Z.ai: GLM 5

GLM 5 è il modello di fondazione open-source di punta di Z.ai, rilasciato l'11 febbraio 2026. Z.ai lo costruisce per la progettazione di sistemi complessi e flussi di lavoro agentici a lungo termine, posizionandolo verso sviluppatori esperti che necessitano di prestazioni di livello produttivo su attività di programmazione su larga scala. Si colloca nella categoria testo, quindi è un modello linguistico e non multimodale.

Il modello accetta testo come input e restituisce testo come output. La sua finestra di contesto è di 204.800 token, e il suo output massimo è di 128.000 token, il che significa che puoi fornire input molto grandi (interi codebase, trascrizioni lunghe, documentazione estesa) e lasciare comunque spazio per una risposta generata sostanziosa. Tra i parametri che supporta ci sono temperature, top_p, top_k, frequency_penalty, presence_penalty e repetition_penalty per controllare il campionamento, più max_tokens e stop per modellare la risposta. Supporta anche reasoning e include_reasoning, così il modello può esporre un processo di ragionamento insieme alla sua risposta, e logprobs con top_logprobs se hai bisogno di probabilità a livello di token.

Queste capacità indicano alcuni usi pratici. La gestione di contesti lunghi più prestazioni di programmazione solide lo rendono adatto per l'analisi del codice su scala di repository, piani di refactoring e lavoro di progettazione su sistemi che si estendono su molti file. Il supporto al ragionamento si adatta a compiti in cui vuoi ispezionare come è stata raggiunta una conclusione, come il debug o il supporto alle decisioni tecniche. Il tool calling e gli output strutturati lo rendono utilizzabile come nucleo di ragionamento di un agente che deve chiamare funzioni, seguire flussi di lavoro multi-step o restituire dati in uno schema fisso. Il parametro seed aiuta quando hai bisogno di un campionamento ripetibile durante i test.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "z-ai/glm-5". Poiché l'interfaccia segue il formato OpenAI, le librerie client OpenAI esistenti e le forme delle richieste funzionano con un cambio di base URL e id del modello. I parametri di richiesta elencati sopra sono tutti disponibili, inclusi tools e tool_choice per il function calling, response_format e structured_outputs per l'output vincolato, e reasoning con include_reasoning quando vuoi che il ragionamento del modello sia esposto. I controlli di campionamento (temperature, top_p, top_k, penalità, seed, stop) e max_tokens si comportano come previsto.

Una cosa da tenere a mente è la modalità: input e output sono solo testo, quindi se il tuo compito è incentrato su immagini o audio, un modello multimodale sarebbe più adatto. La grande finestra di contesto e il tetto di output significano anche che le richieste possono essere pesanti, quindi vale la pena impostare max_tokens deliberatamente invece di lasciarlo aperto. Per compiti di testo semplici e brevi, un modello più piccolo può essere sufficiente, ma per il lavoro agentico a lungo termine e le attività di programmazione su larga scala, GLM 5 è costruito esattamente per questo.