Zum Inhalt
Tier A — Frontier
Läuft in:CNErstellt in:China
Z.ai (GLM / Zhipu)

GLM-4.5

Tier A — Frontier · 131K Tokens

Tokonomix-Redaktionsteam·Geprüft von Mes Kalkan··

GLM-4.5 ist ein grundlegendes Modell aus Zhipus GLM-4-Reihe, ausgelegt auf agentische Tool-Nutzung und allgemeines Reasoning. Es bleibt eine solide, wirtschaftliche Wahl und verankert die Familie zusammen mit seinem leichtgewichtigen Geschwister GLM-4.5 Air.

Abschnitt 01

Geschwindigkeitsanalyse

Latenz über alle Benchmark-Läufe gemessen. P50 (Median) und P95 (95. Perzentil) zeigen ein realistisches Bild der Antwortgeschwindigkeit bei normaler und Spitzenlast.

P50-Latenz (Median)P95-Latenz105 runs
187746927507103211313609-2010-16ms
Abschnitt 02

Qualitätswerte

Wie sich dieses Modell je Prompt-Kategorie zum übrigen Feld verhält, aus einem paarweisen Fit über dieselben Prompts. Die rohe Jury-Wertung steht unter jeder Zahl.

65%
Codegenerierung
Jury-Mittel 92
85%
Kreativ
Jury-Mittel 95
68%
Faktisch
Jury-Mittel 85
47%
Schlussfolgern
Jury-Mittel 82

Gewinnrate je Kategorie: wie oft dieses Modell ein durchschnittliches Modell bei einem Prompt dieser Kategorie schlägt. 50% ist der Durchschnitt, keine schlechte Note. Es ist kein Prozentsatz richtiger Antworten.

Abschnitt 03

Preise

Was Sie pro Million Tokens zahlen, wenn Sie dieses Modell über Tokonomix nutzen, plus eine Schätzung für ein typisches Gespräch.

💰
API-Tarife — GLM-4.5
$0.9000 pro 1M Input-Tokens
$3.29 pro 1M Output-Tokens
≈ $0.0012 pro typischem Gespräch (800 Tokens)
Input- vs. Output-Preis (pro 1M Tokens)
pro 1M Input-Tokens$0.9000
pro 1M Output-Tokens$3.29
Abschnitt 04

Tokens pro Sekunde

Durchsatz in Tokens pro Sekunde, abgeleitet aus gemessener P50-Latenz. Höhere Werte sind besser; Schwankungen spiegeln die Provider-seitige Last wider.

Durchsatz (Tokens / s)28 / avg 32
10616

Geschätzt aus P50-Latenz × 200 Output-Tokens — die absolute Zahl hängt von dieser Annahme ab; entscheidend ist der Trend.

Abschnitt 05

Fähigkeiten

jsonnotes: GLM emits a non-standard reasoning_content field beside content; read content for the answer.toolsreasoning
Abschnitt 06

Verfügbarkeit

Verfügbarkeit

Noch keine Messdaten

Es wurden noch nicht genug API-Aufrufe aufgezeichnet, um Verfügbarkeitsstatistiken für dieses Modell anzuzeigen. Daten erscheinen, sobald das Modell Live-Traffic erhält.

Abschnitt 07

Tokonomix-Benchmark-Urteile

⚖️
Endorsed by 1 judge
Independent LLM judges evaluated this model on our weekly intelligence tests
claude-sonnet-4-588/100 · 47 runs
40 correct3 partial4 wrong85% accuracy
● 2026-10-11

GLM-4.5 quality surges to perfect score with improved response times

GLM-4.5 demonstrates a remarkable 38.5-point quality improvement, reaching a perfect 100.0 overall score in the current benchmark window. This represents a significant capability enhancement compared to the previous period's 61.5 score. The model maintained its perfect factual reasoning performance at 100 while apparently resolving earlier coding weaknesses that had pulled down the previous aggregate score to 23 in that category. Response latency also improved by 18%, dropping from 18,039ms to 14,782ms at the median, making the model noticeably more responsive for end users. However, the current assessment is based on a single test run compared to two runs in the previous window, which means these results should be interpreted with appropriate statistical caution. The limited sample size makes it difficult to confirm whether this performance leap represents a stable new baseline or natural variance in testing conditions. Users considering GLM-4.5 should note the apparent quality gains and faster responses, while remaining aware that additional testing would provide greater confidence in the sustainability of these improvements. The model appears to have addressed previous limitations successfully.

