GetInfoUs
Head-to-Head Model Comparison

GLM-4.5V vs GLM-4.5

Benchmarks, API Token Pricing, Context Window & Speed Comparison

Geprüft vom GetInfoUs-ForschungsteamZuletzt geprüft: October 2026Redaktionelle Richtlinien
Teilen
Related topics (12)
AI CompareAI BenchmarkToken PricingModel CostModel SpecsSWE-bench CodingModel VersusWhich AI ModelLLM Speed & LatencyReasoning ModelsExtended ThinkingPrompt Caching ROI
GLM-4.5V vs GLM-4.5: Benchmarks, Pricing & Speed Comparison

GLM-4.5V von Zhipu AI und GLM-4.5 von Zhipu AI gehören zu den führenden KI-Modellen. GLM-4.5V bietet ein Kontextfenster von 65.5K Tokens bei API-Preisen von $0.00/$0.00 pro 1M Tokens, während GLM-4.5 131.1K Tokens Kontext zu $0.00/$0.00 pro 1M Tokens bereitstellt. Hier finden Sie den vollständigen Benchmark-, Latenz- und Kostenvergleich.

Direktvergleich (VS)

Beliebige Modelle wechseln & vergleichen

Select any AI models from our verified benchmark database to generate live side-by-side matrices.

Profile
Profile
Multi-Model Arena Stack:
5-Model Matrix Workbench
Popular Matchups:
Zhipu AI

GLM-4.5V

Nativ Multimodale KI

GLM-4.5V von Zhipu AI ist ein KI-Modell für nativ multimodale Verarbeitung von Text und Bild sowie visuelle Dokumentenanalyse mit 66K Kontextfenster, 85 Token/s Durchsatz, einem Intelligenz-Index von 73/100 und kostenlosem Open-Weights-Zuga

Intelligence Index73 / 100
Input Token:

$0.00 / 1M

Output Token:

$0.00 / 1M

Context Window:

65.5K tokens

SWE-bench Verified:

N/A

Zhipu AI

GLM-4.5

Open-Weights-Reasoning-Modell

GLM-4.5 von Zhipu AI ist ein KI-Modell für Open-Weights-Reasoning mit transparenter Gedankenketten-Verarbeitung (Chain-of-Thought) mit 131K Kontextfenster, 75 Token/s Durchsatz, einem Intelligenz-Index von 80/100 und kostenlosem Open-Weight

Intelligence Index80 / 100
Input Token:

$0.00 / 1M

Output Token:

$0.00 / 1M

Context Window:

131.1K tokens

SWE-bench Verified:

42%

Wichtigste Unterschiede auf einen Blick

  • Both models cost the same under this workload — choose on capability, not price.
  • GLM-4.5 has a larger context window (131K vs 66K tokens).
  • GLM-4.5V is faster at 85 tok/s vs 75 tok/s.
Need definitions for token pricing, context, or benchmarks?Explore AI Glossary →
FeatureGLM-4.5VGLM-4.5
Intelligence Index
Composite reasoning & knowledge score (0-100)
7380
Provider
Zhipu AIZhipu AI
Input Price
Cost per million input tokens
$0.00 / 1M$0.00 / 1M
Output Price
Cost per million output tokens
$0.00 / 1M$0.00 / 1M
Blended Price
Weighted 7:2:1 cache:input:output per 1M
$0.00 / 1M$0.00 / 1M
Context Window
Maximum input + output tokens
65.5K tokens~98 A4 pages of text131.1K tokens~197 A4 pages of text
Max Output Tokens
Per single request
4K8K
Throughput Speed
Tokens generated per second
85 tok/s75 tok/s
SWE-bench Verified
Real-world software engineering
N/A42%
GPQA Diamond
Graduate-level reasoning
N/A61%

Wer gewinnt in welcher Disziplin?

At-a-glance decision framework
Coding

Evaluations ongoing

Cost
Tied
Identical monthly runtime cost
Speed
GLM-4.5V
+13% faster generation
Context
GLM-4.5
131.1K tokens window

Geprüfte Benchmark-Ergebnisse im Vergleich

Official evaluation metrics verified by independent third-party research labs.

GLM-4.5VGLM-4.5
SWE-bench Verified (Autonomous Coding)

Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.

N/Avs42%
GPQA Diamond (Doctorate-Level Science & Math)

Challenging questions created by domain experts to test complex PhD-level reasoning.

N/Avs61%
MMLU-Pro (Multi-task Language Understanding)

Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.

69.5%vs75%
LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1245ptsvs1290pts
Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

85 tok/s vs75 tok/s

Latenz & Antwortzeit

Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.

Time to First Token (TTFT)Lower is better
GLM-4.5V0.48s
GLM-4.50.55s
Est. End-to-End Response (500 tokens)TTFT + generation time
GLM-4.5V6.36s
GLM-4.57.22s

Interaktiver Token-Kosten-Simulator

Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.

