illegalCreed

中文

English

中文

English

Appearance

参考 ​

基于 智谱 AI 官方文档（docs.bigmodel.cn）+ HuggingFace zai-org 开源仓库编写，对照 2026-07 GLM-5.2 行为

速查 ​

  • 当前旗舰：GLM-5.2（2026-06-16 上线，1M 上下文 / 128K 输出，介于 Opus 4.7 与 4.8 之间）
  • 中端在售：GLM-4.7（SWE-bench 73.8）/ GLM-4.6（对齐 Claude Sonnet 4）
  • 即将下线：GLM-4.5 / 4.5-X（迁 4.7）；已下线：GLM-Z1 系列（2025-11-15）、GLM-4-0520（2025-12-30）
  • API base URL：通用 https://open.bigmodel.cn/api/paas/v4/chat/completions；Coding /api/coding/paas/v4
  • 认证：Authorization: Bearer YOUR_API_KEY
  • 特色字段：thinking.type = enabled|disabled、reasoning_effort = none|low|medium|high|max
  • 内置工具：web_search / retrieval / MCP；tools + tool_choice（OpenAI Function Calling）
  • SDK：pip install zai-sdk（新）/ zhipuai（旧）/ Java ai.z.openapi:zai-sdk:0.3.5
  • 开源部署：vLLM --tool-call-parser glm47 --reasoning-parser glm45 --enable-auto-tool-choice
  • 开源许可：MIT（权重）/ Apache-2.0（代码），HuggingFace zai-org/GLM-4.5/4.5-Air/5/5.2
  • 完整说明见 入门 / 模型矩阵与场景选型

完整模型矩阵 ​

文本模型 ​

模型 ID上下文最大输出状态 / 用途
glm-5.21M128K旗舰，长任务时代
glm-5.1200K128KSWE-Bench Pro 58.4
glm-5200K128K744B / 40B 激活，对标 Opus 4.5
glm-5-turbo128K16K5 系提速版
glm-4.7200K128KSWE-bench 73.8
glm-4.7-flash128K4K免费，2026-01-19 上线
glm-4.6200K128K对齐 Claude Sonnet 4
glm-4.5-air / glm-4.5-airx128K96K即将下线，迁 4.7
glm-4-long1M16K长文档处理
glm-4-flash-250414128K4K免费

视觉 / 多模态 ​

模型 ID用途
glm-5v-turbo多模态 Coding 基座
glm-4.6v / glm-4.6v-flash图像理解（含免费层）
glm-ocrPDF / 文档识别（单图 ≤10MB / PDF ≤100 页）
autoglm-phone手机 / 浏览器自动化

图 / 视频 / 语音 ​

类型模型 ID
文生图glm-image / cogview-4 / cogview-3-flash（免费）
视频cogvideox-3 / vidu-q1 / cogvideox-flash（免费）
语音合成glm-tts / glm-tts-clone
语音识别glm-asr-2512
实时语音glm-realtime / glm-4-voice

向量 / 检索 / 角色 ​

类型模型 ID
向量embedding-3（默认）/ embedding-2（8K）
重排rerank（4K）
角色charglm-4
情感emohaa

MoE 参数规模对照 ​

模型总参数激活预训练 tokens备注
GLM-4.5355B32B15TMIT 开源
GLM-4.5-Air106B12B-FP8 部署 H100×2
GLM-4.7-Flash30B3B-免费层
GLM-5 / 5.1 / 5.2744B40B28.5TDeepSeek Sparse Attention + Slime 异步 RL

API 字段速查 ​

请求体（Chat Completions） ​

字段类型取值备注
modelstringglm-5.2 等必填
messagesarrayOpenAI 风格system / user / assistant / tool
temperaturenumber0–1默认 0.7
top_pnumber0–1默认 0.7
max_tokensint-最大输出
streambooltrue/false流式
toolsarrayOpenAI Function Calling 风格工具定义
tool_choicestring/objectauto / none / 指定工具选择策略
thinkingobject{"type":"enabled"} / {"type":"disabled"}GLM 特色，深度思考开关
reasoning_effortstringnone / low / medium / high / maxGLM 特色，推理强度档位
web_searchbool/objecttrue/falseGLM 特色，内置联网搜索
retrievalobject-GLM 特色，内置检索

响应体（finish_reason） ​

取值含义
stop正常结束
tool_calls触发工具调用
length达到 max_tokens
sensitiveGLM 特色，因敏感内容中止
network_error网络错误

认证与端点 ​

  • API Key 管理：bigmodel.cn/usercenter/proj-mgmt/apikeys
  • 认证方式：HTTP Bearer Token，Authorization: Bearer YOUR_API_KEY
  • 通用 PaaS：https://open.bigmodel.cn/api/paas/v4/chat/completions
  • Coding Plan 专属：https://open.bigmodel.cn/api/coding/paas/v4/chat/completions
  • 结构兼容：OpenAI Chat Completions（messages / tools / stream / temperature）

