Veja toda a família de modelos GLM numa só página. A linha GLM alargou-se rapidamente e os lançamentos cobrem hoje orçamentos computacionais muito diferentes: um nível Flash de 30B pensado para inferência local barata, um nível Air afinado para desempenho por unidade de computação, um modelo de reconhecimento de voz e o emblemático GLM-5.2 com contexto de 1M, criado para engenharia agêntica de longo alcance. Seja qual for o modelo GLM que está a avaliar, o objetivo deste centro de informação é levá-lo rapidamente a números concretos, e não a adjetivos de marketing.
Cada cartão de modelo remete para uma página dedicada, com a sua faixa de especificações, os dados de benchmark que os autores do modelo publicaram para ele, um mini gráfico comparativo face à fronteira de pesos fechados e uma breve FAQ. Duas coisas mantêm-se constantes em toda a família: todos os modelos GLM principais são lançados sob licença MIT com pesos publicados abertamente, e todos os valores de benchmark citados neste site são resultados tal como publicados pelos autores do modelo, não algo medido aqui. Quando não foi publicado nenhum valor para um determinado lançamento, a página di-lo em vez de estimar — uma lacuna honesta é mais útil numa tabela comparativa do que uma invenção plausível.
O modelo emblemático com contexto de 1M de tokens. É o estado da arte open source em avaliações de programação e de longo alcance, com níveis de esforço explícitos Non-Thinking, High e Max.
O anterior modelo emblemático. Trouxe os primeiros grandes ganhos de longo alcance à família e continua a ser a referência face à qual se mede cada melhoria do GLM-5.2.
O lançamento que abriu a série 5: bases de programação mais fortes, execução multipasso mais fiável e um comportamento visivelmente melhor em tarefas de agentes complexas.
Um modelo base da série 5 afinado para cenários de agentes dinâmicos e de cadeia longa, em que o plano muda repetidamente e a trajetória tem de continuar executável.
Um modelo de raciocínio equilibrado, com capacidade de programação reforçada, raciocínio multipasso estável e geração de front-end nitidamente melhorada.
O nível leve de 30B. Eficiente e rápido o suficiente para inferência local, e reportado como superior a modelos abertos de escala semelhante.
O marco original de eficiência da família: um modelo GLM de pequena pegada com forte desempenho por cada unidade de computação que consome.
O modelo de voz dedicado. Reconhecimento de voz para texto em tempo real, com uma taxa de erro de carateres publicada de 0.0717.
Escolher um modelo GLM resume-se a duas perguntas: quanto contexto a tarefa realmente exige e quanto hardware tem à disposição. Responda a estas duas e a lista curta reduz-se normalmente a um ou dois candidatos. Para engenharia de software de longo alcance, ciclos de investigação automatizada e tudo o que exija manter um repositório inteiro à vista, o GLM-5.2 é o único membro da família com uma janela de contexto publicada de 1M de tokens e níveis de esforço explícitos. Se estiver a trabalhar com uma única GPU de estação de trabalho ou precisar de throughput muito elevado em raciocínio mais simples, os níveis leves GLM-4.7-Flash e GLM-4.5-Air existem precisamente para essa restrição. Se a sua carga de trabalho é transcrição e não geração de texto, o GLM-ASR é o modelo de voz dedicado. Tudo o que fica pelo meio — GLM-5, GLM-5-Turbo e GLM-4.7 — representa gerações anteriores da mesma linha de raciocínio, úteis quando quer um modelo mais pequeno e previsível que continue a correr com pesos abertos.
A tabela abaixo resume como se alinham as oito páginas de modelos GLM deste site. Quando um valor não foi publicado pelos autores do modelo, a célula indica-o em vez de adivinhar.
| Modelo | Categoria | Contexto | Licença |
|---|---|---|---|
| GLM-5.2 | Raciocínio emblemático | 1.000.000 tokens | MIT open source |
| GLM-5.1 | Raciocínio | 200.000 tokens | MIT open source |
| GLM-5 | Raciocínio | Não publicado | MIT open source |
| GLM-5-Turbo | Raciocínio | Não publicado | MIT open source |
| GLM-4.7 | Raciocínio | Não publicado | MIT open source |
| GLM-4.7-Flash | Leve (30B) | Não publicado | MIT open source |
| GLM-4.5-Air | Leve | Não publicado | MIT open source |
| GLM-ASR | Reconhecimento de voz | Fluxos de áudio | MIT open source |
Todos os valores desta página são resultados tal como publicados pelos autores do modelo. O glmmodel.com apenas os reporta; não executa estas avaliações.
Leia os benchmarks do modelo GLM e depois ponha um modelo real a trabalhar. O playground acima é gratuito e não exige nada de si; se quiser um conjunto de ferramentas de IA mais completo, o plano gratuito do nosso parceiro começa aqui.