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

GLM-5.1

Tier A — Frontier · 205K tokens

Équipe éditoriale Tokonomix·Relu par Mes Kalkan··

GLM-5.1 se situe au sein de la génération GLM-5 de Zhipu, entre la base GLM-5 et le fleuron GLM-5.2. Il est accessible via z.ai en tant que modèle de chat de raisonnement compatible OpenAI. Nous l’enregistrons honnêtement avec les détails que nous pouvons vérifier, et signalons ce que nous ne pouvons pas vérifier.

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 P95104 runs
41275651717687001022408-1409-08ms
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.

32%
Génération de code
moyenne du juge 62
13%
Créatif
moyenne du juge 67
50%
Factuel
moyenne du juge 84
43%
Raisonnement
moyenne du juge 67

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

Historique des tarifs

Tarifs directs du fournisseur par million de tokens, plus une estimation du coût d'une conversation typique.

💰
Tarifs API — GLM-5.1
$1.40 par 1M de tokens d'entrée
$4.40 par 1M de tokens de sortie
≈ $0.0017 par conversation typique (800 tokens)
Prix entrée vs sortie (par 1M de tokens)
par 1M de tokens d'entrée$1.40
par 1M de tokens de sortie$4.40

Pricing over time

Input & output per 1M tokens · step-line = price changes

$1.40

input / 1M

— stable

$4.40

output / 1M

— stable

2026-07-122026-08-092026-09-06
Input
Output
Price change
⟳ synced weekly
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)27 / avg 30
4819

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.toolsreasoningprice note: No published price on 2026-07-06
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-4-569/100 · 28 runs
16 correct2 partial10 wrong57% accuracy
2026-09-06

GLM-5.1 shows significant quality decline, latency degrades

GLM-5.1 has experienced a substantial performance regression in this benchmark window. Overall quality dropped 24.5 points from 97.0 to 72.5, marking a concerning decline in model capabilities. The coding category, previously at a perfect 100, fell to 73, while factual and reasoning categories that scored 91 and 100 respectively are no longer represented in current results with only 2 test runs compared to 3 previously. Latency has also worsened considerably, with p50 response times increasing 37% from 16981ms to 23211ms, now exceeding 23 seconds for typical requests. This combination of degraded output quality and slower response times represents a notable step backward for the model. The limited test run data in the current window may indicate reduced stability or availability. Users should be aware that GLM-5.1 is currently underperforming relative to its previous capabilities across both quality and speed metrics. The dramatic shift suggests potential infrastructure issues, model changes, or other operational factors affecting performance that warrant attention from the development team.

Qualité

72.5

Latence p50

23,211 ms

Exécutions de test

2

Quality dropped 24.5 points Latency increased 37% Coding score fell to 73 Fewer test runs completed
Section 08

Profil complet du modèle

GLM-5.1 : un modèle de la génération GLM-5 sur z.ai

GLM-5.1 se situe au sein de la génération GLM-5 de Zhipu, entre la base GLM-5 et le fleuron GLM-5.2. Il est accessible via z.ai en tant que modèle de chat de raisonnement compatible OpenAI. Nous l’enregistrons honnêtement avec les détails que nous pouvons vérifier, et signalons ce que nous ne pouvons pas vérifier.

z.ai n’avait publié aucun prix public pour GLM-5.1 au moment de son enregistrement (juillet 2026), nous ne stockons donc aucun chiffre de facturation pour lui. Confirmez le tarif actuel sur z.ai avant de l’activer.

Nous l’avons enregistré avec une grande fenêtre de contexte (~200K tokens) à titre provisoire ; la documentation de la génération GLM-5 est mince, alors confirmez la fenêtre exacte sur z.ai avant de vous y fier.

Architecture et signaux d’entraînement

GLM-5.1 fait partie de la génération GLM-5 de Zhipu AI. Comme pour le reste de la série GLM-5, la documentation technique publique approfondie reste limitée en juillet 2026. Nous le décrivons comme un grand modèle de chat axé sur le raisonnement, avec prise en charge des outils et du 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

  • Raisonnement général et tâches à long contexte au sein de la génération GLM-5.
  • Une alternative d’une autre famille aux modèles frontières américains dans un panel de consensus.
  • Appel d’outils et sortie JSON structurée.

Là où il pèche

  • Aucun prix publié à l’enregistrement — n’activez qu’après confirmation du tarif actuel.
  • Couverture de benchmarks indépendants encore mince ; validez sur vos propres tâches.
  • Hébergement hors UE.

Cas d’usage concrets

  • Un second avis décorrélé dans un consensus multi-modèles.
  • Analyse et résumé de longs documents.
  • Tâches agentiques nécessitant des appels d’outils.

Instantané du benchmark Tokonomix

GLM-5.1 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-5.1 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-5.1 est un point intermédiaire de la génération GLM-5. Son prix n’étant pas publié au moment de l’enregistrement, considérez son activation comme une étape délibérée : confirmez d’abord le tarif. Si vous voulez simplement la dernière qualité GLM, GLM-5.2 est le fleuron documenté ; pour le rapport qualité-prix, GLM-4.7/4.6.

Dernier test automatisé
8 sept. 2026 · 20:04 UTC · Benchmark de vitesse
Latence P50
7403 ms
Latence P95
7556 ms
Erreurs
0 / 6 exécutions
Dernière revue par Équipe Tokonomix·8 juillet 2026