GLM 5.1

Zhipuтекстрелиз 07.04.2026reasoning

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...

Характеристики

Контекст
200K токенов
Максимум на выход
131K токенов
Входные данные
text
Выходные данные
text
Knowledge cutoff
—
Токенизатор
Other

Возможности

✓ Вызов функций✓ Structured output✓ Открытые веса— Приём файлов✓ Reasoningeffort:

Цены

Вход
$1.0756
за 1M токенов
Выход
$4.3026
за 1M токенов
Из кэша
$0.1076
за 1M токенов

Статистика у нас · за 30 дней

Запросов
2
Успешных
100%
Медиана ответа
5544 мс
Средняя
5544 мс

Бенчмарки

независимые замеры: Vals AI и Design Arena

Public Benefits Bench

отраслевые задачи · #29 из 40

  • Claude Opus 576.9%
  • Claude Fable 5.174.9%
  • Wonder Full73.8%
  • Claude Opus 5.570.6%
  • Claude Fable 570.4%
  • ▸ GLM 5.161.8%

LegalBench

отраслевые задачи · #33 из 40

  • Claude Fable 588.6%
  • Claude Fable 5.188.5%
  • Gemini 4 Argon88.3%
  • Wonder Full87.4%
  • Gemini 3.1 Pro Preview (02/26)87.4%
  • ▸ GLM 5.184.4%
Источники: Vals AI, Design Arena, Arena (LMArena).

Подключение

curl https://aicombiner.net/v1/chat/completions \
  -H "Authorization: Bearer $AICO_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "glm-5.1", "messages": [{"role": "user", "content": "Привет"}]}'

Один ключ открывает все модели каталога. Документация

Официальные источники

Hugging Face

Подробно о модели GLM 5.1

GLM 5.1 — модель компании Zhipu, выпущенная 7 апреля 2026 г. Держит в контексте 200 тысяч токенов — это примерно 400 страниц текста. Поддерживает вызов функций (function calling), структурированный вывод по схеме, режим рассуждений, открытые веса.

Сколько стоит работа

Входные токены — 1.0756 $ за миллион, выходные — 4.3026 $. Повторная отправка того же контекста тарифицируется по кэшу — 0.1076 $. Тысяча запросов, в каждом 500 токенов вопроса и 500 токенов ответа, обойдётся примерно в 2.69 $.

Что показывают бенчмарки

Бенчмарк — это набор задач с проверяемым ответом. Место в нём говорит не о «силе» модели вообще, а о том, насколько хорошо она решает именно такие задачи. Разница в один-два процента обычно лежит внутри статистической погрешности, разрыв в десять и больше — уже реальная разница.

  • Public Benefits Bench — отраслевые задачи с проверяемым ответом. Результат: 61.8%, место #29 из 40. Лидер — Claude Opus 5 с 76.9%, разрыв 15.1 п.п.
  • LegalBench — отраслевые задачи с проверяемым ответом. Результат: 84.4%, место #33 из 40. Лидер — Claude Fable 5 с 88.6%, разрыв 4.2 п.п.

Лучше всего модель показывает себя в «Public Benefits Bench» (#29), слабее — в «LegalBench» (#33). Это нормально: модели обучают на разных данных, и профиль получается неровным.

Как ведёт себя у нас

За последние 30 дней через сервис прошло 2 запросов к этой модели, успешных 100%. Медианный ответ — 5544 мс, средний 5544 мс. Модель отвечает медленно: для интерактивных сценариев лучше брать что-то быстрее.

Как подключить

Модель вызывается через OpenAI-совместимый API: адрес https://aicombiner.net/v1, ключ в заголовке Authorization: Bearer, имя модели — glm-5.1. Один ключ открывает весь каталог, поэтому переключение между моделями — это смена одного поля в запросе. Деньги списываются по факту: за фактические токены, а не за попытку.