GLM-5V-Turbo

Fiche modèle · Zhipu AI · glm-5v-turbo

GLM-5V-Turbo is Z.AI's first multimodal coding foundation model, built for vision-based coding tasks. It natively processes multimodal inputs including images, video, text, and files, while excelling at long-horizon planning, complex coding, and action execution. Deeply optimized for agent workflows, it works seamlessly with agents such as Claude Code and OpenClaw to complete the full loop of perceiving, planning, and executing tasks. It features systematic upgrades across model architecture, training methods, data construction, and tooling, including native multimodal fusion, 30+ task joint reinforcement learning, and an expanded multimodal toolchain.

Fiches modèles

Identité

Organisation	Zhipu AI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-04-02
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text\|video
Fenêtre de contexte	203 000
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:40.398031Z
Mis à jour le	2026-11-04T06:05:14.249689Z
Source	LLM Stats
URL	https://llm-stats.com/models/glm-5v-turbo

Tokens/tâche

IA Act — preuves fournisseur

ICA 2/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	0,0	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	0,0	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — via Tensorix (eurouter).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Tensorix	eurouter	partiel	—	—	—	202 752	—	—	—

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
image_to_text	0.80
multimodal	0.70
reasoning	0.70
factuality	0.60
general	0.70
grounding	0.60
agents	0.70
code	0.60
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
androidworld	agents	0.76	1.00	0.76	non	oui	2026-11-04T06:05:14.306907Z
browsecomp-vl	vision	0.52	1.00	0.52	non	oui	2026-11-04T06:05:14.287456Z
cc-bench-v2-backend	code	0.23	1.00	0.23	non	oui	2026-11-04T06:05:14.252712Z
cc-bench-v2-frontend	code	0.68	1.00	0.68	non	oui	2026-11-04T06:05:14.255595Z
cc-bench-v2-repo	code	0.72	1.00	0.72	non	oui	2026-11-04T06:05:14.258414Z
claw-eval	code	0.75	1.00	0.75	non	oui	2026-11-04T06:05:14.269984Z
design2code	vision	0.95	100.00	0.95	non	oui	2026-11-04T06:05:14.275958Z
facts-grounding	reasoning	0.59	1.00	0.59	non	oui	2026-11-04T06:05:14.298299Z
flame-vlm-code	code	0.94	1.00	0.94	non	oui	2026-11-04T06:05:14.278861Z
imagemining	vision	0.31	1.00	0.31	non	oui	2026-11-04T06:05:14.284854Z
mmsearch	multimodal	0.73	1.00	0.73	non	oui	2026-11-04T06:05:14.290187Z
mmsearch-plus	multimodal	0.30	1.00	0.30	non	oui	2026-11-04T06:05:14.292891Z
osworld	multimodal	0.62	1.00	0.62	non	oui	2026-11-04T06:05:14.304049Z
pinchbench	code	0.81	1.00	0.81	non	oui	2026-11-04T06:05:14.264178Z
simplevqa	vision	0.78	100.00	0.78	non	oui	2026-11-04T06:05:14.295586Z
v-star	vision	0.89	1.00	0.89	non	oui	2026-11-04T06:05:14.301135Z
vision2web	code	0.31	1.00	0.31	non	oui	2026-11-04T06:05:14.282128Z
webvoyager	agents	0.89	1.00	0.89	non	oui	2026-11-04T06:05:14.309849Z
zclawbench	code	0.58	1.00	0.58	non	oui	2026-11-04T06:05:14.272770Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	80	—	18.87	5	trueskill	2026-10-19	model_history
code	86	—	23.54	4	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04