Laster katalogen …
Laster katalogen …
Modellen til Z.ai med åpne vekter, 754 milliarder parametere og mixture-of-experts-arkitektur, med innebygd resonnering – bygget for agentiske ingeniøroppgaver med mange steg og toppytelse på kode-referansetester.
Oversikt. GLM-5.1 var flaggskipmodellen til Z.ai med åpne vekter ved lansering – en mixture-of-experts-arkitektur med 754 milliarder parametere som aktiverer omtrent 40 milliarder parametere per token. Den ble lansert i april 2026 under MIT-lisensen og er spesialbygd for agentiske ingeniøroppgaver med mange steg. Den kombinerer et kontekstvindu på 200 000 token med innebygd resonnering som kjører automatisk på hver forespørsel. Utviklere bruker den når en oppgave krever vedvarende problemløsning i flere steg, ikke bare ett raskt svar.
Viktigste styrker. GLM-5.1 oppnådde en toppskår på 58,4 på SWE-Bench Pro – et tydelig hopp fra forgjengernes 55,1 – og plasserer seg dermed blant de sterkeste modellene som finnes for reelle programvareutviklingsoppgaver. Ettertreningsbehandlingskjeden kombinerer veiledet finjustering på agentiske data og kodedata med forsterkningslæring rettet spesifikt mot resonnering og verktøybruk, noe som gir konsekvent sterk ytelse på kode- og agentiske referansetester. Resonneringen er alltid på og strukturert, slik at modellen kan iterere på et problem internt før den produserer utdata.
Når du bør bruke den. Bruk GLM-5.1 til komplekse kode- og programvareutviklingsoppgaver som drar nytte av dyp, trinnvis resonnering – refaktorering, endringer i flere filer eller agentiske verktøyløkke-arbeidsflyter der modellen må planlegge og revidere over flere runder. Den passer godt til batch- eller asynkrone behandlingskjeder, siden det alltid aktive resonneringssporet og den store grensen for utdata på 131 000 token favoriserer gjennomstrømning fremfor svartid under ett sekund. Den er et godt valg når ingeniørkvalitet betyr mer enn ren svartid.
Begrensninger. Resonneringen er innebygd uten valgbart resonneringsnivå, så du kan ikke skru den ned for svartidssensitive kall med lav kompleksitet slik du kan med nyere GLM-utgivelser. Modellen er kun tekstbasert og støtter verken bilder, lyd eller annen inndata eller utdata utover tekst. Z.ai har ikke oppgitt når treningsdataene slutter. Den er også blitt avløst av nyere GLM-5.2- og GLM-5.3-utgivelser, men er fortsatt fullt støttet.
Suverenitetsnotat. Vektene til GLM-5.1 er utgitt under MIT-lisensen og kan lastes ned fritt, slik at organisasjoner som trenger full kontroll over datahåndteringen, kan kjøre den selv på sin egen suverene infrastruktur i stedet for å være avhengig av et tredjeparts API sine retningslinjer for trening på inndata eller datalokasjon.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L2 | 1,26 / 3,95€ | Tilkoblet | |||
| L0 | 1,26 / 3,95€ | Tilkoblet |
15 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Verktøykall og utvidet resonnering muliggjør iterative sløyfer for kodegenerering og feilsøking; 200k kontekstvindu støtter store kodebaser og feilspor.
Innebygd støtte for verktøykall er det viktigste kravet; 200k kontekstvindu håndterer komplekse funksjonsgraf-strukturer og tilstandsstyring.
Utvidet resonnering støtter direkte sekvensiell tenkning og nedbrytning av planer; 200k kontekstvindu rommer mellomliggende tilstand og resonneringsspor.
200k kontekstvindu er godt egnet for henting av informasjon fra lange dokumenter og resonnering på tvers av flere avsnitt; utvidet resonnering forbedrer svarkvaliteten på komplekse dokumenter.
200k kontekstvindu muliggjør innlesing av hele dokumenter uten oppdeling; utvidet resonnering støtter syntese på tvers av flere seksjoner.
Verktøykall og 200k kontekstvindu muliggjør komplekse arbeidsflyter med flere verktøy; utvidet resonnering forbedrer planlegging på tvers av verktøykjeder.
200k kontekstvindu gjør det mulig å forklare store funksjoner og moduler i én enkelt gjennomgang; utvidet resonnering støtter analyse av kompleks logikk.
200k kontekstvindu håndterer hele filer og endringsett; verktøykall kan støtte integrasjon med linting og testing, men SWE-Bench-ytelse er ikke kjent.
200k kontekstvindu støtter lengre tekster; utvidet resonnering kan strukturere komplekse argumenter, men det finnes ingen spesifikke referanseverdier for kreativ skriving.
Stort kontekstvindu reduserer behovet for iterativ oppsummering; utvidet resonnering støtter komparativ analyse på tvers av artikler.
200k kontekstvindu rommer fullstendige møtetranskripsjoner; utvidet resonnering kan sammenfatte diskusjoner med flere temaer.
Støtte for verktøykall muliggjør grunnleggende nettinteraksjon; utvidet resonnering hjelper med navigasjon mellom steg, men manglende støtte for bildeinndata begrenser tilbakemeldingssløyfer basert på skjermbilder.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "zai-org/glm-5-1",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på