
GLM 是智谱 AI 旗下 Z.ai 的旗舰 LLM 系列,GLM API 覆盖从具备智能体能力的 GLM-5 到高效的 357B MoE GLM-4.6 等模型。这些模型专注于自主任务执行、复杂智能体编排和生产级编程。在 Atlas Cloud 上,单一统一 endpoint 即可让你 Day-0 访问整个 GLM 家族,按量计费,并提供可靠的生产环境可用性。立即开始构建。
Atlas Cloud 为您提供最新的行业领先创意模型。
根据你的工作负载和预算匹配合适的 endpoint。
| 模态 | 描述 |
|---|---|
| GLM-5.2 | GLM-5.2 是面向 agent 场景专门构建的模型,可将自然语言 prompt 和 tool-call 上下文转化为结构化推理、function calls 以及自主任务执行。它针对模型需要自行规划、行动并迭代的复杂问题进行了调优。适合用于构建自主 agent 和长周期工具调用工作流,价格为每百万 input tokens $1.4、每百万 output tokens $4.4。 |
| GLM-5.1 | 向 GLM-5.1 输入编码任务或多步骤问题,它可以给出强大的编程结果,并保持稳定的逐步执行能力。作为 Z.AI 最新旗舰模型,它还提供更自然的对话体验和更精致的前端审美。适合构建复杂 Web 应用和 agent pipeline 的团队使用,价格为每百万 input tokens $1.4、每百万 output tokens $4.4。 |
| GLM-5v Turbo | GLM-5v Turbo 可将文本 prompt 快速转换为 completion,同时保留旗舰模型增强的编程能力和稳定的多步骤执行能力。这个 turbo 版本优先降低延迟,适用于交互式、高吞吐量产品,同时不牺牲对话质感。若响应速度最为关键,可选择它,价格为每百万 input tokens $1.2、每百万 output tokens $4。 |
| GLM-5 Turbo | GLM-5 Turbo 可高速接收文本并输出 completion,是一款针对延迟优化的旗舰模型,具备增强的编程能力和可靠的多步骤推理能力。它在提升实时场景吞吐量的同时,保持自然的回复和干净的前端生成效果。非常适合聊天界面和快速 agent 循环,计费为每百万 input tokens $1.2、每百万 output tokens $4。 |
| GLM-5 | GLM-5 接收文本指令,并生成代码、推理链和对话回复,是 Z.AI 的核心旗舰版本。其主要升级集中在更强的编程能力,以及在复杂 agent 任务中更稳定的多步骤执行能力。它是全栈开发和日常推理的均衡选择,价格为每百万 tokens:input $1、output $3.2。 |
| GLM-4.7 | 使用 GLM-4.7 处理编码或 agent 编排任务,它会以可靠的多步骤执行能力和自然对话进行响应。这款旗舰级模型将增强的编程能力与精致的前端输出相结合,价格也更易接受。适合对成本敏感的生产工作负载,计费为每百万 input tokens $0.6、每百万 output tokens $2.2。 |
| GLM-4.6 | GLM-4.6 是来自 Zhipu AI 的 357B 参数高效 Mixture-of-Experts 模型,可将文本 prompt 映射为高质量 completion,并具备强吞吐能力。其 MoE 设计只激活每次请求所需的专家,使分析和内容任务中的推理保持高效。适合用于数据分析、幻灯片起草和 Web 内容生成,价格为每百万 tokens:input $0.6、output $2.2。 |
从稀疏 Mixture-of-Experts 核心和 200K-token 上下文,到原生工具调用和可切换的思考模式,GLM API 将 Z.ai 旗舰级推理与编码技术栈整合在一个 OpenAI 兼容端点之后。

稀疏 Mixture-of-Experts 核心在每次查询中仅激活约 40 billion 个参数,同时调用规模大得多的专家池。这样既能获得深厚知识与精准召回,又无需在每次调用中承担密集模型的成本。

GLM API 内置规划逻辑,让智能体能够执行长周期、多步骤任务而不偏离目标。这种稳定性适用于自动化软件开发、研究流水线,以及需要在多步过程中保持一致性的工作流。

强化学习后训练显著提升了模型的代码生成与算法推理能力,远超早期 GLM 版本。开发者可以获得更可靠的全栈输出,并在小逻辑错误容易层层放大的场景中,得到更强的结构化问题解决能力。

每个模型都可处理 200K tokens 或更长的上下文,并支持最高 128K output tokens;稀疏注意力让这种规模依然具备成本可控性。完整代码仓库、长篇合同和研究简报都能一次性纳入上下文。

通过原生函数调用和结构化 JSON 输出,将外部工具与服务接入 GLM API。模型会决定何时调用工具,按照你的 schema 格式化参数,并返回机器可读的结果。

