Z.ai: GLM 5

GLM 5 est le modèle de fondation open source phare de Z.ai, publié le 11 février 2026. Z.ai le conçoit pour la conception de systèmes complexes et les flux de travail d'agents sur un horizon long, en le positionnant pour les développeurs experts qui ont besoin de performances de niveau production sur des tâches de programmation à grande échelle. Il appartient à la catégorie texte, il s'agit donc d'un modèle de langage et non d'un modèle multimodal.

Le modèle accepte du texte en entrée et renvoie du texte en sortie. Sa fenêtre de contexte est de 204 800 tokens, et sa sortie maximale est de 128 000 tokens, ce qui signifie que vous pouvez fournir des entrées très volumineuses (des bases de code entières, de longues transcriptions, une documentation étendue) tout en conservant de la place pour une réponse générée substantielle. Parmi les paramètres qu'il prend en charge figurent temperature, top_p, top_k, frequency_penalty, presence_penalty et repetition_penalty pour contrôler l'échantillonnage, ainsi que max_tokens et stop pour façonner la réponse. Il prend également en charge reasoning et include_reasoning, de sorte que le modèle peut exposer un processus de raisonnement en parallèle de sa réponse, et logprobs avec top_logprobs si vous avez besoin de probabilités au niveau des tokens.

Ces capacités ouvrent la voie à quelques usages pratiques. La gestion de contextes longs combinée à de solides performances en programmation en fait un choix adapté à l'analyse de code à l'échelle d'un dépôt, aux plans de refactorisation et au travail de conception sur des systèmes répartis sur de nombreux fichiers. La prise en charge du raisonnement convient aux tâches où vous souhaitez examiner comment une conclusion a été atteinte, comme le débogage ou l'aide à la décision technique. L'appel d'outils et les sorties structurées le rendent utilisable comme cœur de raisonnement d'un agent qui doit appeler des fonctions, suivre des flux de travail à plusieurs étapes ou renvoyer des données selon un schéma fixe. Le paramètre seed est utile lorsque vous avez besoin d'un échantillonnage reproductible pendant les tests.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "z-ai/glm-5". Comme l'interface suit le format OpenAI, les bibliothèques clientes OpenAI existantes et les formes de requêtes fonctionnent avec un changement d'URL de base et d'identifiant de modèle. Les paramètres de requête listés ci-dessus sont tous disponibles, notamment tools et tool_choice pour l'appel de fonctions, response_format et structured_outputs pour une sortie contrainte, et reasoning avec include_reasoning lorsque vous souhaitez que le raisonnement du modèle soit exposé. Les contrôles d'échantillonnage (temperature, top_p, top_k, penalties, seed, stop) et max_tokens se comportent comme prévu.

Un point à garder en tête est la modalité : l'entrée et la sortie sont uniquement du texte, donc si votre tâche est centrée sur des images ou de l'audio, un modèle multimodal conviendrait mieux. La grande fenêtre de contexte et le plafond de sortie signifient aussi que les requêtes peuvent être lourdes, il vaut donc la peine de définir max_tokens de manière délibérée plutôt que de le laisser ouvert. Pour des tâches textuelles simples et courtes, un modèle plus petit peut suffire, mais pour le travail d'agents sur un horizon long et les tâches de programmation à grande échelle, GLM 5 est conçu exactement pour cela.