CONFIRMADOCerteza de la fecha: CONFIRMADOAnunciado como firmeCon qué firmeza la fuente expresa la fecha: confirmada, programada, estimada, retrasada o sin verificar.Ver todos los pines CONFIRMADO85% DE CONFIANZAConfianza general: 85%Hasta qué punto la fuente y las referencias del pin respaldan sus fechas.Media ponderada de la firmeza con la que 6 referencias, incluida la fuente, respaldan las horas de inicio y fin del pin; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más recienteMostrar todos los pines con un 75% de confianza o más
Epoch[5] AI indica que GLM-5 se lanzó el 11 de febrero de 2026 y el artículo de Maxime Labonne en Hugging Face[3][6] dice «El 11 de febrero de 2026 ... Z.ai lanzó oficialmente GLM-5»; los pesos de Hugging Face se subieron desde las 06:15 UTC de ese día. The Decoder[4] fecha su información el 12 de febrero y las notas de versión de Z.ai indican 2026-02-12, que es el mismo anuncio en hora de Pekín.- Inicio
- 11 feb 202692% DE CONFIANZAsegún epoch.ai
GLM-5 lanzado
Traducido automáticamente del original
Título original: GLM-5 Released
Z.ai (Zhipu AI) lanza GLM-5, un modelo de 744B de parámetros (40B activos) con licencia MIT para ingeniería agéntica de largo horizonte, que obtiene 77.8 en SWE-bench Verified y se convirtió en el primer modelo de pesos abiertos en alcanzar 50 en el índice de Artificial Analysis.
- Z.ai (Zhipu AI) lanzó GLM-5 el 11 de febrero de 2026, días antes del Año Nuevo Lunar, con pesos con licencia MIT en Hugging Face, acceso por API y un lugar en OpenRouter[3][5]
- Casi duplica el tamaño de GLM-4.5, de 355B parámetros totales y 32B activos a 744B y 40B, y eleva los datos de preentrenamiento de 23 a 28.5 billones de tokens; DeepSeek Sparse Attention mantiene asequible el servicio de contexto largo y la nueva pila de RL asíncrona «slime» impulsa el posentrenamiento[1][4][6]
- La tabla de Z.ai le da 77.8 en SWE-bench Verified (Claude Opus 4.5 80.9, Gemini 3 Pro 76.2), 62.0 en BrowseComp (75.9 con gestión de contexto), 56.2 en Terminal-Bench 2.0 y $4,432 en Vending Bench 2 frente a los $4,967 de Opus 4.5[4][6]
- Artificial Analysis lo convirtió en el primer modelo de pesos abiertos en alcanzar 50 en su Intelligence Index v4.0, y ocupó el primer puesto entre los abiertos en el Text Arena de LMArena con 1452[2][3]
- Antes del lanzamiento funcionó como el anónimo «Pony Alpha» en OpenRouter desde el 6 de febrero y procesó más de 40 mil millones de tokens en su primer día[3]
- Las acciones de Zhipu cotizadas en Hong Kong subieron entre aproximadamente un 28% y un 34% el día del anuncio, un mes después de su salida a bolsa de enero[2][3]
Características destacadas
- Solo texto, contexto de 200K tokens y salida máxima de 128K tokens[1]
- Un «Agent Mode» convierte indicaciones y material de origen directamente en archivos .docx, .pdf y .xlsx, y el modelo funciona con Claude Code, OpenCode, Roo Code y OpenClaw[2][4]
- Funciona en GPU de Nvidia y en Huawei Ascend, Moore Threads, Cambricon y otros chips chinos mediante optimización de kernels y cuantización; Z.ai no confirmó la información de Reuters de que se entrenó íntegramente con Ascend[3][4]
- Precio de la API de $1.00 por millón de tokens de entrada y $3.20 por millón de tokens de salida[2]
- En el CC-Bench-V2 interno de Z.ai alcanza una tasa de éxito de compilación de frontend del 98% y un 74.8% de corrección de frontend de extremo a extremo, un 26% y un 18.8% por encima de GLM-4.7[1][3]
Pruebas de referencia
Tabla de resultados de Z.ai de la ficha del modelo, tal como se publicó[6].
| Prueba de referencia | GLM-5 | GLM-4.7 | DeepSeek-V3.2 | Kimi K2.5 | Claude Opus 4.5 | Gemini 3 Pro | GPT-5.2 (xhigh) |
|---|---|---|---|---|---|---|---|
| HLE | 30.5 | 24.8 | 25.1 | 31.5 | 28.4 | 37.2 | 35.4 |
| HLE (con herramientas) | 50.4 | 42.8 | 40.8 | 51.8 | 43.4* | 45.8* | 45.5* |
| AIME 2026 I | 92.7 | 92.9 | 92.7 | 92.5 | 93.3 | 90.6 | - |
| HMMT Nov. 2025 | 96.9 | 93.5 | 90.2 | 91.1 | 91.7 | 93.0 | 97.1 |
| IMOAnswerBench | 82.5 | 82.0 | 78.3 | 81.8 | 78.5 | 83.3 | 86.3 |
| GPQA-Diamond | 86.0 | 85.7 | 82.4 | 87.6 | 87.0 | 91.9 | 92.4 |
| SWE-bench Verified | 77.8 | 73.8 | 73.1 | 76.8 | 80.9 | 76.2 | 80.0 |
| SWE-bench Multilingual | 73.3 | 66.7 | 70.2 | 73.0 | 77.5 | 65.0 | 72.0 |
| Terminal-Bench 2.0 (Terminus 2) | 56.2 / 60.7 † | 41.0 | 39.3 | 50.8 | 59.3 | 54.2 | 54.0 |
| Terminal-Bench 2.0 (Claude Code) | 56.2 / 61.1 † | 32.8 | 46.4 | - | 57.9 | - | - |
| CyberGym | 43.2 | 23.5 | 17.3 | 41.3 | 50.6 | 39.9 | - |
| BrowseComp | 62.0 | 52.0 | 51.4 | 60.6 | 37.0 | 37.8 | - |
| BrowseComp (con gestión de contexto) | 75.9 | 67.5 | 67.6 | 74.9 | 67.8 | 59.2 | 65.8 |
| BrowseComp-Zh | 72.7 | 66.6 | 65.0 | 62.3 | 62.4 | 66.8 | 76.1 |
| τ²-Bench | 89.7 | 87.4 | 85.3 | 80.2 | 91.6 | 90.7 | 85.5 |
| MCP-Atlas (Public Set) | 67.8 | 52.0 | 62.2 | 63.8 | 65.2 | 66.6 | 68.0 |
| Tool-Decathlon | 38.0 | 23.8 | 35.2 | 27.8 | 43.5 | 36.4 | 46.3 |
| Vending Bench 2 | $4,432.12 | $2,376.82 | $1,034.00 | $1,198.46 | $4,967.06 | $5,478.16 | $3,591.33 |
* indica resultados del conjunto completo; † indica una variante verificada de Terminal-Bench 2.0 que corrige instrucciones ambiguas. Vending Bench 2 fue ejecutado por Andon Labs.