wiki/entities/glm-5.md

title, created, updated, type, tags, sources, confidence, contested

title	created	updated	type	tags	sources	confidence	contested
GLM-5	2026-06-11	2026-06-11	entity	model architecture open-source chinese	web research	high	false

🧬 GLM-5

Modèle de fondation de Zhipu AI (Beijing), ciblant l'ingénierie de systèmes complexes et les tâches agentiques longue durée. Succède à GLM-4.5/4.7 avec une architecture MoE de 744B paramètres (40B actifs), entraîné sur 28.5T tokens et publié sous licence MIT. Meilleur open-source mondial sur raisonnement, codage et agentic au moment de sa sortie (février 2026).

Spécifications

Version	Paramètres totaux	Actifs	Contexte	Précision
GLM-5	744B	40B	205K tokens	BF16
GLM-5-FP8	744B	40B	205K tokens	FP8
GLM-5.1	744B	40B	205K tokens	BF16 (amélioré)

Architecture

• Type : Mixture of Experts (MoE) — 256 experts, 80 couches
• Attention : DeepSeek Sparse Attention (DSA) — intègre l'innovation d'attention sparse de DeepSeek pour réduire coûts
• Post-training : Infrastructure RL asynchrone slime — SFT + RL (GRPO) + distillation on-policy
• Entraînement : 28.5T tokens de pré-entraînement
• Support quantification : gguf et exl2

Performances

• HLE : 30.5 | HLE (w/ Tools) : 50.4 | GPQA Diamond : 86.0
• AIME 2026 I : 92.7 | HMMT Nov 2025 : 96.9
• SWE-bench Verified : 77.8 | SWE-bench Multilingual : 73.3
• Terminal-Bench 2.0 : 56.2 / 60.7 | CyberGym : 43.2
• BrowseComp : 62.0 | τ²-Bench : 89.7 | MCP-Atlas : 67.8
• Vending Bench 2 : $4,432 (n°1 open-source, ~95% de Claude Opus 4.5)
• Meilleur open-source mondial à sa sortie, devant DeepSeek-V3.2 et Kimi K2.5

Licence & Disponibilité

• Licence : MIT (poids ouverts) — mit
• Checkpoints : zai-org/GLM-5 sur Hugging Face et ModelScope
• API : api.z.ai, BigModel.cn, NVIDIA NIM
• Inférence locale : vLLM, SGLang supportés
• Intégration : Compatible Claude Code et OpenClaw

Pages Liées

deepseek-v4 llama-3-1 mistral phi-3-5 gguf exl2 mit