Przejrzyj całą rodzinę modeli GLM na jednej stronie. Linia GLM szybko się poszerzyła, a kolejne wydania obejmują dziś bardzo różne budżety obliczeniowe: warstwę 30B Flash stworzoną do taniej lokalnej inferencji, warstwę Air dostrojoną pod wydajność na jednostkę mocy obliczeniowej, model rozpoznawania mowy oraz flagowy GLM-5.2 z kontekstem 1M, zbudowany do długodystansowej inżynierii agentowej. Niezależnie od tego, który model GLM oceniasz, celem tego centrum jest szybkie dostarczenie twardych liczb zamiast marketingowych przymiotników.
Każda karta modelu prowadzi do dedykowanej strony z paskiem specyfikacji, danymi benchmarkowymi opublikowanymi dla niego przez autorów modelu, miniaturowym wykresem porównawczym z zamkniętymi modelami frontier oraz krótkim FAQ. Dwie rzeczy pozostają stałe w całej rodzinie: każdy podstawowy model GLM jest wydawany na licencji MIT z otwarcie opublikowanymi wagami, a każda liczba benchmarkowa cytowana gdziekolwiek w tym serwisie to wynik opublikowany przez autorów modelu, a nie zmierzony tutaj. Tam, gdzie dla danego wydania nie opublikowano żadnej liczby, strona wprost to zaznacza, zamiast szacować — uczciwa luka jest w tabeli porównawczej bardziej użyteczna niż wiarygodnie wyglądająca zmyślona wartość.
Flagowiec z kontekstem 1M tokenów. To otwartoźródłowy stan sztuki w ewaluacjach kodowania i pracy długodystansowej, z jawnymi poziomami wysiłku Non-Thinking, High i Max.
Poprzedni flagowiec. Przyniósł rodzinie pierwsze duże zyski w pracy długodystansowej i pozostaje punktem odniesienia, względem którego mierzy się każde usprawnienie GLM-5.2.
Wydanie, które otworzyło serię 5: mocniejsze podstawy kodowania, bardziej niezawodne wykonywanie wielokrokowe i zauważalnie lepsze zachowanie w złożonych zadaniach agentowych.
Model bazowy z serii 5 dostrojony do dynamicznych, długołańcuchowych scenariuszy agentowych, w których plan zmienia się wielokrotnie, a trajektoria musi pozostać wykonalna.
Zrównoważony model rozumowania z ulepszonymi zdolnościami programistycznymi, stabilnym rozumowaniem wielokrokowym i wyraźnie lepszym generowaniem front-endu.
Lekka warstwa 30B. Wydajna i wystarczająco szybka do lokalnej inferencji; raportowana jako wyprzedzająca otwarte modele podobnej skali.
Pierwszy kamień milowy wydajnościowy rodziny: model GLM o małym śladzie pamięciowym z mocnymi wynikami na każdą zużytą jednostkę mocy obliczeniowej.
Dedykowany model mowy. Rozpoznawanie mowy na tekst w czasie rzeczywistym przy opublikowanym współczynniku błędu znakowego 0,0717.
Wybór modelu GLM sprowadza się do dwóch pytań: ile kontekstu naprawdę potrzebuje zadanie i jakim sprzętem dysponujesz. Odpowiedz na nie, a lista kandydatów zwykle skurczy się do jednego lub dwóch. Do długodystansowej inżynierii oprogramowania, zautomatyzowanych pętli badawczych i wszystkiego, co musi utrzymać w polu widzenia całe repozytorium, GLM-5.2 jest jedynym członkiem rodziny z opublikowanym oknem kontekstu 1M tokenów i jawnymi poziomami wysiłku. Jeśli pracujesz na pojedynczym GPU w stacji roboczej albo potrzebujesz bardzo wysokiej przepustowości w prostszym rozumowaniu, lekkie warstwy GLM-4.7-Flash i GLM-4.5-Air istnieją właśnie dla tego ograniczenia. Jeśli Twoje obciążenie to transkrypcja, a nie generowanie tekstu, GLM-ASR jest dedykowanym modelem mowy. Wszystko pomiędzy — GLM-5, GLM-5-Turbo i GLM-4.7 — reprezentuje wcześniejsze generacje tej samej linii rozumowania i przydaje się, gdy chcesz mniejszego, bardziej przewidywalnego modelu, który wciąż działa na otwartych wagach.
Poniższa tabela podsumowuje, jak wypada osiem stron modeli GLM w tym serwisie. Tam, gdzie autorzy modelu nie opublikowali danej liczby, komórka wprost to zaznacza, zamiast zgadywać.
| Model | Kategoria | Kontekst | Licencja |
|---|---|---|---|
| GLM-5.2 | Flagowe rozumowanie | 1 000 000 tokenów | MIT, open source |
| GLM-5.1 | Rozumowanie | 200 000 tokenów | MIT, open source |
| GLM-5 | Rozumowanie | Nieopublikowane | MIT, open source |
| GLM-5-Turbo | Rozumowanie | Nieopublikowane | MIT, open source |
| GLM-4.7 | Rozumowanie | Nieopublikowane | MIT, open source |
| GLM-4.7-Flash | Lekki (30B) | Nieopublikowane | MIT, open source |
| GLM-4.5-Air | Lekki | Nieopublikowane | MIT, open source |
| GLM-ASR | Rozpoznawanie mowy | Strumienie audio | MIT, open source |
Wszystkie liczby na tej stronie to wyniki opublikowane przez autorów modelu. glmmodel.com je raportuje; nie przeprowadza tych ewaluacji.
Przeczytaj benchmarki modeli GLM, a potem sprawdź działający model w praktyce. Playground powyżej jest darmowy i niczego od Ciebie nie wymaga; jeśli chcesz pełniejszego zestawu narzędzi AI, darmowy plan naszego partnera zaczyna się tutaj.