GLM API
透過 RunAPI 使用 Z.ai GLM API，MIT 授權 MoE 模型，支援最高 200K 上下文，喺開放權重程式碼 benchmark 表現領先。
# 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_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.2",
"messages": [
{
"role": "user",
"content": "閱讀呢個多檔案 repository，搵出失敗嘅整合測試，並提出 patch，同時解釋根本原因。"
}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://runapi.ai/v1",
api_key="your-runapi-key"
)
response = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "閱讀呢個多檔案 repository，搵出失敗嘅整合測試，並提出 patch，同時解釋根本原因。"}]
)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-5.2",
messages: [{ role: "user", content: "閱讀呢個多檔案 repository，搵出失敗嘅整合測試，並提出 patch，同時解釋根本原因。" }]
});GLM 係 Z.ai 嘅 MIT 授權 Mixture-of-Experts 語言模型家族。GLM-4.5（總參數 355B / 啟用 32B、128K 上下文）以旗艦版同較輕量 Air 版本開啟開放權重 MoE 系列。GLM-4.6 同 4.7 將上下文延伸到 200K，並加強程式碼生成，4.7 喺 SWE-bench 達到 73.8%。GLM-5 系列（744B / 啟用 40B、200K 上下文）進一步達到 77.8% SWE-bench Verified，而 GLM-5.1 以 58.4% 取得 SWE-bench Pro 開放權重最高分。全部都可以透過 RunAPI 用一把金鑰同按 token 計費使用。
- 多個變體，對應不同速度／品質層級
- Model skill 包含文件、schema 與 setup 備註
- 支援 app-focused coding workflows
- 生成失敗不收費
比較所有 API 變體
| Variant | Billing | Pricing | |
|---|---|---|---|
| glm-4.5 | 1K tokens | Input $0.41 / 1M tokens | Output $1.61 / 1M tokens | 查看 → |
| glm-4.5-air | 1K tokens | Input $0.10 / 1M tokens | Output $0.55 / 1M tokens | 查看 → |
| glm-4.6 | 1K tokens | Input $0.60 / 1M tokens | Output $1.22 / 1M tokens | 查看 → |
| glm-4.7 | 1K tokens | Input $0.60 / 1M tokens | Output $1.19 / 1M tokens | 查看 → |
| glm-5 | 1K tokens | Input $1.00 / 1M tokens | Output $1.60 / 1M tokens | 查看 → |
| glm-5-turbo | 1K tokens | Input $1.20 / 1M tokens | Output $2.00 / 1M tokens | 查看 → |
| glm-5.1 | 1K tokens | Input $1.40 / 1M tokens | Output $2.20 / 1M tokens | 查看 → |
| glm-5.2 | 1K tokens | Input $0.70 / 1M tokens | Output $2.20 / 1M tokens | 查看 → |
GLM API 端點
使用 OpenAI 或 Anthropic SDK 搭配 RunAPI key 呼叫，不需額外 SDK。
| Endpoint | Protocol |
|---|---|
| /v1/chat/completions | OpenAI compatible |
| /v1/responses | OpenAI Responses |
| /v1/messages | Anthropic compatible |
| /v1beta/models/{model}:generateContent | Gemini generateContent |
| /v1beta/models/{model}:streamGenerateContent | Gemini streamGenerateContent |
從 model skill 到第一次結果，只需四步
選擇模型
挑選符合輸出類型、品質門檻與延遲目標的模型與變體。
設定
設定 RunAPI key，並在 coding workspace 安裝 model skill。
開發
使用 skill 指引，在你的 app 內加入模型功能。
接收
透過 task ID 查詢、在支援時串流，或處理 webhook callback。
GLM API 是甚麼？
Z.ai 嘅 GLM 模型係 MIT 授權 MoE LLM，涵蓋 128K-200K 上下文。GLM-5.1 喺 SWE-bench Pro 領先開放權重模型。透過 RunAPI，呢啲模型共用單一 API 金鑰、按用量 token 收費，並可以從 OpenAI Chat Completions、OpenAI Responses 同 Anthropic Messages 介面呼叫。
為何透過 RunAPI 使用 GLM API
一個驗證，對應所有 provider
一組 RunAPI key 即可解鎖整個 catalog。無需分開帳戶，亦無需為每個整合輪換密鑰。
統一定價與計費
按次以 USD 收費，每月結算。失敗的生成不會收費。
內含 schema 的 skill
型別化 schema 與 setup 備註打包在 model skill 內，讓實作從正確契約開始。
常見問題
GLM 模型擅長咩？
程式碼同代理式工具使用。GLM-5.1 喺 SWE-bench Pro 領先開放權重模型（58.4%），並喺 AIME 2026 取得 95.3%。成個系列都擅長多步驟工具呼叫、大型 codebase 嘅程式碼生成，以及數學推理。
glm-4.5 同 glm-4.5-air 有咩分別？
glm-4.5 係 355B 旗艦模型（32B 啟用參數），具備 128K 上下文；glm-4.5-air 係較輕量嘅 106B MoE（12B 啟用），適合更快、成本更低嘅日常工作。
GLM-5 同 GLM-4.7 點比較？
GLM-5 擴展到總參數 744B / 啟用 40B、256 位專家；GLM-4.7 則係 358B / 32B。SWE-bench Verified 由 73.8% 升到 77.8%。兩者都支援 200K 上下文。
邊啲 SDK 可以透過 RunAPI 呼叫 GLM？
將 OpenAI SDK（Chat Completions 或 Responses）或者 Anthropic Messages SDK 指向 RunAPI，並傳入 GLM model id；proxy 會幫你調整協定。
GLM 點樣收費？
按 token、按用量計費，採用 RunAPI 為每個 GLM 模型公布嘅輸入同輸出費率，毋須訂閱。
我應該先用邊個版本？
先選最平而且符合你質素要求的版本。大多數團隊會先用快速版本，之後再升級到 pro 用於正式生產。
有免費方案嗎？
新帳戶可獲得每個模型的首次呼叫免費。之後按次收費。
你哋支援串流結果嗎？
如有提供串流，RunAPI 會端到端串流。
失敗會點樣收費？
生成失敗不會收費。
輸出有快取嗎？
已生成輸出會儲存，並可按任務 ID 取回。輸入內容不會快取。
可以商業使用嗎？
可以——除非模型授權明確限制，否則每個版本都包括商業使用。相關限制會在版本頁面列明。
限流點樣計？
每個密鑰的限流會跟使用等級而提升。最新限制請參考定價頁。
可以在邊度報告問題？
可以在公開 GitHub repo 開 issue，或者電郵支援。