Z.ai: GLM 5

GLM 5 ist das Flaggschiff-Open-Source-Basismodell von Z.ai, veröffentlicht am 11. Februar 2026. Z.ai entwickelt es für komplexes Systemdesign und langfristige Agent-Workflows und positioniert es für erfahrene Entwickler, die produktionsreife Leistung bei groß angelegten Programmieraufgaben benötigen. Es gehört zur Textkategorie, ist also ein Sprachmodell und kein multimodales.

Das Modell akzeptiert Text als Eingabe und gibt Text als Ausgabe zurück. Sein Kontextfenster beträgt 204.800 Token, und seine maximale Ausgabe beträgt 128.000 Token, was bedeutet, dass Sie sehr große Eingaben liefern können (ganze Codebasen, lange Transkripte, umfangreiche Dokumentation) und trotzdem Platz für eine substanzielle generierte Antwort bleibt. Zu den Parametern, die es unterstützt, gehören temperature, top_p, top_k, frequency_penalty, presence_penalty und repetition_penalty zur Steuerung des Samplings, plus max_tokens und stop zur Formung der Antwort. Es unterstützt außerdem reasoning und include_reasoning, sodass das Modell neben seiner Antwort einen Denkprozess offenlegen kann, sowie logprobs mit top_logprobs, wenn Sie Wahrscheinlichkeiten auf Token-Ebene benötigen.

Diese Fähigkeiten deuten auf einige praktische Einsatzmöglichkeiten hin. Die Verarbeitung langer Kontexte zusammen mit starker Programmierleistung macht es passend für Codeanalyse auf Repository-Ebene, Refactoring-Pläne und Designarbeit an Systemen, die sich über viele Dateien erstrecken. Die Reasoning-Unterstützung eignet sich für Aufgaben, bei denen Sie nachvollziehen möchten, wie eine Schlussfolgerung zustande kam, etwa beim Debugging oder bei der Unterstützung technischer Entscheidungen. Tool-Aufrufe und strukturierte Ausgaben machen es nutzbar als Reasoning-Kern eines Agenten, der Funktionen aufrufen, mehrstufigen Workflows folgen oder Daten in einem festen Schema zurückgeben muss. Der seed-Parameter hilft, wenn Sie während Tests wiederholbares Sampling benötigen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "z-ai/glm-5" auf. Da die Schnittstelle dem OpenAI-Format folgt, funktionieren bestehende OpenAI-Client-Bibliotheken und Request-Formate mit einer Änderung der Basis-URL und der Modell-ID. Die oben aufgeführten Request-Parameter sind alle verfügbar, einschließlich tools und tool_choice für Funktionsaufrufe, response_format und structured_outputs für eingeschränkte Ausgabe sowie reasoning mit include_reasoning, wenn Sie das Reasoning des Modells offengelegt haben möchten. Sampling-Steuerungen (temperature, top_p, top_k, Penalties, seed, stop) und max_tokens verhalten sich wie erwartet.

Eines sollten Sie bezüglich der Modalität beachten: Eingabe und Ausgabe sind ausschließlich Text. Wenn Ihre Aufgabe also auf Bilder oder Audio ausgerichtet ist, wäre ein multimodales Modell besser geeignet. Das große Kontextfenster und die Obergrenze für die Ausgabe bedeuten außerdem, dass Anfragen umfangreich sein können. Deshalb lohnt es sich, max_tokens bewusst festzulegen, statt es offen zu lassen. Für einfache, kurze Textaufgaben mag ein kleineres Modell ausreichen, aber für langfristige Agent-Arbeit und groß angelegte Programmieraufgaben ist GLM 5 genau dafür gebaut.