Aller au contenu
Tier A — Frontier
Fonctionne en :CNCréé en :China
Z.ai (GLM / Zhipu)

GLM-4.5

Tier A — Frontier · 131K tokens

Équipe éditoriale Tokonomix·Relu par Mes Kalkan··

GLM-4.5 est un modèle fondateur de la gamme GLM-4 de Zhipu, conçu autour de l’usage agentique d’outils et du raisonnement général. Il reste un choix solide et économique et ancre la famille aux côtés de son petit frère léger GLM-4.5 Air.

Section 01

Analyse de vitesse

Latence mesurée sur toutes les exécutions de benchmark. P50 (médiane) et P95 (95e percentile) donnent une image réaliste de la vitesse de réponse en charge normale et de pointe.

Latence P50 (médiane)Latence P95105 runs
187746927507103211313609-2010-16ms
Section 02

Scores de qualité

Comment ce modèle se situe par rapport au reste du champ sur chaque catégorie de prompts, à partir d'un ajustement par paires sur les mêmes prompts. La note brute du juge figure sous chaque nombre.

65%
Génération de code
moyenne du juge 92
85%
Créatif
moyenne du juge 95
68%
Factuel
moyenne du juge 85
47%
Raisonnement
moyenne du juge 82

Taux de victoire par catégorie : la fréquence à laquelle ce modèle bat un modèle moyen sur un prompt de cette catégorie. 50% est la moyenne, pas un échec. Ce n'est pas un pourcentage de bonnes réponses.

Section 03

Tarifs

Ce que vous payez par million de tokens en utilisant ce modèle sur Tokonomix, avec une estimation pour une conversation type.

💰
Tarifs API — GLM-4.5
$0.9000 par 1M de tokens d'entrée
$3.29 par 1M de tokens de sortie
≈ $0.0012 par conversation typique (800 tokens)
Prix entrée vs sortie (par 1M de tokens)
par 1M de tokens d'entrée$0.9000
par 1M de tokens de sortie$3.29
Section 04

Tokens par seconde

Débit en tokens par seconde, dérivé de la latence P50 mesurée. Plus haut est mieux ; les fluctuations reflètent la charge côté fournisseur.

Débit (tokens / s)28 / avg 32
10616

Estimé à partir de la latence P50 × 200 tokens de sortie — le chiffre absolu dépend de cette hypothèse ; c'est la tendance qui compte.

Section 05

Capacités

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

Disponibilité

Disponibilité

Pas encore de données

Nous n'avons pas encore enregistré suffisamment d'appels API pour afficher les statistiques de disponibilité de ce modèle. Les données apparaîtront dès que le modèle reçoit du trafic en direct.

Section 07

Verdicts benchmark Tokonomix

⚖️
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.

Qualité

100.0

Latence p50

14,782 ms

Exécutions de test

1

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

Profil complet du modèle

GLM-4.5 : la GLM agentique établie

GLM-4.5 est un modèle fondateur de la gamme GLM-4 de Zhipu, conçu autour de l’usage agentique d’outils et du raisonnement général. Il reste un choix solide et économique et ancre la famille aux côtés de son petit frère léger GLM-4.5 Air.

z.ai publie GLM-4.5 à 0,60 $ par 1M de tokens d’entrée et 2,20 $ par 1M de tokens de sortie.

Il annonce une fenêtre de contexte de 128K tokens — amplement suffisante pour la plupart des documents et des sessions d’agent à plusieurs tours.

Architecture et signaux d’entraînement

GLM-4.5 est un modèle central de la gamme GLM-4 de Zhipu AI, remarqué pour une conception axée sur les agents et l’usage d’outils, et pour une disponibilité capable en poids ouverts. C’est un modèle de chat apte au raisonnement, avec appel d’outils et JSON via un point de terminaison compatible OpenAI. Comme le reste de la gamme GLM, il renvoie un champ non standard reasoning_content à côté de content ; les intégrations doivent lire content pour la réponse finale et traiter reasoning_content comme une trace facultative.

Là où il excelle

  • Usage agentique d’outils et workflows de function-calling.
  • Raisonnement généraliste à un prix avantageux.
  • Un membre mature et bien connu de la famille.

Là où il pèche

  • Les GLM-4.6/4.7 plus récentes et la génération GLM-5 l’améliorent.
  • Pas encore de données de benchmark Tokonomix ; vérifiez sur vos tâches.
  • Hébergement hors UE.

Cas d’usage concrets

  • Agents utilisant des outils et pipelines de function-calling.
  • Assistance générale, rédaction et analyse à grande échelle.
  • Un proposeur de consensus économique et inter-familles.

Instantané du benchmark Tokonomix

GLM-4.5 est récemment enregistré sur Tokonomix et pas encore activé, nous ne l’avons donc pas encore soumis à notre test d’intelligence hebdomadaire ni à notre benchmark de vitesse. Il n’y a pas encore de scores Tokonomix à communiquer — et nous n’en inventerons pas.

Dès sa mise en service, il entre dans le même dispositif hebdomadaire que tous les autres modèles : prompts identiques, juge indépendant d’une autre famille, et mesures reproductibles de latence et de coût. D’ici là, considérez les indications de prix et de capacités de cette page comme le point de départ publié par le fournisseur, et non comme des résultats mesurés par Tokonomix.

Confidentialité UE et résidence des données

GLM-4.5 est développé par Zhipu AI (z.ai), un laboratoire dont le siège est en Chine, et servi depuis une infrastructure hors UE. Il faut le dire clairement : envoyer un prompt à ce modèle n’est pas un choix de résidence des données dans l’UE ni de souveraineté RGPD, et Tokonomix ne l’étiquettera jamais comme tel.

Si votre cas d’usage exige que les données restent dans l’UE, choisissez un modèle hébergé dans l’UE (par exemple nos routes OVH ou Azure-EU) plutôt qu’un modèle GLM. Tokonomix maintient z.ai en dehors de tout ensemble de routage UE-uniquement/souverain par conception. Utilisez GLM là où la capacité ou le prix priment et où un traitement transfrontalier est acceptable pour cette tâche.

Verdict et alternatives

GLM-4.5 est la GLM établie et économique. Pour une capacité plus récente, passez à GLM-4.6/4.7 ; quand la latence et le coût dominent, GLM-4.5 Air ou les paliers flash gratuits. C’est une base fiable au sein de la famille GLM.

Dernier test automatisé
16 oct. 2026 · 02:05 UTC · Benchmark de vitesse
Latence P50
7123 ms
Latence P95
7667 ms
Erreurs
0 / 6 exécutions
Dernière revue par Équipe Tokonomix·8 juillet 2026