glm-4.7
复制
GLM-4.7 系列是智谱最新旗舰模型,面向 Agentic Coding 场景强化了编码能力、长程任务规划与工具协同,并在多个公开基准的当期榜单中取得开源模型中的出色表现。通用能力提升,回复更简洁自然,写作更具沉浸感。在执行复杂智能体任务,在工具调用时指令遵循更强,Artifacts 与 Agentic Coding 的前端美感和长程任务完成效率进一步提升。 能力:文本生成 最大上下文长度:200K 输入: 文本 输出: 文本
价格信息
类型官方原价/折扣价格
<32K:

输入

输入(缓存命中)

输出

3.002.37 积分/M tokens

0.600.47 积分/M tokens

14.0011.06 积分/M tokens

≥32K:

输入

输入(缓存命中)

输出

4.003.16 积分/M tokens

0.800.63 积分/M tokens

16.0012.64 积分/M tokens

API文档

Request address and method(请求地址和方式)

POSThttps://api.suanjiayun.com/v1/chat/completions
Request Headers(请求头)
"Authorization" string必填
示例:"Bearer <令牌key>"。使用 Bearer Token 认证
"Content-Type" string必填
示例:"application/json"。使用 JSON 发送请求主体

Request Body(请求体)

application/json
"model" string必填
示例:"glm-4.7"。 调用的模型 ID
"messages" array必填
对话消息列表
"role" string
示例:"user"。 聊天模型 API 中消息的角色标识。取值:"system" | "user" | "assistant"
"content" string必填
示例:"内容"。 对话内容
"stream" boolean
示例:false。 调用的模型 ID
"temperature" number
示例:1。 采样温度,控制输出的随机性和创造性,取值范围[0,2]
"top_p" number
示例:1。 核采样参数,控制词汇选择的多样性,取值范围[0,1]
"n" number
示例:1。 生成数量,取值范围[1,+∞]
"frequency_penalty" number
示例:0。 频率惩罚,减少重复词汇的出现[-2,2]
"presence_penalty" number
示例:0。 存在惩罚,鼓励讨论新话题[-2,2]
"reasoning_effort" string
示例:"medium"。 推理强度 (用于支持推理的模型),"low" | "medium" | "high"
请求示例
响应示例