GLM-4.5-Air ist die kompakte Variante von GLM-4.5 für Organisationen, die Agenten- und Coding-Fähigkeiten auf wenigen GPUs betreiben wollen. Über zwölf Benchmarks erreicht Air laut Z.AI 59,8 Punkte, das große GLM-4.5 kommt auf 63,2. Wie GLM-4.5 arbeitet das Modell wahlweise mit Denkphase (Thinking) oder ohne für schnelle Antworten.
Technisch ist GLM-4.5-Air ein Mixture-of-Experts-Modell (MoE) aus vielen spezialisierten Teilnetzen. Von 106 Milliarden Parametern sind je verarbeitetem Textbaustein (Token) nur 12 Milliarden aktiv. Mit den offiziellen FP8-Gewichten läuft das Modell bereits auf einer H200 oder zwei H100. Es steht unter der MIT-Lizenz.
GLM-4.5-Air (+ GLM-4.5-Air-FP8 und GLM-4.5-Air-Base)
Z.AI (Zhipu AI)
Juli 2025
MIT
MoE, Hybrid-Reasoning (Thinking und Non-Thinking), rein textbasiert
106 Mrd. total (12 Mrd. aktiv)
MoE mit Grouped-Query Attention, 96 Attention-Heads und MTP-Layer
46 (1 dichte und 45 MoE-Schichten)
128 Experten, 8 aktiv je Token, 1 geteilter Experte
128.000 Token
Das Modell als BF16-Referenz und als offizielle FP8-Fassung. Bei FP8 sind die Gewichte mit 8 statt 16 Bit gespeichert, der Speicherbedarf halbiert sich etwa.
Das Basismodell nach dem Vortraining, noch ohne Ausrichtung auf Dialoge und Werkzeugnutzung. Es dient als Ausgangspunkt für eigenes Feintuning.
| Benchmark | GLM-4.5-Air | GLM-4.5 | o3 | Claude Opus 4 | Gemini 2.5 Pro |
|---|---|---|---|---|---|
| TAU-Retail | 77,9 | 79,7 | 70,4 | 81,4 | 77,0 |
| TAU-Airline | 60,8 | 60,4 | 52,0 | 59,6 | 48,0 |
| BFCL V3 | 76,4 | 77,8 | 72,4 | 74,4 | 61,2 |
| BrowseComp | 21,3 | 26,4 | 49,7 | 18,8 | 7,6 |
| SWE-bench Verified | 57,6 | 64,2 | 69,1 | 67,8 | 49,0 |
| Terminal-Bench | 30,0 | 37,5 | 30,2 | 43,2 | 25,3 |
| MMLU-Pro | 81,4 | 84,6 | 85,3 | 87,3 | 86,2 |
| AIME 24 | 89,4 | 91,0 | 90,3 | 75,7 | 88,7 |
| GPQA | 75,0 | 79,1 | 82,7 | 79,6 | 84,4 |
| LiveCodeBench | 70,7 | 72,9 | 78,4 | 63,6 | 80,1 |
| SciCode | 37,3 | 41,7 | 41,0 | 39,8 | 42,8 |
| HLE | 10,6 | 14,4 | 20,0 | 11,7 | 21,1 |
Quelle: Technical Report zu GLM-4.5 (Z.AI, August 2025). Angaben in Prozent. Über alle zwölf Benchmarks erreicht GLM-4.5 laut Z.AI 63,2 Punkte, GLM-4.5-Air 59,8.
Kompaktes Hybrid-Reasoning-Modell unter MIT-Lizenz, lauffähig auf einer H200. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
Z.AI hat die GLM-4.5-Familie in mehreren Stufen auf insgesamt 23 Billionen Token trainiert, darunter ein allgemeiner Textkorpus mit 15 Billionen und ein Korpus aus Code und Reasoning-Daten mit 7 Billionen Token. Im anschließenden Mid-Training kamen Code auf Repository-Ebene, synthetische Reasoning-Daten sowie lange Dokumente und Agenten-Daten hinzu. Die Sequenzlänge wuchs dabei von 4.096 auf 131.072 Token.
Im Post-Training entstanden zunächst spezialisierte Expertenmodelle für Reasoning, Agenten und allgemeine Aufgaben, die anschließend per Self-Distillation in einem Modell zusammengeführt wurden. Für das Reinforcement Learning, bei dem das Modell aus Bewertungen seiner eigenen Antworten lernt, nutzt Z.AI die selbst entwickelte und quelloffene Infrastruktur „slime“.
GLM-4.5-Air eignet sich für Organisationen, die ein offenes Modell mit wenig Hardware selbst betreiben wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob Air für Ihren Anwendungsfall ausreicht.
Geringer Hardware-Bedarf: In FP8 reicht eine H200 oder zwei H100.
Nah am großen Modell: 59,8 statt 63,2 Punkte über zwölf Benchmarks, bei TAU-Airline sogar knapp vorn.
Hybrid-Reasoning: Denkphase je nach Aufgabe zu- oder abschaltbar.
Basismodell für Feintuning: Z.AI veröffentlicht auch GLM-4.5-Air-Base.
Kommerziell frei nutzbar: Die MIT-Lizenz erlaubt Einsatz, Anpassung und Weitergabe ohne Nutzungsbeschränkungen.
Schwächer beim Coding als GLM-4.5: SWE-bench Verified 57,6 statt 64,2, Terminal-Bench 30,0 statt 37,5.
Rein textbasiert: Für Bilder und Videos gibt es mit GLM-4.5V ein eigenes Modell.
Schwächer bei Recherche und Fachwissen: Bei BrowseComp liegt o3 mit 49,7 deutlich vor GLM-4.5-Air (21,3), bei HLE zusätzlich Gemini 2.5 Pro.
Begrenztes Kontextfenster: 128.000 Token, neuere GLM-Modelle wie GLM-4.6 verarbeiten 200.000.
Wir planen die Cluster-Auslegung für GLM-4.5-Air, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
Laut Z.AI reicht mit den FP8-Gewichten eine H200 mit 141 GB oder zwei H100 mit je 80 GB. Mit BF16 verdoppelt sich der Bedarf. Für den vollen Kontext von 128.000 Token kommt Speicher für den KV-Cache hinzu, den Zwischenspeicher für bereits verarbeitete Teile einer Anfrage.
Air hat 106 statt 355 Milliarden Parameter und braucht nur rund ein Viertel der GPUs. Über zwölf Benchmarks liegt es bei 59,8 statt 63,2 Punkten, die größten Abstände zeigen sich beim Coding. Mehr dazu auf unserer Seite zu GLM-4.5.
Ja. Z.AI veröffentlicht die Gewichte unter der MIT-Lizenz. Sie dürfen das Modell kommerziell einsetzen, anpassen und weitergeben, ohne Nutzungsbeschränkungen oder Umsatzgrenzen.
Ja. Für LoRA-Feintuning, bei dem nur kleine Zusatzgewichte trainiert werden, nennt Z.AI vier H100 als Bedarf. Als Ausgangspunkt eignet sich neben dem Chat-Modell auch GLM-4.5-Air-Base.
Ja. Über unsere GPU Cloud stellen wir die nötige Rechenleistung bereit. Alternativ bündelt der MaaS Proxy verschiedene Modelle über eine einheitliche Schnittstelle. Beide Wege betreiben wir DSGVO-konform in Deutschland.
Möchten Sie individuell beraten werden?
Unsere KI-Experten sind für Sie da!
