GLM-5.1

Oversigt. GLM-5.1 var flagskibsmodellen med åbne vægte fra Z.ai ved lanceringen. Det er en Mixture-of-Experts-arkitektur med 754 milliarder parametre, som aktiverer omkring 40 milliarder parametre per token. Modellen blev udgivet i april 2026 under MIT-licensen og er bygget specifikt til agentisk ingeniørarbejde med mange trin. Den kombinerer et kontekstvindue på 200k tokens med indbygget ræsonnering, der kører automatisk ved hver forespørgsel. Udviklere vælger den, når en opgave kræver vedvarende problemløsning i flere trin frem for et enkelt hurtigt svar.

Vigtigste styrker. GLM-5.1 opnåede en førende SWE-Bench Pro-score på 58,4, hvilket er et tydeligt spring fra forgængerens 55,1. Det placerer den blandt de stærkeste modeller til softwareudvikling i den virkelige verden. Dens behandlingskæde efter træning kombinerer overvåget finjustering på agentiske data og kodedata med reinforcement learning målrettet ræsonnering og brug af værktøjer. Det viser sig som en konsekvent stærk præstation i benchmarks for kode og agentiske opgaver. Ræsonneringen er altid aktiveret og struktureret, så modellen kan iterere over et problem internt, før den genererer uddata.

Anvendelsesområder. Brug GLM-5.1 til komplekse kode- og softwareopgaver, der har gavn af dyb ræsonnering i flere trin — såsom refactoring, ændringer i flere filer eller agentiske arbejdsflow med værktøjer, hvor modellen skal planlægge og revidere over flere runder. Den passer godt til batch-behandling eller asynkrone behandlingskæder, da det altid aktiverede ræsonneringsspor og det store loft for uddata på 131k tokens prioriterer gennemløb over svartid på under et sekund. Det er et stærkt valg, når kvaliteten af ingeniørarbejdet betyder mere end rå hastighed.

Begrænsninger. Ræsonnering er indbygget uden et ræsonneringsniveau, du selv kan vælge. Du kan derfor ikke skrue ned for det ved svartidsfølsomme opgaver med lav kompleksitet, som du kan i senere GLM-udgivelser. Modellen understøtter kun tekst, uden billed- eller lydforståelse som inddata eller uddata, og Z.ai har ikke oplyst, hvor træningsdataene slutter. Den er desuden blevet overhalet af de nyere GLM-5.2- og GLM-5.3-udgivelser, selvom den stadig understøttes fuldt ud.

Bemærkning om suverænitet. Vægtene i GLM-5.1 er udgivet under MIT-licensen og kan downloades frit. Organisationer, der har brug for fuld kontrol over databehandlingen, kan derfor køre selv på deres egen suveræne infrastruktur i stedet for at være afhængige af en tredjeparts-API og dennes regler for træning på inddata eller dataplacering.