Z.ai: GLM 5V Turbo

GLM 5V Turbo é um modelo da Z.ai, lançado pelo fornecedor em 2026-04-01 sob o id de modelo z-ai/glm-5v-turbo. A Z.ai descreve-o como o seu primeiro modelo de base de agente multimodal nativo, construído para programação baseada em visão e tarefas orientadas por agentes. Situa-se na categoria de texto em api14, o que reflete o facto de devolver texto, embora as suas entradas vão muito além do texto.

O modelo aceita imagem, vídeo e texto como entrada e produz texto como saída. Lida com essas modalidades de forma nativa em vez de através de etapas de pré-processamento separadas, o que é importante quando um único pedido mistura uma captura de ecrã, um clipe e instruções escritas. A janela de contexto é de 202752 tokens, e a saída máxima é de 131072 tokens. Essa combinação suporta entradas longas e gerações longas na mesma chamada, pelo que não é forçado a comprimir um grande volume de material antes de pedir uma resposta detalhada.

A Z.ai posiciona o GLM 5V Turbo para programação baseada em visão e trabalho orientado por agentes. Na prática, isso significa tarefas em que o modelo tem de olhar para algo e depois agir sobre isso: ler uma captura de ecrã de interface de utilizador ou um vídeo de uma sessão e escrever ou corrigir o código por trás disso, trabalhar num repositório juntamente com referências visuais, ou executar fluxos de trabalho de agente com múltiplos passos que exigem planeamento de longo horizonte. Tarefas apenas de texto, como sumarização, extração e geração estruturada, também se enquadram, uma vez que o texto é uma das entradas aceites. Os controlos de raciocínio e o suporte de ferramentas listados abaixo tornam-no utilizável como o componente de tomada de decisão num ciclo de agente, e não apenas como um respondedor de turno único.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "z-ai/glm-5v-turbo". Como o endpoint segue o esquema OpenAI, os clientes e SDKs existentes funcionam com uma alteração do URL base e do nome do modelo. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, response_format, temperature, tool_choice, tools, top_k e top_p. Em resumo, pode limitar o comprimento da saída, ajustar a amostragem com temperature, top_p e top_k, pedir saída estruturada através de response_format, expor funções através de tools e tool_choice, e controlar o raciocínio com os sinalizadores reasoning e include_reasoning.

O principal ponto a verificar antes de assumir um compromisso é a modalidade de saída. O GLM 5V Turbo devolve apenas texto, pelo que, se precisar de imagens geradas, áudio ou outra saída não textual, um modelo diferente é a melhor opção. Da mesma forma, se a sua carga de trabalho for puramente textual e não beneficiar de entrada visual ou de uso de ferramentas ao estilo de agente, a capacidade multimodal aqui pode ser mais do que aquilo de que precisa. Para entradas mistas de imagem, vídeo e texto que terminam em texto, seja código, planos ou dados estruturados, este modelo foi concebido exatamente para esse tipo de tarefa.