GPT
הוספת כלי
G

GLM-5.1

קוד פתוח

zai-orgmit2026-04-03

  • transformers
  • safetensors
  • glm_moe_dsa
  • text-generation
  • conversational

מודל ענק לתכנות ולסוכנים אוטונומיים שנועד לפתור משימות ארוכות בלי להיתקע. שווה לבדוק אותו אם אתם מחפשים קוד פתוח אמיתי שמתחרה ישירות בכלים הסגורים המובילים.

  • 754Bפרמטרים
  • 202,752טוקנים בהקשר
  • 1.4 TBמשקל הקבצים
  • 81,880הורדות בחודש

מה זה

מדובר במודל MoE עם 754 מיליארד פרמטרים וחלון הקשר של 202,752 טוקנים, שפותח במיוחד עבור משימות הנדסת תוכנה מורכבות. לפי המפתחים, היתרון המרכזי שלו מול הגרסה הקודמת ומודלים מקבילים הוא היכולת לרוץ בסבבים ארוכים, לבצע אלפי קריאות לכלים, לנתח שגיאות ולתקן אסטרטגיה תוך כדי עבודה במקום להרים ידיים אחרי הניסיון הראשון.

במבחני הביצועים הוא מוביל בבירור על פני מתחרים כמו DeepSeek-V3.2 ומתקרב למודלים סגורים כמו Claude Opus ו־GPT-5.4. ב־SWE-Bench Pro הוא מגיע לציון של 58.4, התוצאה הגבוהה ביותר בטבלה, וב־CyberGym הוא קופץ ל־68.7 לעומת 48.3 של הדור הקודם. עם זאת, במבחני מתמטיקה ופתרון בעיות טהור כמו GPQA או HLE הוא עדיין מפגר אחרי המובילים בשוק, מה שמראה שהמיקוד שלו הוא נטו עבודה הנדסית.

מתאים ל

  • סוכן לתיקון באגים בקוד

    מתאים להרצה מול מאגרי קוד ענקיים בזכות ציון של 58.4 ב־SWE-Bench Pro ויכולת עבודה לאורך מאות סבבים.

  • אוטומציה של משימות מסוף

    מגיע לתוצאה של 63.5 ב־Terminal-Bench 2.0 ומסוגל לבצע רצף ארוך של פקודות מערכת ולנתח את הפלט.

  • מחקר אבטחה בסימולציות

    מציג זינוק חד ל־68.7 במבחן CyberGym, מה שהופך אותו למועמד טוב למשימות סריקה וניתוח חולשות.

איפה זה נופל

הנתונים הרשמיים מתייחסים רק לאנגלית ולסינית, ולכן אין שום תיעוד או הבטחה ליכולות שלו בעברית. בנוסף, במבחני הבנה כלליים כמו HLE הוא מקבל רק 31.0 בלי כלים, ציון נמוך בהרבה מ־45.0 של המתחרים, וב־Tool-Decathlon הוא מגיע ל־40.7 בלבד. אם המשימה שלכם אינה סביבת פיתוח או מסוף מוגדר היטב, הוא עלול לתת תוצאות בינוניות.

אותה משפחה

GLM-5.1 יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

GLM-5.1-FP8316,998

שאלות
נפוצות

האם כדאי להוריד אותו לשרת פיתוח פנימי?

רק אם יש לכם צבר שרתים שמסוגל להחזיק 1.4 טרה-בייט בזיכרון. למפתחים רגילים ההורדה והאחסון יהיו איטיים ויקרים מאוד, ועדיף להתחבר ל־API.

איך הוא מסתדר עם עברית?

הכרטיס מצהיר על תמיכה באנגלית ובסינית בלבד. הוא עשוי לפלוט עברית בסיסית, אבל לשימוש רציני בעברית צריך לבדוק אותו ידנית כי אין עליה נתונים רשמיים.

במה הוא שונה מ־GLM-5 הקודם?

הוא מציג שיפור משמעותי במשימות תכנות מעשיות, כמו קפיצה מ־48.3 ל־68.7 ב־CyberGym ומ־35.9 ל־42.7 ב־NL2Repo, ומתוכנן לפעול לאורך זמן בלי להיתקע.

איך מריצים

להריץ מודל כזה לבד זו משימה לתשתיות רציניות בלבד. המשקלים תופסים 1.4 טרה-בייט שמחולקים על פני 300 קבצים, מה שדורש צבר של שרתי GPU עם מאות גיגה-בייט של זיכרון וידאו מהיר וחיבור רשת חזק. בצד התוכנה יש תמיכה בכלים מוכרים כמו vLLM, SGLang ו־KTransformers.

אם אין לכם קלאסטר ארגוני ייעודי, אין שום היגיון לנסות להרים אותו על שרת בודד. בשביל רוב הפיתוח והבדיקות עדיף להשתמש ישירות ב־API של Z.ai ולשלם רק על הטוקנים שאתם צורכים.

from transformers import pipeline

pipe = pipeline("text-generation", model="zai-org/GLM-5.1")
print(pipe("שלום"))

הקבצים

300 קבצים במאגר, 1.4 TB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ ברישיון MIT מלא. זה הרישיון הכי חופשי שיש, ואתם יכולים לקחת את המשקלים, לשנות אותם, להטמיע אותם במוצר מסחרי סגור או להריץ אותם בענן שלכם בלי הגבלות על שימוש מסחרי ובלי חובת שיתוף של קוד המקור.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