GLM-4.5 Air

Veröffentlichung

August 2025

Knowledge Cutoff

Oktober 2023

Parameter

106 Mrd.

Modellfamilie

GLM-4.5 Air

MIT

Zum Modell

GLM-4.5 Air Modell-Übersicht

Playground API Referenz Hugging Face Github Blog Technischer Report

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

Max. Input

131,07k Token

Max. Output

131,07k Token

Trainingsdaten

23.000 Mrd.

Parameter

106 Mrd.

Input Preis

$0.20

Output Preis

$1.10

Vokabular

151,55k

Dateigröße

205,77 GB

GLM-4.5 Air Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

GLM-4.5 Air Benchmark Übersicht

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.
Serie	Wissen & Sprache (min 0 / max 100)	Wissenschaft (min 0 / max 100)	Logik & Schlussfolgerung (min 0 / max 100)	Programmierung (min 0 / max 100)
Z.ai GLM-4.5 Air	81.4	75	10.6	64.15

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	88,9 %
Grok-4	87,5 %
Qwen3 235B A22B Thinking 2507	81,1 %
GLM-4.6	81 %
GLM-4.5	79,1 %
GLM-4.5 Air	75 %
Qwen3 30B A3B Instruct 2507	70,4 %
GPT-4o (2024-11-20)	46 %

Vergleich von LLMs im Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	44,4 %
Grok-4	38,6 %
GPT-5	35,2 %
OpenAI o3-mini	13,4 %
Gemini 2.5 Flash	11 %
GLM-4.5 Air	10,6 %
GPT-5 nano	8,7 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GLM-4.6	82,8 %
Grok-4 Heavy	79,4 %
Grok-4	79,3 %
DeepSeek-R1-0528	73,3 %
GLM-4.5	72,9 %
GLM-4.5 Air	70,7 %
Gemini 2.5 Flash	59,3 %
Claude Sonnet 4	55,9 %

Vergleich von LLMs im Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4	86,6 %
DeepSeek-R1-0528	85 %
GLM-4.5	84,6 %
Qwen3 235B A22B Thinking 2507	84,4 %
GLM-4.5 Air	81,4 %
Qwen3 30B A3B Instruct 2507	78,4 %
Gemma 3	67,5 %

Vergleich von LLMs im Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Sonnet 4.5	77,2 %
GPT-5 Pro	74,9 %
GPT-5	74,9 %
Claude 3.7 Sonnet	62,3 %
Gemini 2.5 Pro	59,6 %
GLM-4.5 Air	57,6 %
GPT-5 nano	54,7 %
OpenAI o3-mini	49,3 %

Vergleich von LLMs im Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	MoE-Transformer-Decoder
Input Kontextlänge	131,07k
Output Kontextlänge	131,07k
Tokenizer	Unbekannt

Besonderheiten

Besonderheit	Inferenz-Beschleunigung über spekulatives Decoding

Vorteile & Nachteile

Vorteile

Hohe Benchmark-Scores
GLM-4.5 Air erreicht in den gängigen Benchmarks sehr gute Ergebnisse für ein mittelgroßes Modell.
Open Weights Model
Die GLM Model-Weights lassen sich frei auf Hugging Face herunterladen und finetunen.
Günstige Inferenz
Durch die MoE-Architektur und reduzierte Parameteranzahl benötigt GLM-4.5 Air wenig Rechenleistung für die Inferenz und ist deutlich günstiger als vergleichbare Modelle.
Verschiedene Modellgrößen
Neben GLM-4.5 und GLM-4.5 Air gibt es auch noch eine FP8-Quantisierte Version, die man sogar lokal gut ausführen kann.

Nachteile

Politischer Bias
Wie andere chinesische Modelle auch reflektiert GLM-4.5 den politischen Bias der chinesischen Regierung.
Kein Datenschutz über den Chatbot
Wer GLM-4.5 über die offizielle Website oder App verwendet, gibt seine Daten preis.
Kein Datenschutz über den Chatbot
Wer GLM-4.5 über die offizielle Website oder App verwendet, gibt seine Daten preis.

Vergleiche GLM-4.5 Air mit anderen LLMs

Vergleiche GLM-4.5 Air mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	GPQA
Z.ai	GLM-4.6	MIT	355 Mrd.	200k	128k	$0.60	$2.00	82,8 %
xAI	Grok-4 Heavy	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,4 %
xAI	Grok 4	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,3 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$1.25	$10.00	74,2 %
Alibaba	Qwen3	Apache 2.0	235 Mrd.	262,14k	81,92k	$0.13	$0.60	74,1 %
DeepSeek AI	Deepseek-R1	MIT	671 Mrd.	163,84k	163,84k	$0.50	$2.15	73,3 %
Z.ai	GLM-4.5	MIT	355 Mrd.	131,07k	131,07k	$0.60	$2.20	72,9 %
Z.ai	GLM-4.5 Air	MIT	106 Mrd.	131,07k	131,07k	$0.20	$1.10	70,7 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$0.30	$2.50	59,3 %
Anthropic	Claude Sonnet 4	Proprietär	Unbekannt	200k	64k	$3.00	$15.00	55,9 %

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst Z.ai GLM-4.5 Air über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.