对话模型
GLM 5
对话模型
可在 Ofrai 使用 — 对话、图片与视频同一处,共用积分。
对话与视频按积分计费。
Input/Output 0.365696/1.64563
大约每段短提问 0.365696 积分、每段短回复 1.64563 积分(按约千字计)。
商用权限取决于所选模型及其使用条款。

在 Ofrai 使用 GLM 5
GLM 5 是 Ofrai 上 GLM 家族中的通用型号:面向日常起草、摘要、翻译与结构化抽取的高性价比对话模型,在中文任务上表现尤其稳定。它作为标准对话模型列于 Text Studio,使用共享信用余额,因此在任务普通、预算敏感时是务实的默认选择。更新的 GLM 版本已在新项目中取代它,但作为定位稳定、行为熟悉的层级,它仍然好用。
大约每段短提问 0.365696 积分、每段短回复 1.64563 积分(按约千字计)。
GLM 5 模型信息
- 模型标识
- glm-5
- 类型
- 对话模型
- 发布日期
- 暂未公布
- Ofrai 价格
- 大约每段短提问 0.365696 积分、每段短回复 1.64563 积分(按约千字计)。
- 联网搜索
- 不支持
适合
- 单条成本敏感的大批量起草、摘要与改写
- 达到专业水准的中文写作、翻译与改写
- 从工单、表单或文档中按固定结构抽取字段
- 架构级工作之外的日常代码协助与讲解
不太适合
- 出错代价很高的最难推理问题
- 需要逐句把控文风的长篇细腻写作
- 前沿模型决定对错的任务
和其他模型的区别
与 GLM 5.3、Claude Sonnet 5 和 GLM 5.1 相比,GLM 5 是同一条通用线中较早的版本;新工作更适合选用更新的版本,而当其行为已符合你调校的提示与检查时,GLM 5 依然可靠。
示例提示词
把下面的内容整理成三条要点,每条不超过三十个字,并保留原文中的所有数字。
请用{language}总结下面的文本。语气保持中立,保留所有数字,不要添加原文没有的信息。从下面的消息中抽取姓名、诉求、截止日期和联系方式,输出只含这四个键的 JSON,缺失的值用 null。
请把这段文字改写给{受众}:保留事实,去掉含糊表述,并在结尾给出一个明确的下一步。
常见问题
- GLM 5 适合做什么?
- GLM 5 是 Ofrai 中 GLM 家族的通用层级,适合经常发生的日常工作:摘要、起草、改写、翻译、按固定结构抽取字段,以及日常的代码协助。中文输出是团队选择它的原因之一;又因为它位于目录中性价比高的位置,大量使用时成本也可控。它是 Text Studio 的标准对话模型,消耗共享信用余额。
- GLM 5 与 GLM 5.3 相比如何?
- GLM 5.3 是同一条通用线中更新的版本,在新工作上已经取代 GLM 5,因此今天开始新项目应选它。当 GLM 5 的行为已符合你调校好的提示与检查,或者你想用自己熟悉的稳定层级时,它依然是合理选择。由于两者在 Ofrai 共用同一余额,你可以把同一个代表性任务分别交给它们,比较质量与消耗。
- GLM 5 写专业内容够用吗?
- 对大多数商务写作够用:摘要、报告、改写、产品文案和翻译都能胜任,中文输出尤其可靠。但如果有专业编辑逐句把控文风与细腻度,以写作见长的模型通常更合适。在 Ofrai 上,你可以先用 GLM 5 出稿,再只把关键段落交给写作型模型处理。
- GLM 5 在 Ofrai 上如何计费?
- GLM 5 是 Text Studio 的标准对话模型,与目录中所有其他模型共用同一信用余额,没有 GLM 专用订阅或账单。正是这一份余额让混合模型流程变得实用:常规的大批量工作可以留在 GLM 5,个别困难提示交给前沿模型,而无需另设账号或支付方式。
- GLM 5 能处理代码任务吗?
- 它能处理常规的编码协助:按描述写函数、讲解不熟悉的代码、生成测试、重构小段代码、撰写文档。它不适合架构级设计,也不适合几次尝试都未能解决的细微缺陷,这类问题需要能同时承载更多上下文的前沿模型。在 Ofrai 上可行的分工是:周边重复性代码交给 GLM 5,必须一次做对的部分交给更强的模型。
相关模型
同模态下更多 Ofrai 模型。
