续回传结果，最终形成修复说明与验证清单，适合需要反复定位而非一次补全的开发任务。
需求到实施计划
提供产品目标、业务规则、已有架构和验收要求，让 GLM-5 输出模块划分、接口草案、实施顺序与风险依赖。后续可按模块继续细化代码和测试方案，形成便于开发评审的任务清单，避免直接从模糊需求跳到大段实现。
报告与表格底稿
输入经过整理的业务材料、数据口径和目标读者，让 GLM-5 生成报告结构、解释段落、表格字段及计算思路。需要 Word、PDF 或 Excel 文件时，再连接相应制作工具；交付前核对公式、单位和关键数字，保证内容与材料一致。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
与 GLM-4.7 如何取舍
如果任务涉及前后端协同、复杂代码修改或多轮工具反馈，可优先评估 GLM-5。官方对比强调了这些工程任务上的提升，但不意味着所有问题都更适合它。已有 GLM-4.7 应用建议用真实工单比较补丁质量、测试通过情况和交互开销，再决定是否迁移。
不要把相近名称当作同一版本
glm-5、glm-5-turbo 与 glm-5.1、glm-5.2、glm-5.3 是不同调用型号。选择 GLM-5，主要看重其复杂工程与长期任务定位；若需求依赖其他版本的特定容量或控制功能，应选择对应型号。模型切换时也应重新验证提示词、工具交互和输出表现。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- GLM-5 的工程推理不等于自动运行代码。聊天补全中的工具调用信息需要应用执行并回传结果；涉及终端、仓库修改或部署时，应配置执行环境、权限边界与测试检查，不能把生成的操作计划当作已完成的任务。
- GLM-5 应以文本和代码任务为主要使用方式。需要处理截图、扫描件或音频时，应先安排合适的识别与解析步骤，再提交提取内容；长材料也宜按任务拆分，并保留关键约束，避免重要信息在多轮协作中被遗漏。
- 官方文档制作示例依赖配套 Agent 技能，不代表普通聊天请求会直接返回可下载的办公文件。生成报告时仍需核验材料、公式与引用；跨模块代码修改则需经过编译、测试和审查，尤其注意未提供的项目依赖与运行配置。
常见问题
解答使用 glm-5 时的常见疑问。
GLM-5 是 GLM-5.3 的简称吗？
不是。GLM-5 是独立的原生型号，调用 ID 为 glm-5；glm-5.3 和 glm-5-turbo 等名称对应不同型号。不要把其他版本的上下文、输出上限或推理控制直接用于 GLM-5，切换时应重新验证任务表现。
接入 GLM-5 应选哪个入口？
需要自行管理消息历史和工具回路时，可选 /glm/chat/completions，提交 model 与 messages。希望通过会话 ID 延续对话时，可选 /aichat2/conversations；已有简洁问答集成也可使用 /aichat/conversations。
GLM-5 能直接修改并运行我的项目吗？
它可以分析代码、规划修改并生成工具调用，但实际读写项目和运行测试需要执行环境参与。建议限定可访问目录、可执行命令与验收条件，再把运行结果回传，让模型根据真实反馈继续修正，而不是只凭解释判断成功。
GLM-5 能直接生成 Word 或 Excel 文件吗？
官方展示了配合 Agent 技能制作办公文件的工作流。普通聊天集成适合先获取文档内容、表格结构或生成脚本，再由文件制作工具完成导出。应区分回答中的文字内容与已经生成、可以下载的文件产物。
怎样让 GLM-5 更好地处理复杂开发任务？
先提供需求边界、相关代码、错误信息和明确验收标准，再要求它分阶段提出方案。每阶段回传测试结果与新增约束，保留关键决策和未解决问题。相比只说“帮我修好”，这种反馈式协作更契合它的工程任务定位。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.60per 1M tokens
Official $1.00
Output
$1.92per 1M tokens
Official $3.20
−39%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs