Ein API Key
Nutze dieselben Zugangsdaten über Modelle und Anbieter hinweg.
It looks like you may prefer a different language. Switch anytime.
Nutze die GLM API über RunAPI mit einem Modell-Skill, einheitlicher Authentifizierung und Pay-as-you-go-Preisen.
# Base URL
https://runapi.ai
# Endpoints
POST /v1/chat/completions
POST /v1/responses
POST /v1/messages
POST /v1beta/models/{model}:generateContent
POST /v1beta/models/{model}:streamGenerateContent
curl https://runapi.ai/v1/chat/completions \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3",
"messages": [
{
"role": "user",
"content": "Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."
}
]
}'
from openai import OpenAI
client = OpenAI(
base_url="https://runapi.ai/v1",
api_key="your-runapi-key"
)
response = client.chat.completions.create(
model="glm-5.3",
messages=[{"role": "user", "content": "Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."}]
)
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://runapi.ai/v1",
apiKey: "your-runapi-key"
});
const response = await client.chat.completions.create({
model: "glm-5.3",
messages: [{ role: "user", content: "Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor." }]
});
GLM ist die Familie MIT-lizenzierter Mixture-of-Experts-Sprachmodelle von Z.ai. GLM-4.5 (355B gesamt / 32B aktiv, 128K Kontext) führte die Open-Weight-MoE-Linie mit einem Flagship und einer leichteren Air-Stufe ein. GLM-4.6 und 4.7 erweitern auf 200K Kontext mit stärkerer Code-Generierung — 4.7 erreicht 73,8 % auf SWE-bench. Die GLM-5-Serie (744B / 40B aktiv, 200K Kontext) geht weiter bis 77,8 % SWE-bench Verified, und GLM-5.1 hält mit 58,4 % den höchsten Open-Weight-Score auf SWE-bench Pro. Alle sind über RunAPI mit einem Key und tokenbasierter Abrechnung verfügbar.
| Endpoint | Protocol |
|---|---|
POST /v1/chat/completions | OpenAI compatible |
POST /v1/responses | OpenAI Responses |
POST /v1/messages | Anthropic compatible |
POST /v1beta/models/{model}:generateContent | Gemini generateContent |
POST /v1beta/models/{model}:streamGenerateContent | Gemini streamGenerateContent |
| Variante | Abrechnung | Preise | |
|---|---|---|---|
| glm-4.5 | 1K tokens | Input $0.41 / 1M tokens | Output $1.61 / 1M tokens | Ansehen → |
| glm-4.5-air | 1K tokens | Input $0.10 / 1M tokens | Output $0.55 / 1M tokens | Ansehen → |
| glm-4.6 | 1K tokens | Input $0.60 / 1M tokens | Output $1.22 / 1M tokens | Ansehen → |
| glm-4.7 | 1K tokens | Input $0.60 / 1M tokens | Output $1.19 / 1M tokens | Ansehen → |
| glm-5 | 1K tokens | Input $1.00 / 1M tokens | Output $1.60 / 1M tokens | Ansehen → |
| glm-5-turbo | 1K tokens | Input $1.20 / 1M tokens | Output $2.00 / 1M tokens | Ansehen → |
| glm-5.1 | 1K tokens | Input $1.40 / 1M tokens | Output $2.20 / 1M tokens | Ansehen → |
| glm-5.2 | 1K tokens | Input $0.70 / 1M tokens | Output $2.20 / 1M tokens | Ansehen → |
| glm-5.3 | 1K tokens | Input $1.40 / 1M tokens | Output $4.40 / 1M tokens | Ansehen → |
| Endpoint | Auflösung | Dauer | Preis | |
|---|---|---|---|---|
| chat_completion | — | — | Input $0.41 / 1M tokens | Output $1.61 / 1M tokens |
Preise für glm-4.5 angezeigt. Andere Varianten behalten ihre eigenen Endpoint-Preise.
Wähle Modell und Variante passend zu Ausgabetyp, Qualitätsziel und Latenz.
Nutze deinen RunAPI Key für jedes unterstützte Modell.
Füge den Model Skill deinem Coding-Workspace hinzu, bevor du das Feature implementierst.
Frage per Task ID ab oder verarbeite den Callback, wenn die Generierung abgeschlossen ist.
GLM-Modelle von Z.ai sind MIT-lizenzierte MoE-LLMs mit 128K–200K Kontext. GLM-5.1 führt Open-Weight-Modelle auf SWE-bench Pro an. Über RunAPI teilen sie einen gemeinsamen API-Key mit nutzungsbasierter Token-Abrechnung und sind über OpenAI Chat Completions, OpenAI Responses und Anthropic Messages aufrufbar.
Nutze dieselben Zugangsdaten über Modelle und Anbieter hinweg.
Der Model Skill enthält Schemas, Setup-Hinweise, Preiskontext und Modell-IDs.
Nutzungsbasierte Preise sind vor dem Aufruf sichtbar.
Coding und agentischer Tool-Einsatz. GLM-5.1 führt Open-Weight-Modelle auf SWE-bench Pro an (58,4 %) und erreicht 95,3 % auf AIME 2026. Die gesamte Linie ist stark bei mehrstufigen Tool Calls, Code-Generierung über große Codebasen und mathematischem Reasoning.
glm-4.5 ist das 355B-Flagship (32B aktive Parameter) mit 128K Kontext; glm-4.5-air ist ein leichteres 106B-MoE-Modell (12B aktiv) für schnellere, günstigere Alltagsaufgaben.
GLM-5 skaliert auf 744B gesamt / 40B aktiv mit 256 Experten, gegenüber 358B / 32B bei GLM-4.7. SWE-bench Verified steigt von 73,8 % auf 77,8 %. Beide haben 200K Kontext.
Richte das OpenAI SDK (Chat Completions oder Responses) oder das Anthropic Messages SDK auf RunAPI und übergib die GLM-Modell-ID; der Proxy passt das Protokoll für dich an.
Pro Token, nutzungsbasiert, zu RunAPIs veröffentlichten Input- und Output-Raten für jedes GLM-Modell — ohne Abo.
Installiere den Model Skill und folge den Setup-Hinweisen mit deinem RunAPI Key.