Qualität

100.0

Latenz p50

14,782 ms

Testläufe

1

✓ Quality jumped 38.5 points✓ Latency improved 18 percent✓ Perfect factual score maintained✗ Single test run limits confidence
Abschnitt 08

Vollständiges Modellprofil

GLM-4.5: die etablierte agentische GLM

GLM-4.5 ist ein grundlegendes Modell aus Zhipus GLM-4-Reihe, ausgelegt auf agentische Tool-Nutzung und allgemeines Reasoning. Es bleibt eine solide, wirtschaftliche Wahl und verankert die Familie zusammen mit seinem leichtgewichtigen Geschwister GLM-4.5 Air.

Es wirbt mit einem 128K-Token-Kontextfenster — ausreichend für die meisten Dokumente und mehrstufige Agentensitzungen.

Architektur & Trainingssignale

GLM-4.5 ist ein Kernmodell von Zhipu AIs GLM-4-Reihe, bekannt für ein auf Agenten und Tool-Nutzung ausgerichtetes Design und leistungsfähige Open-Weight-Verfügbarkeit. Es ist ein reasoning-fähiges Chatmodell mit Tool-Aufrufen und JSON über einen OpenAI-kompatiblen Endpunkt. Wie der Rest der GLM-Reihe liefert es ein nicht standardmäßiges reasoning_content-Feld neben content; Integrationen sollten content für die endgültige Antwort lesen und reasoning_content als optionale Spur behandeln.

Wo es glänzt

  • Agentische Tool-Nutzung und Function-Calling-Workflows.
  • Allgemeines Reasoning zu einem Preis-Leistungs-Verhältnis.
  • Ein ausgereiftes, gut verstandenes Mitglied der Familie.

Wo es schwächelt

  • Neuere GLM-4.6/4.7 und die GLM-5-Generation übertreffen es.
  • Noch keine Tokonomix-Benchmark-Daten; validieren Sie an Ihren Aufgaben.
  • Nicht-EU-Hosting.

Anwendungsfälle aus der Praxis

  • Tool-nutzende Agenten und Function-Calling-Pipelines.
  • Allgemeine Unterstützung, Verfassen und Analyse im großen Maßstab.
  • Ein kostengünstiger, familienübergreifender Konsens-Proposer.

Tokonomix-Benchmark-Momentaufnahme

GLM-4.5 ist neu bei Tokonomix registriert und noch nicht aktiviert, daher haben wir es noch nicht durch unseren wöchentlichen Intelligenztest oder Geschwindigkeits-Benchmark laufen lassen. Es gibt noch keine Tokonomix-Werte zu berichten — und wir erfinden keine.

Sobald es live geht, durchläuft es dieselbe wöchentliche Testumgebung wie jedes andere Modell: identische Prompts, ein unabhängiger, familienfremder Judge und reproduzierbare Latenz- und Kostenmessungen. Behandeln Sie bis dahin die Preis- und Fähigkeitsangaben auf dieser Seite als vom Anbieter veröffentlichten Ausgangspunkt, nicht als gemessene Tokonomix-Ergebnisse.

EU-Datenschutz & Datenresidenz

GLM-4.5 wird von Zhipu AI (z.ai) entwickelt, einem Labor mit Sitz in China, und von Nicht-EU-Infrastruktur aus bereitgestellt. Das muss klar gesagt werden: einen Prompt an dieses Modell zu senden ist keine Entscheidung für EU-Datenresidenz oder DSGVO-Souveränität, und Tokonomix wird es nie als solche kennzeichnen.

Wenn Ihr Anwendungsfall erfordert, dass Daten in der EU bleiben, wählen Sie ein EU-gehostetes Modell (etwa unsere OVH- oder Azure-EU-Routen) statt eines GLM-Modells. Tokonomix hält z.ai standardmäßig aus jedem EU-only-/souveränen Routing-Set heraus. Nutzen Sie GLM dort, wo Fähigkeit oder Preis im Vordergrund stehen und grenzüberschreitende Verarbeitung für diese Aufgabe akzeptabel ist.

Fazit & Alternativen

GLM-4.5 ist die etablierte, wirtschaftliche GLM. Für neuere Fähigkeiten steigen Sie auf GLM-4.6/4.7 um; wenn Latenz und Kosten dominieren, GLM-4.5 Air oder die kostenlosen Flash-Stufen. Es ist eine verlässliche Basislinie innerhalb der GLM-Familie.

Letzter automatisierter Test
16. Okt. 2026 · 02:05 UTC · Geschwindigkeits-Benchmark
P50-Latenz
7123 ms
P95-Latenz
7667 ms
Fehler
0 / 6 Läufe
Zuletzt geprüft von Tokonomix-Team·15. September 2026