GLM-5 ist das offene Flaggschiff von Z.AI für anspruchsvolle Entwicklungs- und Agenten-Aufgaben – mehrstufige Abläufe, in denen das Modell selbstständig Werkzeuge wie Suche, Code-Ausführung oder Schnittstellen nutzt. Laut Z.AI erzielt es bei logischem Schlussfolgern (Reasoning), Programmierung und Agenten-Aufgaben die besten Ergebnisse aller offenen Modelle. Unter der MIT-Lizenz erhalten Sie die vollständigen Modellgewichte, also die trainierten Parameter, und können GLM-5 ohne Anbieterbindung im eigenen Rechenzentrum betreiben.
Technisch ist GLM-5 ein Mixture-of-Experts-Modell (MoE). Es besteht aus vielen spezialisierten Teilnetzen, von denen je verarbeitetem Textbaustein (Token) nur ein kleiner Teil rechnet. Von rund 744 Milliarden Parametern sind so nur 40 Milliarden gleichzeitig aktiv. Die aus DeepSeek-V3.2 übernommene Sparse Attention berücksichtigt zudem nur die relevanten Beziehungen zwischen den Token eines Textes und senkt so die Kosten bei langen Eingaben deutlich.
GLM-5 (+ GLM-5-FP8)
Z.AI (Zhipu AI)
Februar 2026
MIT
Sparse MoE, Reasoning und Agentik, rein textbasiert
744 Mrd. total (40 Mrd. aktiv pro Token), die HF-Modellseite listet 754 Mrd.
Sparse MoE mit DeepSeek Sparse Attention (DSA)
200.000 Token
Die vollständigen Modellgewichte im Zahlenformat BF16 mit 16 Bit je Parameter. Die Referenzversion für maximale Genauigkeit, mit rund 754 Milliarden Parametern aber auch mit dem höchsten Speicherbedarf.
Eine von Z.AI bereitgestellte quantisierte Fassung. Quantisierung bedeutet, dass die Gewichte mit geringerer Zahlengenauigkeit gespeichert werden, hier mit 8 statt 16 Bit. Der Speicherbedarf halbiert sich dadurch etwa, ohne dass Sie selbst quantisieren müssen.
| Benchmark | GLM-5 | GLM-4.7 | DeepSeek-V3.2 | Kimi K2.5 | Claude Opus 4.5 |
|---|---|---|---|---|---|
| SWE-bench Verified | 77,8 | 73,8 | 73,1 | 76,8 | 80,9 |
| SWE-bench Multilingual | 73,3 | 66,7 | 70,2 | 73,0 | 77,5 |
| Terminal-Bench 2.0 (Terminus 2) | 56,2 | 41,0 | 39,3 | 50,8 | 59,3 |
| CyberGym | 43,2 | 23,5 | 17,3 | 41,3 | 50,6 |
| HLE (mit Tools) | 50,4 | 42,8 | 40,8 | 51,8 | 43,4* |
| AIME 2026 I | 92,7 | 92,9 | 92,7 | 92,5 | 93,3 |
| HMMT Nov. 2025 | 96,9 | 93,5 | 90,2 | 91,1 | 91,7 |
| GPQA-Diamond | 86,0 | 85,7 | 82,4 | 87,6 | 87,0 |
| BrowseComp | 62,0 | 52,0 | 51,4 | 60,6 | 37,0 |
| τ²-Bench | 89,7 | 87,4 | 85,3 | 80,2 | 91,6 |
| MCP-Atlas (Public Set) | 67,8 | 52,0 | 62,2 | 63,8 | 65,2 |
Quelle: offizielle GLM-5 Model Card (Z.AI, Februar 2026). Bei SWE-bench Verified weist das offizielle Leaderboard für GLM-5 einen Wert von 72,8 aus, Z.AI selbst misst 77,8. Mit * markierte Werte beziehen sich auf den vollständigen Datensatz statt auf die Text-Teilmenge.
Spitzenleistung bei offener MIT-Lizenz – allerdings mit erheblichem Hardware-Bedarf. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
GLM-5 wurde auf 28,5 Billionen Token vortrainiert – gegenüber 23 Billionen bei GLM-4.5. Im Vortraining lernt das Modell Sprache, Wissen und Programmcode aus großen Textmengen. Parallel wuchs das Modell von 355 auf 744 Milliarden Parameter, die aktiven Parameter je Token von 32 auf 40 Milliarden.
