Z.ai: GLM 4.5

Z.ai: GLM 4.5 to model tekstowy od Z.ai, wydany przez dostawcę 2025-07-25. Jest opisywany jako najnowszy flagowy model podstawowy Z.ai, stworzony specjalnie dla aplikacji opartych na agentach, i wykorzystuje architekturę Mixture of Experts (MoE). Jeśli wybierasz model tekstowy ogólnego przeznaczenia dla aplikacji, która musi planować, wywoływać narzędzia i generować długie odpowiedzi, to jest model, który Z.ai umieszcza na szczycie swojej oferty.

Model przyjmuje tekst jako dane wejściowe i zwraca tekst jako dane wyjściowe, więc pasuje do standardowych zadań w stylu czatu i uzupełniania. Obsługuje długość kontekstu do 131072 tokenów, co odpowiada około 128k, oraz maksymalnie 98304 tokenów wyjściowych. Jego data odcięcia wiedzy to 2024-12-31, więc wszystko po tej dacie wykracza poza to, na czym model był trenowany. Połączenie dużego okna kontekstowego i dużego budżetu wyjściowego oznacza, że możesz podać mu długie dokumenty, transkrypcje lub wyniki narzędzi i nadal pozostawić miejsce na obszerną odpowiedź.

Te możliwości wskazują na kilka praktycznych zastosowań. Przepływy pracy w stylu agentowym pasują tu najbardziej, ponieważ model został stworzony specjalnie dla nich i obsługuje wywoływanie narzędzi, co pozwala mu decydować, kiedy wywołać funkcję i jak wykorzystać wynik. Praca z długimi dokumentami to kolejny przypadek: streszczanie, wyodrębnianie danych strukturalnych lub odpowiadanie na pytania dotyczące danych wejściowych, które nie zmieściłyby się w mniejszym kontekście. Ponieważ przyjmuje parametr formatu odpowiedzi, można go również używać do zadań, w których potrzebujesz odpowiedzi w określonym kształcie, na przykład JSON do dalszego przetwarzania. Obsługa rozumowania sprawia, że nadaje się do problemów, które korzystają z myślenia krok po kroku przed ostateczną odpowiedzią.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "z-ai/glm-4.5". Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, response_format, temperature, tool_choice, tools, top_k i top_p. W praktyce oznacza to, że możesz kontrolować próbkowanie za pomocą temperature, top_p i top_k, ograniczać długość odpowiedzi za pomocą max_tokens, włączać lub sprawdzać rozumowanie za pomocą opcji reasoning i include_reasoning, definiować funkcje wywoływalne za pomocą tools i tool_choice oraz ograniczać kształt wyjścia za pomocą response_format.

Jedna rzecz do zapamiętania: model obsługuje tylko tekst. Nie przyjmuje obrazów ani dźwięku, więc jeśli twoje dane wejściowe je zawierają, potrzebujesz innego modelu lub kroku wstępnego przetwarzania. Data odcięcia wiedzy 2024-12-31 oznacza również, że model nie będzie znał wydarzeń po tej dacie, chyba że podasz informacje w prompcie. W przypadku prostych zadań o niskim opóźnieniu, w których żadne funkcje rozumowania ani narzędzi nie są potrzebne, mniejszy model może być lepszym wyborem.