100K / day
10K500K1M
30K / day
5K150K300K
50% cached
0% (Cold)50%90% (Warm)
GLM-4.5V Monthly API Bill
$0.00 / month
$0/1M in · $0/1M out
GLM-4.5 Monthly API Bill
$0.00 / month
$0/1M in · $0/1M out
These models cost the same under this workload — no savings either way.Break-even

GLM-4.5V · Strengths & Key Advantages

  • 66K Kontextfenster und bis zu 4K maximale Output-Token (MMLU-Pro 69.5% · Arena Elo 1245)
  • Hohe Generierungsgeschwindigkeit von 85 Token/Sekunde bei nur 480 ms Erstlatenz (TTFT)
  • Offene Modellgewichte (12B VLM) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
  • Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
  • Bei extrem komplexen mehrstufigen Forschungsfragen bieten schwere Reasoning-Spezialmodelle noch tiefere Analysen

GLM-4.5 · Strengths & Key Advantages

  • 131K Kontextfenster und bis zu 8K maximale Output-Token (SWE-bench Verified 42% · GPQA Diamond 61%)
  • Hohe Generierungsgeschwindigkeit von 75 Token/Sekunde bei nur 550 ms Erstlatenz (TTFT)
  • Offene Modellgewichte (130B MoE) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
  • Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
  • Bei extrem komplexen mehrstufigen Forschungsfragen bieten schwere Reasoning-Spezialmodelle noch tiefere Analysen

Token Use & Task Economics

Estimated cost and token consumption to complete one representative agentic task.

MetricGLM-4.5VGLM-4.5
Cost per Task
Estimated USD to finish one task
$0.00$0.00
Output Tokens / Task
Tokens generated per task
8K16K
Reasoning Tokens / Task
Thinking tokens burned per task
2K6K

Technische Spezifikationen

Architecture, release timeline, capabilities, and modalities.

FeatureGLM-4.5VGLM-4.5
Official API Model ID (SDK)glm-4-5vglm-4-5
API ProtocolOpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGIOpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
Release Date2025-082025-07
Knowledge CutoffJune 2025May 2025
ArchitectureOpen Multimodal Vision-Language TransformerHybrid Reasoning Mixture-of-Experts Transformer
Parameters12B VLM130B MoE
Enterprise Rate Limits (RPM / TPM)Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed CloudUnlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
Long-Context Tier (>128K/200K)Free across full context window (only KV-cache VRAM scales)Free across full context window (only KV-cache VRAM scales)
Prompt Cache Policy & TTLAutomatic prefix KV-caching in vLLM / SGLang (0 cost)Automatic prefix KV-caching in vLLM / SGLang (0 cost)
Computer Use / GUI AgentAPI / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
MCP & Parallel Tool CallingNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON SchemaNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
Web Search Grounding & SandboxSupported via external Tavily/Exa Search & E2B/Docker Sandbox toolsSupported via external Tavily/Exa Search & E2B/Docker Sandbox tools
Official Fine-Tuning SupportFull Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
Multimodal Token BillingText BPE (~4 chars/token) · Vision (~258–765 tokens per image tile)Text BPE (~4 chars/token)
Quantization & Min GPU VRAMBF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 7 GB VRAM (4-bit Quantized) · 26 GB VRAM (Native BF16)BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 81 GB VRAM (4-bit Quantized) · 280 GB VRAM (Native BF16)
Safety & Frontier ClassificationOpen-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
Enterprise Compliance (ZDR/HIPAA/SOC2)100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Input Modalitiestext, visiontext
Output Modalitiestexttext

GLM-4.5V vs GLM-4.5: Schnelle Antworten (FAQ)

Which is more intelligent, GLM-4.5V or GLM-4.5?

GLM-4.5 is more intelligent. It scores 80 compared with 73 on the composite Intelligence Index.

Which model is faster?

GLM-4.5V is faster, generating 85 tokens per second compared with 75 tokens per second.

Which model has lower latency?

GLM-4.5V has lower latency, with a time to first token of 0.48s compared with 0.55s.

Which model has a larger context window?

GLM-4.5 has a larger context window, supporting 131.1K tokens compared with 65.5K tokens.

Fazit

Sowohl GLM-4.5V (Optimal für nativ multimodale Verarbeitung von Text und Bild sowie visuelle Dokumentenanalyse, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) als auch GLM-4.5 (Optimal für Open-Weights-Reasoning mit transparenter Gedankenketten-Verarbeitung (Chain-of-Thought), Enterprise-RAG-Systeme und skalierbare API-Pipelines.) überzeugen im Produktionseinsatz: GLM-4.5 führt bei komplexem Reasoning und Coding, GLM-4.5V liefert den höheren Token-Durchsatz und GLM-4.5V ist die kosteneffizienteste Wahl für große API-Workloads.

Häufig gestellte Fragen (FAQ)

Welches Modell ist besser für Coding und Reasoning – GLM-4.5V oder GLM-4.5?+

Im Gesamt-Intelligenzindex und bei Software-Benchmarks liegt GLM-4.5 vorn. Prüfen Sie oben die SWE-bench- und GPQA-Werte für Ihren Anwendungsfall.

Wie unterscheiden sich die API-Preise von GLM-4.5V und GLM-4.5?+

GLM-4.5V kostet $0.00 / $0.00 pro 1M Input-/Output-Tokens, GLM-4.5 liegt bei $0.00 / $0.00. Beim gewichteten Gesamtpreis ist GLM-4.5V günstiger.

Welches Modell hat das größere Kontextfenster und die höhere Geschwindigkeit?+

GLM-4.5V bietet 65.5K Tokens Kontext gegenüber 131.1K Tokens bei GLM-4.5. Bei der Generierungsgeschwindigkeit liegt GLM-4.5V vorn.

AI Terminology & Guide
Explore Glossary →

Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.

Tokens & PricingContext WindowAI BenchmarksReasoning ModelsTool CallingModel Context Protocol (MCP)

Related reading

Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.

Offizielle Quellen: Offizielle API-Dokumentation von Zhipu AI und Zhipu AI, Systemkarten und unabhängige Benchmark-Auswertungen (2026).