GLM-5.0
复制
GLM-5 是智谱新一代的旗舰基座模型,面向 Agentic Engineering 打造,能够在复杂系统工程与长程 Agent 任务中提供可靠生产力。在 Coding 与 Agent 能力上,GLM-5 取得开源 SOTA 表现,在真实编程场景的使用体感逼近 Claude Opus 4.5,擅长复杂系统工程与长程 Agent 任务,是通用 Agent 助手的理想基座。
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

4.003.16 积分/M tokens

1.000.79 积分/M tokens

18.0014.22 积分/M tokens

≥32K:

输入

输入(缓存命中)

输出

6.004.74 积分/M tokens

1.501.19 积分/M tokens

22.0017.38 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-5.0"。 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