Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Zai · pașaport de model

Z.ai: GLM 4.5

glm-4-5

Ponderi deschise
Licență MIT
358.3B parametri
131,072 context
Lansat 2025-07-28(curatoriat)

General · LMArena: 1,411#137 din 396
Cea mai bună percentilă: 85.0MMLU-Pro (Artificial Analysis)
Poziția în cohortă: 61.8mediană 51.6

Ce spun datele

Evaluat pe 9 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

85 pct — MMLU-Pro (Artificial Analysis) (83.5%)

Neuniform: 50,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 85 pct pe MMLU-Pro (Artificial Analysis) față de 34.8 pct pe Humanity's Last Exam.

MMLU-Pro (Artificial Analysis)85 pct83.5%Verifică →
LiveCodeBench (Artificial Analysis)83.2 pct73.8%Verifică →
LiveBench72.5 pct65.0%Verifică →
Urmarea instrucțiunilor68.4 pct1,404Verifică →
Prompturi dificile67.7 pct1,433Verifică →
General65.7 pct1,411Verifică →
Programare65 pct1,455Verifică →
IFBench (Artificial Analysis)49.4 pct44.1%Verifică →
Humanity's Last Exam34.8 pct8.3%Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
SimpleBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositoryzai-org/GLM-4.5

Parametri358.3B

ArhitecturăGlm4MoeForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "zai-org/GLM-4.5"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIz-ai/glm-4.5

Lungime context131,072 tokeni

Ieșire maximă98,304 tokeni

Preț intrare$0.60 per 1M tokeni

Preț intrare din cache$0.11 per 1M tokeni

Preț ieșire$2.20 per 1M tokeni

Parametri API acceptați de acest endpoint

Include reasoningMax tokensReasoningResponse formatTemperatureTool choiceTool callingTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"z-ai/glm-4.5","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

glm-4.5 stands at 61.8 (raw mean 65.7) — measured on 9 of 27 axes.
pozițieșablonVerifică →
glm-4.5 stands at 61.8 versus a cohort median of 51.6 across 145 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →