GLM-5

GLM-5 是智谱 AI（开放平台 open.bigmodel.cn）GLM 系列中面向通用生产的旗舰模型。和家族里更便宜、纯文本的 GLM-4.7、以及更贵、主打深度推理的 GLM-5.1 相比，GLM-5 的卡位很清晰：它是那个「既要又要」的中间档——同时支持文本和视觉两种模态，200K 的上下文窗口，单次最大输出 16K tokens，既能当聊天/生成主力，又能直接吃图做多模态理解，而价格又没有顶到 GLM-5.1 那一档。

对国内开发者来说，GLM-5 的真正价值不只在模型本身，而在它背后的智谱平台工程化程度：国内直连、有完整的中文文档、function calling / 结构化输出 / 工具调用这套 Agent 必需的能力都齐备，计费用人民币结算、发票合规、数据不出境。这些对要落地的团队往往比多刷几分榜单更重要——你不用为了跨境网络、外汇结算和合规审查额外搭一层基础设施。

需要说明的是，GLM-5 是一个持续迭代的产品线，版本号会往前走（GLM-5.1 已经在列表里）。所以选它时，重点不是记住某个绝对分数，而是理解它在「能力—成本—模态」三角里的位置：当你需要视觉能力、又不想付旗舰推理模型的溢价时，GLM-5 通常就是那个默认选项。

GLM-5 采用国产模型常见的三段计费：输入价、输出价、缓存命中输入价（具体数字以本页上方价格表实时为准，价格会随官方调整变动）。理解这三个价位怎么影响你的真实账单，比记住单价更重要。

第一条规律：输出比输入贵得多。GLM-5 的输出单价显著高于输入单价，这意味着「长输入、短输出」的任务（比如长文档问答、给定大段资料让它抽取一个 JSON）单位成本很低；而「短输入、长输出」的任务（比如让它写一篇长文、生成大量代码）成本会被输出价拉高。优化方向很明确：能用结构化输出约束长度就别让它自由发挥，能让它只回 diff 就别让它重打整段。

第二条规律：缓存价是 GLM-5 最值得用足的杠杆。当你的请求里有大段重复前缀——固定的 system prompt、RAG 召回的知识块、Agent 的工具定义、few-shot 示例——命中缓存后这部分输入会按缓存价计费，远低于标准输入价。对客服机器人、RAG 应用、长 system prompt 的 Agent，把可复用内容放在 prompt 前部、保持前缀稳定，往往能把整体输入成本砍掉一大块。这是很多人忽略的「免费」优化。

横向看性价比：GLM-5 不是榜单上最便宜的，它的定位是「带视觉的旗舰里价格克制的那个」。如果你的任务纯文本、对质量要求没那么极致，往下走 GLM-4.7 更划算；如果你需要更强的链式推理、愿意为难题付溢价，往上走 GLM-5.1。GLM-5 赚的是中间那块——又要多模态、又要旗舰级通用质量、又不想被旗舰推理价咬一口的场景。

最适合 GLM-5 的，是带图的多模态业务和中等复杂度的通用生产任务。比如：电商/内容平台的图文理解与审核、票据和截图信息抽取、图表/UI 截图问答、需要看图回答的客服与导购、以及大量「读资料—生成结构化结果」的中文内容流水线。200K 上下文也让它能胜任长文档摘要、多文档 RAG 和需要塞进大段背景的对话，配合缓存价做长 system prompt 的 Agent 时成本可控。

它也适合作为 Agent / RAG 系统的「主力工人模型」：function calling 和结构化输出齐全，国内直连延迟稳定，在工具调用密集、需要稳定吐 JSON 的链路里好用。对追求合规和数据不出境的国内团队，它能直接进生产，省掉跨境那一整套麻烦。

不太适合 GLM-5 的场景有几类。一是超高频、极简单的任务（实时分类、海量打标、关键词级判断）——这种任务用旗舰价跑是浪费，应该降级到更便宜的小模型或 GLM-4.7。二是对最强推理/数学/竞赛级编程有硬要求的任务——那是 GLM-5.1 这类推理旗舰或顶级海外模型的主场，GLM-5 不必硬扛。三是纯英文、强依赖某个海外生态私有能力（特定 SDK、特定多模态格式）的任务——这时候要按生态而非单价来选。

在智谱家族内部，决策可以简化成三问：要不要看图？要的话基本锁定 GLM-5（GLM-4.7 是纯文本）。任务有多难？日常通用选 GLM-5，遇到需要深度推理的硬骨头再点名升级到 GLM-5.1。预算多紧？纯文本且能接受质量略降时，GLM-4.7 单价更低、更适合跑量。一个务实的做法是把 GLM-5 当默认档，按任务难度上下浮动，而不是全线用最贵的。

跨厂商比较时，GLM-5 的主要对手是同梯队的国产多模态旗舰（如通义千问、豆包、文心、混元等的对应档位）。这一档的单价和能力咬得很紧，光看价格表很难分高下——建议用你自己的真实样本（贴进本站「成本速算 / 估算」）跑一遍：同一批 prompt 在两三个候选上各跑一轮，比的是「达到你需要的质量所花的总成本」，而不是名义单价。多模态质量、中文表达风格、工具调用稳定性这些差异，只有用你自己的数据才看得出来。

何时该升级到 GLM-5：当你发现更便宜的小模型在你的任务上质量不够、要反复重试或人工兜底时，重试和返工的隐性成本往往已经超过直接用 GLM-5 的差价——这时升级反而更省。何时该从 GLM-5 降级：当你的任务被证明足够简单、GLM-5 是「杀鸡用牛刀」时，降到 GLM-4.7 或小模型；何时该升级到 GLM-5.1：当任务卡在推理深度上、GLM-5 反复答错逻辑/数学/复杂代码时，为那部分难任务单独走 GLM-5.1，其余仍用 GLM-5，按难度分流是最省钱的工程做法。