一組驗證，全部供應商通用
一把 RunAPI 金鑰就能開通整個目錄。無需分開註冊帳戶，也不用為每個整合各自輪替金鑰。
# 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": "閱讀這個多檔案 repository，找出失敗的整合測試，並提出 patch，同時說明根本原因。"
}
]
}'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": "閱讀這個多檔案 repository，找出失敗的整合測試，並提出 patch，同時說明根本原因。"}]
)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: "閱讀這個多檔案 repository，找出失敗的整合測試，並提出 patch，同時說明根本原因。" }]
});OVERVIEW
關於 GLM
GLM 是 Z.ai 的 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）以旗艦版與較輕量的 Air 版本開啟開放權重 MoE 系列。GLM-4.6 與 4.7 將上下文延伸到 200K，並強化程式碼生成，4.7 在 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。全部都可透過 RunAPI 以單一金鑰與按 token 計費使用。
供應商
Z.ai
模態
文字
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 | 計費方式 | 定價 | |
|---|---|---|---|
| glm-4.5 | 1K tokens | 輸入 $0.41 / 百萬 tokens | 輸出 $1.61 / 百萬 tokens | 查看 → |
| glm-4.5-air | 1K tokens | 輸入 $0.10 / 百萬 tokens | 輸出 $0.55 / 百萬 tokens | 查看 → |
| glm-4.6 | 1K tokens | 輸入 $0.60 / 百萬 tokens | 輸出 $1.22 / 百萬 tokens | 查看 → |
| glm-4.7 | 1K tokens | 輸入 $0.60 / 百萬 tokens | 輸出 $1.19 / 百萬 tokens | 查看 → |
| glm-5 | 1K tokens | 輸入 $1.00 / 百萬 tokens | 輸出 $1.60 / 百萬 tokens | 查看 → |
| glm-5-turbo | 1K tokens | 輸入 $1.20 / 百萬 tokens | 輸出 $2.00 / 百萬 tokens | 查看 → |
| glm-5.1 | 1K tokens | 輸入 $1.40 / 百萬 tokens | 輸出 $2.20 / 百萬 tokens | 查看 → |
| glm-5.2 | 1K tokens | 輸入 $0.70 / 百萬 tokens | 輸出 $2.20 / 百萬 tokens | 查看 → |
| glm-5.3 | 1K tokens | 輸入 $1.40 / 百萬 tokens | 輸出 $4.40 / 百萬 tokens | 查看 → |
PRICING
GLM 定價
| Endpoint | 解析度 | 時長 | 價格 | |
|---|---|---|---|---|
| chat_completion | — | — | 輸入 $0.41 / 百萬 tokens | 輸出 $1.61 / 百萬 tokens |
顯示 glm-4.5 的定價。其他變體保有各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 GLM
運作方式
GLM 快速入門
-
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。
為什麼透過 RunAPI 使用 GLM API
統一價格與計費
以美元按次計費，每月結帳。失敗的生成不收費。
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 模型擅長什麼？
程式碼與代理式工具使用。GLM-5.1 在 SWE-bench Pro 中領先開放權重模型（58.4%），並在 AIME 2026 取得 95.3%。整個系列都擅長多步驟工具呼叫、大型 codebase 的程式碼生成，以及數學推理。
glm-4.5 和 glm-4.5-air 有什麼差異？
glm-4.5 是 355B 旗艦模型（啟用參數 32B），具備 128K 上下文；glm-4.5-air 是較輕量的 106B MoE（啟用 12B），適合更快速、成本更低的日常工作。
GLM-5 和 GLM-4.7 如何比較？
GLM-5 擴展到總參數 744B / 啟用 40B、256 位專家；GLM-4.7 則是 358B / 32B。SWE-bench Verified 從 73.8% 提升到 77.8%。兩者同樣支援 200K 上下文。
哪些 SDK 可以透過 RunAPI 呼叫 GLM？
將 OpenAI SDK（Chat Completions 或 Responses）或 Anthropic Messages SDK 指向 RunAPI，並傳入 GLM model id；proxy 會為你調整協定。
GLM 如何計費？
依 token、按用量計費，採用 RunAPI 為各 GLM 模型公布的輸入與輸出費率，無需訂閱。
我應該先從哪個版本開始？
先選擇符合你品質標準中最便宜的版本。大多數團隊會先用快速版本，之後再升級到專業版用於正式上線。
相似模型