结构兼容降低迁移成本，但 thinking / reasoning_effort / web_search / retrieval / MCP 才是 GLM 的差异化能力来源。

SDK 速查 ​

Python：zai-sdk（新，推荐） ​

bash
pip install zai-sdk
python
from zai import ZhipuAiClient

client = ZhipuAiClient(api_key="YOUR_API_KEY")
resp = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "用 TypeScript 写一个防抖函数"}],
    thinking={"type": "enabled"},
    reasoning_effort="high",
    stream=True,
)
for chunk in resp:
    print(chunk.choices[0].delta.content, end="")

Python：zhipuai（旧） ​

python
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="YOUR_API_KEY")

Java ​

xml
<dependency>
  <groupId>ai.z.openapi</groupId>
  <artifactId>zai-sdk</artifactId>
  <version>0.3.5</version>
</dependency>

OpenAI SDK 兼容接入 ​

python
from openai import OpenAI
client = OpenAI(
    api_key="YOUR_BIGMODEL_API_KEY",
    base_url="https://open.bigmodel.cn/api/paas/v4",
)
# 注意：thinking / reasoning_effort 等 GLM 特色字段需手动透传

开源部署速查 ​

vLLM（推荐） ​

bash
vllm serve zai-org/GLM-4.5-FP8 \
  --tool-call-parser glm47 \
  --reasoning-parser glm45 \
  --enable-auto-tool-choice \
  --max-model-len 131072

SGLang（高吞吐） ​

bash
# 启用 EAGLE 投机解码提速
python -m sglang.launch_server \
  --model-path zai-org/GLM-4.5-FP8 \
  --spec-algorithm EAGLE

显存预估 ​

权重GLM-4.5 全 128KGLM-4.5-Air FP8
BF16H100 × 32H100 × 4
FP8H100 × 16H100 × 2

微调 ​

工具适用
LLaMA-FactoryLoRA / QLoRA / 全参
Swift（ms-swift）LoRA / DPO

开源许可 ​

  • MIT（模型权重）：HuggingFace zai-org/GLM-4.5 / GLM-4.5-Air / GLM-5 / GLM-5.2
  • Apache-2.0（代码部分）
  • 含 BF16 + FP8 版本
  • 支持商用

生命周期与版本变化 ​

当前主推（2026-07） ​

  • GLM-5.2（2026-06-16 上线，1M 上下文，介于 Opus 4.7 与 4.8 之间）
  • GLM-5.1（200K，SWE-Bench Pro 58.4）
  • GLM-5（200K，对标 Opus 4.5）
  • GLM-4.7（SWE-bench 73.8）/ GLM-4.6（对齐 Sonnet 4）

即将下线 ​

  • GLM-4.5 / GLM-4.5-X → 迁移到 GLM-4.7 或 GLM-5.x
  • GLM-Z1 系列（2025-11-15 已下线）
  • GLM-4-0520（2025-12-30 已下线）

免费层 ​

  • glm-4.7-flash（2026-01-19 上线）
  • glm-4-flash-250414
  • glm-4v-flash
  • glm-4.6v-flash
  • cogview-3-flash
  • cogvideox-flash

基准对标阶梯 ​

模型对标关键基准
GLM-4.6Claude Sonnet 4200K / 128K
GLM-5Claude Opus 4.5744B / 40B 激活，预训练 28.5T
GLM-5.1Opus 4.6SWE-Bench Pro 58.4（超 GPT-5.4 / Opus 4.6 / Gemini 3.1 Pro）
GLM-5.2介于 Opus 4.7 / 4.8FrontierSWE 落后 Opus 4.8 ~1%、超 GPT-5.5 ~1%

Coding Plan 套餐 ​

套餐价格配额并发
Lite¥20/月约 120 prompts/天10
Pro¥100/月约 600 prompts/天30

Coding Agent（Claude Code / Cline / Roo Code / Kilo Code）享优先保障；通用 Agent 工具走次级调度与尽力交付。

官方资源 ​

与主流大模型对比 ​

维度GLM-5.2Claude Opus 4.8GPT-5.5Gemini 3.x
国产合规✅❌❌❌
上下文1M200K~1M256K~1M1M~2M
FrontierSWE落后 Opus 4.8 ~1%基准落后 GLM-5.2 ~1%-
中文场景✅ 强一般一般一般
内容审核较严（sensitive）适中适中适中
开源✅ MIT❌❌❌
Coding Plan¥20~100/月$20~200/月$20~200/月$20~200/月

GLM ≠ OpenAI 1:1 等价。thinking / reasoning_effort / web_search / MCP 等 GLM 特色字段是迁移时必须保留的差异化能力。