Explora toda la familia de modelos GLM en una sola página. La línea GLM se ha ampliado con rapidez y los lanzamientos cubren presupuestos de cómputo muy distintos: un nivel Flash de 30B pensado para inferencia local barata, un nivel Air ajustado al rendimiento por unidad de cómputo, un modelo de reconocimiento de voz y el buque insignia GLM-5.2 con contexto de 1M, creado para ingeniería agéntica de largo recorrido. Sea cual sea el modelo GLM que estés evaluando, el objetivo de este hub es llevarte rápido a cifras concretas en lugar de a adjetivos de marketing.
Cada tarjeta de modelo enlaza con una página propia que incluye su franja de especificaciones, los datos de benchmarks que los autores del modelo han publicado para él, un mini gráfico comparativo frente a la frontera de pesos cerrados y unas preguntas frecuentes. Dos cosas se mantienen constantes en toda la familia: todos los modelos GLM principales se publican con licencia MIT y pesos abiertos, y cada cifra de benchmark citada en este sitio es un resultado publicado por los autores del modelo, no algo medido aquí. Cuando no se ha publicado ninguna cifra para un lanzamiento concreto, la página lo indica en lugar de estimarla: un hueco honesto es más útil en una tabla comparativa que una invención verosímil.
El buque insignia con contexto de 1M tokens. Es el estado del arte de código abierto en programación y evaluaciones de largo recorrido, con niveles de esfuerzo explícitos Non-Thinking, High y Max.
El anterior buque insignia. Trajo a la familia los primeros grandes avances en largo recorrido y sigue siendo la referencia con la que se mide cada mejora de GLM-5.2.
El lanzamiento que abrió la serie 5: fundamentos de programación más sólidos, ejecución multipaso más fiable y un comportamiento notablemente mejor en tareas de agentes complejas.
Un modelo base de la serie 5 ajustado para escenarios de agentes dinámicos y de cadena larga, donde el plan cambia una y otra vez y la trayectoria debe seguir siendo ejecutable.
Un modelo de razonamiento equilibrado con capacidad de programación mejorada, razonamiento multipaso estable y una generación de front-end sensiblemente mejor.
El nivel ligero de 30B. Eficiente y lo bastante rápido para inferencia local, y según lo publicado supera a modelos abiertos de escala similar.
El hito original de eficiencia de la familia: un modelo GLM de huella reducida con gran rendimiento por cada unidad de cómputo que consume.
El modelo de voz dedicado. Reconocimiento de voz a texto en tiempo real con una tasa de error por carácter publicada de 0.0717.
Elegir un modelo GLM se reduce a dos preguntas: cuánto contexto necesita realmente la tarea y de cuánto hardware dispones. Responde a esas dos y la lista suele quedar reducida a uno o dos candidatos. Para ingeniería de software de largo recorrido, ciclos de investigación automatizada y cualquier cosa que deba mantener un repositorio entero a la vista, GLM-5.2 es el único miembro de la familia con una ventana de contexto publicada de 1M tokens y niveles de esfuerzo explícitos. Si trabajas con una sola GPU de estación de trabajo o necesitas mucho rendimiento en razonamientos más sencillos, los niveles ligeros GLM-4.7-Flash y GLM-4.5-Air existen precisamente para esa restricción. Si tu carga de trabajo es transcripción y no generación de texto, GLM-ASR es el modelo de voz dedicado. Todo lo que hay en medio (GLM-5, GLM-5-Turbo y GLM-4.7) representa generaciones anteriores de la misma línea de razonamiento, útiles cuando quieres un modelo más pequeño y predecible que siga funcionando con pesos abiertos.
La tabla siguiente resume cómo se comparan las ocho páginas de modelos GLM de este sitio. Cuando los autores del modelo no han publicado una cifra, la celda lo indica en lugar de adivinarla.
| Modelo | Categoría | Contexto | Licencia |
|---|---|---|---|
| GLM-5.2 | Razonamiento insignia | 1.000.000 tokens | Código abierto MIT |
| GLM-5.1 | Razonamiento | 200.000 tokens | Código abierto MIT |
| GLM-5 | Razonamiento | No publicado | Código abierto MIT |
| GLM-5-Turbo | Razonamiento | No publicado | Código abierto MIT |
| GLM-4.7 | Razonamiento | No publicado | Código abierto MIT |
| GLM-4.7-Flash | Ligero (30B) | No publicado | Código abierto MIT |
| GLM-4.5-Air | Ligero | No publicado | Código abierto MIT |
| GLM-ASR | Reconocimiento de voz | Flujos de audio | Código abierto MIT |
Todas las cifras de esta página son resultados publicados por los autores del modelo. glmmodel.com los reproduce; no ejecuta estas evaluaciones.
Consulta los benchmarks del modelo GLM y luego pon a trabajar un modelo real. El playground de arriba es gratuito y no te pide nada; si quieres un kit de IA más completo, el plan gratuito de nuestro partner empieza aquí.