GLM-5.1 ist auf Agenten über sehr lange Horizonte spezialisiert: hunderte Runden, tausende Tool-Calls, stabil über den gesamten Lauf. Das 754-Milliarden-MoE nutzt Dynamic Sparse Attention und verbessert die Coding-Leistung gegenüber GLM-5 deutlich – mit starken Werten bei SWE-Bench Pro und Terminal-Bench 2.0. Ideal für langlaufende autonome Dev- und Research-Agenten.
GLM-5.1 (+ GLM-5.1-FP8)
Z.AI (Zhipu AI)
April 2026
MIT
MoE, Long-Horizon-agentic
754 Mrd. total (aktive Parameter nicht ausgewiesen)
MoE mit Dynamic Sparse Attention (glm_moe_dsa)
nicht explizit angegeben (voraussichtlich ≥ 200K)
Offizielle Angaben von Z.AI (ggü. GLM-5):
| Benchmark | GLM-5.1 | Bezug |
|---|---|---|
| SWE-Bench Pro | 58,4 % | vs. 55,1 (GLM-5) |
| NL2Repo | 42,7 % | vs. 35,9 |
| Terminal-Bench 2.0 | 63,5 % | vs. 56,2 |
| GPQA-Diamond | 86,2 | Wissen/Reasoning |
Quelle: Z.AI. Durch DeepSeeks unabhängige Vergleichsmessung bestätigt.
Für langlaufende autonome Agenten ist GLM-5.1 herausragend. Wir bewerten mit Ihnen Nutzen und Cluster-Bedarf.
GLM-5.1 ist gezielt auf sehr lange Agenten-Läufe optimiert und nutzt Dynamic Sparse Attention, um über hunderte Runden und tausende Tool-Calls stabil zu bleiben.
Gegenüber GLM-5 verbessert sich vor allem die Coding-Leistung – mit starken Werten in agentischen Coding-Benchmarks zum Release.
Für langlaufende, autonome Agenten.
Auf Long-Horizon-Agentik optimiert
Verbessertes Coding ggü. GLM-5
Effiziente Dynamic Sparse Attention
Offen unter MIT-Lizenz
Kontextlänge offiziell nicht klar dokumentiert
Aktive Parameter nicht ausgewiesen
Sehr hoher Hardware-Bedarf
Wir betreiben GLM-5.1 für Ihre autonomen Dev- und Research-Agenten – DSGVO-konform aus Deutschland.
