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。
# 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": "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-5.3",
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-5.3",
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。" }]
});OVERVIEW
關於 GLM
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。
供應商
Z.ai
模式
Text
GLM API 端點
| 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 |
比較所有 API 變體
| 變體 | 計費 | 定價 | |
|---|---|---|---|
| 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-5.3 | 1K tokens | Input $1.40 / 1M tokens | Output $4.40 / 1M tokens | 查看 → |
PRICING
GLM 定價
| Endpoint | 解析度 | 時長 | 價格 | |
|---|---|---|---|---|
| chat_completion | — | — | Input $0.41 / 1M tokens | Output $1.61 / 1M tokens |
以下為 glm-4.5 的定價。其他變體保留各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 GLM
運作方式
開始使用 GLM
-
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。
為何透過 RunAPI 使用 GLM API
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。
GLM 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。
相似模型