Im anschließenden Post-Training wird das Modell gezielt auf hilfreiche und verlässliche Antworten ausgerichtet. Z.AI setzt dafür mit „slime“ eine eigene Infrastruktur für Reinforcement Learning ein. Bei diesem Verfahren lernt das Modell aus Bewertungen seiner eigenen Antworten. Da slime asynchron arbeitet, steigt der Durchsatz beim Training deutlich. Das erlaubt feiner abgestufte Trainingsdurchläufe – nach Angaben von Z.AI der wesentliche Hebel für den Leistungssprung gegenüber GLM-4.7.
Architektonisch übernimmt GLM-5 die DeepSeek Sparse Attention. Sie reduziert die Kosten bei langen Kontexten, ohne die Kontextlänge einzuschränken – der praktische Grund dafür, dass sich ein Modell dieser Größe überhaupt wirtschaftlich betreiben lässt.
GLM-5 eignet sich für Organisationen, die Spitzenleistung selbst betreiben und dabei die Kontrolle über Daten und Modell behalten wollen. Gerne prüfen wir mit Ihnen in einer KI-Beratung, ob sich der Infrastrukturaufwand für Ihren Anwendungsfall rechnet.
Führend unter offenen Modellen: Laut Z.AI erzielt GLM-5 bei Reasoning, Programmierung und Agenten-Aufgaben die besten Ergebnisse aller offenen Modelle. Gegenüber GLM-4.7 steigt etwa Terminal-Bench 2.0 von 41,0 auf 56,2.
Kommerziell frei nutzbar: Die MIT-Lizenz erlaubt Einsatz, Anpassung und Weitergabe ohne Nutzungsbeschränkungen oder Umsatzgrenzen.
Effiziente MoE-Architektur: Nur 40 der 744 Milliarden Parameter sind je Token aktiv. Das senkt den Rechenaufwand deutlich gegenüber einem dichten Modell dieser Größe.
Günstiger langer Kontext: DeepSeek Sparse Attention reduziert die Kosten bei langen Eingaben, ohne die nutzbare Kontextlänge zu verkürzen.
Offizielle FP8-Fassung: Z.AI stellt quantisierte Gewichte selbst bereit. Eine eigene Quantisierung mit möglichen Qualitätseinbußen entfällt.
Hoher Hardware-Bedarf: Für den Betrieb sind rund acht GPUs der H200- oder B200-Klasse nötig. Sinnvoll ist GLM-5 daher nur mit dedizierter GPU-Infrastruktur.
Rein textbasiert: Das Modell verarbeitet weder Bilder noch Audio oder Video. Für multimodale Aufgaben ist ein zusätzliches Modell nötig.
Nicht führend bei Fachwissen: Bei GPQA-Diamond liegt GLM-5 mit 86,0 hinter Kimi K2.5 (87,6) und Claude Opus 4.5 (87,0).
Begrenztes Kontextfenster: GLM-5 verarbeitet bis zu 200.000 Token. Der Nachfolger GLM-5.2 bietet eine Million.
Wir planen die Cluster-Auslegung für GLM-5, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
Mit den offiziellen FP8-Gewichten rechnen Sie mit rund 750 GB und damit acht GPUs der H200-Klasse. Für die unquantisierten BF16-Gewichte (754 Milliarden Parameter) verdoppelt sich der Bedarf ungefähr. Als Minimum werden acht B200 mit je 180 GB genannt. Hinzu kommt Reserve für den KV-Cache, die bei langem Kontext deutlich ins Gewicht fällt.
Ja. Z.AI veröffentlicht die Modellgewichte unter der MIT-Lizenz. Sie dürfen das Modell kommerziell einsetzen, anpassen und weitergeben, ohne Nutzungsbeschränkungen oder Umsatzgrenzen.
GLM-5 ist deutlich größer: 744 statt 358 Milliarden Parameter und 28,5 statt 23 Billionen Trainings-Token. Der Sprung zeigt sich vor allem bei Agenten-Aufgaben – bei Terminal-Bench 2.0 steigt der Wert von 41,0 auf 56,2, bei MCP-Atlas von 52,0 auf 67,8. Details zum Vorgänger finden Sie auf unserer Seite zu GLM-4.7.
Die Sparse Attention berechnet nicht mehr jede Token-Beziehung vollständig. Dadurch sinken Rechenaufwand und Speicherbedarf bei langen Eingaben erheblich, während die nutzbare Kontextlänge erhalten bleibt. Praktisch bedeutet das geringere Betriebskosten bei der Verarbeitung großer Dokumente oder Codebasen. Dasselbe Verfahren kommt in DeepSeek-V3.2 zum Einsatz.
Ja. Über unsere GPU Cloud stellen wir Ihnen die nötige Rechenleistung bereit, ohne dass Sie Hardware beschaffen müssen. 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!
