Z.ai: GLM 5

GLM 5 es el modelo fundacional de código abierto insignia de Z.ai, lanzado el 11 de febrero de 2026. Z.ai lo construye para el diseño de sistemas complejos y flujos de trabajo de agentes de horizonte largo, posicionándolo hacia desarrolladores expertos que necesitan rendimiento de nivel de producción en tareas de programación a gran escala. Se sitúa en la categoría de texto, por lo que es un modelo de lenguaje y no uno multimodal.

El modelo acepta texto como entrada y devuelve texto como salida. Su ventana de contexto es de 204.800 tokens, y su salida máxima es de 128.000 tokens, lo que significa que puedes proporcionar entradas muy grandes (bases de código completas, transcripciones largas, documentación extensa) y aún dejar espacio para una respuesta generada sustancial. Entre los parámetros que admite están temperature, top_p, top_k, frequency_penalty, presence_penalty y repetition_penalty para controlar el muestreo, además de max_tokens y stop para dar forma a la respuesta. También admite reasoning e include_reasoning, por lo que el modelo puede exponer un proceso de razonamiento junto con su respuesta, y logprobs con top_logprobs si necesitas probabilidades a nivel de token.

Esas capacidades apuntan a algunos usos prácticos. El manejo de contexto largo más un fuerte rendimiento en programación lo hacen adecuado para el análisis de código a escala de repositorio, planes de refactorización y trabajo de diseño en sistemas que abarcan muchos archivos. El soporte de razonamiento se adapta a tareas en las que quieres inspeccionar cómo se llegó a una conclusión, como la depuración o el apoyo a decisiones técnicas. El llamamiento a herramientas y las salidas estructuradas lo hacen utilizable como el núcleo de razonamiento de un agente que tiene que llamar a funciones, seguir flujos de trabajo de varios pasos o devolver datos en un esquema fijo. El parámetro seed ayuda cuando necesitas un muestreo repetible durante las pruebas.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "z-ai/glm-5". Debido a que la interfaz sigue el formato de OpenAI, las bibliotecas de cliente de OpenAI existentes y las formas de solicitud funcionan con un cambio de URL base e id de modelo. Todos los parámetros de solicitud enumerados anteriormente están disponibles, incluidos tools y tool_choice para el llamamiento a funciones, response_format y structured_outputs para salida restringida, y reasoning con include_reasoning cuando quieres que se muestre el razonamiento del modelo. Los controles de muestreo (temperature, top_p, top_k, penalizaciones, seed, stop) y max_tokens se comportan como se espera.

Una cosa a tener en cuenta es la modalidad: la entrada y la salida son solo texto, así que si tu tarea se centra en imágenes o audio, un modelo multimodal encajaría mejor. La gran ventana de contexto y el techo de salida también significan que las solicitudes pueden ser pesadas, por lo que vale la pena establecer max_tokens de forma deliberada en lugar de dejarlo abierto. Para tareas de texto simples y cortas, un modelo más pequeño puede ser suficiente, pero para el trabajo de agentes de horizonte largo y tareas de programación a gran escala, GLM 5 está construido exactamente para eso.