一个 OpenAI 兼容密钥即可访问完整 GLM API 阵容,从旗舰 GLM-5.2 到 Turbo tiers,再到高性价比的 GLM-4.6。先在轻量档位上构建原型,再只需改一行即可升级到生产环境,并按量付费。
通过 GLM API 发送同一个构建请求,观察 GLM 5.2、DeepSeek V4 Pro 和 GLM 5 如何把相同指令转化为可运行的交互页面,帮助你一眼评估前端质量、布局逻辑与交互打磨。
生成一个完整的、单文件、自包含的 HTML 文档(所有 CSS 和 JavaScript 均内联,绝对不使用外部依赖、CDN、图片 URL 或外部字体),渲染一个交互式“极光调音控制台”——一个全视口 WebGL 体验,呈现午夜极地天空,其中极光必须在 GLSL fragment shader 中实时计算,绝不能用 sprites、textures 或 particle stacks 伪造。 核心渲染要求:渲染一个单一的全屏 quad,并在 fragment shader 中完成所有视觉工作。北极光必须由分层 fractal value/simplex noise(fbm,4–6 个 octaves)程序化生成,并通过统一时钟随时间流动和扭曲,形成高耸的垂直光幕,会呼吸、涟动、打结并消散。将极光建模为自发光的体积辉光:沿垂直衰减累积亮度,在每道光幕底部加入柔和 bloom,并在黑暗的上空散布微弱漂移的星尘噪声。画面构图为极简的低地平线上仰视角——约 80% 为天空,底部是一道黑色剪影山脊和一片镜面般静止的湖水,湖面以柔和涟漪、垂直镜像的方式反射极光和星辰。基础色板为近黑靛蓝(深蓝紫色夜空);极光是唯一高饱和元素——克制、明亮、半透明,绝不刺眼俗艳。 交互(全部实时、流畅且反馈清晰): - 在天空中拖动鼠标会像拉扯织物一样“牵引”光幕——将指针位置/速度传入 shader uniforms,使极光向光标弯曲、拉伸并流动,松开后带着柔和惯性缓缓回弹。 - 鼠标滚轮滚动会循环切换“季节”,让极光色带在 emerald green → magenta → indigo(再回到起点)之间连续插值,表现为平滑的渐变偏移,而不是离散跳变。 - 双击会在天空中的该位置点燃一颗新星:它会脉冲闪烁(正弦亮度),并在湖面投下匹配的倒影。支持同时存在多颗星。 - 保持细腻的空闲动画,让第一道光幕在加载时仿佛缓慢苏醒并舒展开来——营造安静、神圣、寒冷而静止的氛围。 UI 与打磨:在角落放置一个小巧、优雅、半透明的控制浮层,显示当前季节/颜色,以及一行淡淡的操作提示(拖动 / 滚动 / 双击),采用干净现代的冷色调审美,并带有柔和淡入淡出过渡。让它完全响应式:窗口尺寸变化时调整 WebGL canvas 并更新 resolution uniforms,使其填满任意视口,并在高 DPI 屏幕上保持清晰。使用 requestAnimationFrame 目标稳定 60fps。若 WebGL 不可用,提供优雅的降级提示。优先保证噪声流动的数学质感、体积辉光效果和交互的流畅度——这是强模型应该明显胜过弱模型的地方。
Generated with GLM 5.2 on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with GLM 5 on Atlas Cloud
构建一个完整的、单文件、自包含的 HTML 文档(所有 CSS 和 JavaScript 都内联在一个文件中,绝对零外部依赖——不使用 CDN、外部脚本、web fonts、图片 URL,也不从网络获取 SVG 资源;所有声音都用原生 Web Audio API 生成,所有视觉都用 CSS 和 Canvas/DOM 绘制),可直接在任何现代浏览器中打开,并运行一个可演奏的赛博朋克步进音序器鼓机,视觉语言采用 1980 年代 synthwave 霓虹风格。 核心乐器:渲染一个发光的步进矩阵,16 列 × 6 轨,横向铺满屏幕,每行对应一个声部——Kick、Snare、Closed Hi-Hat、Open Hi-Hat、Clap 和 Synth Bass。96 个单元格中的每一个都是可点击 pad;点击可切换开/关,激活的单元格以高饱和 magenta-to-cyan 辉光点亮,未激活的单元格则是在近黑靛蓝背景上的暗淡内嵌矩形。用户通过逐列点亮单元格来编排节拍。支持点击并拖拽涂抹,批量切换多个单元格。 音频:使用 Web Audio API 实时合成所有鼓声部——kick 为快速振幅衰减的音高下滑 sine,snare 和 clap 为带 envelope 的滤波白噪声爆发,closed 和 open hi-hats 为高通噪声并分别使用短/长衰减,synth bass 为经过 resonant low-pass filter 的 detuned saw/square,并演奏可选择的根音。使用精确的 look-ahead clock 调度步进(不要用天真的 setInterval 定时),让循环在高 BPM 下依然稳如磐石。播放时持续循环 16 步 pattern。 走带与控制,停靠在底部横向固定的对称控制栏中:一个大型播放/停止按钮,一个 BPM dial 或 rotary knob(可拖拽,范围约 60–200 BPM,默认 120)并带实时数字读数,一个主音量 fader,各轨 mute 按钮,一个清空按钮,以及一个随机生成合理节拍的随机按钮。移动的播放头——一束垂直光刃——与音频完美同步地扫过网格,它命中的每个激活单元格都会绽放径向涟漪脉冲并逐渐淡出。包含一个实时 oscilloscope/waveform 显示,用于可视化主输出振幅,并实时随声音响应。 视觉风格:深靛蓝到紫罗兰的渐变背景,暗到近乎黑色;网格线和 UI 点缀使用电光 magenta 与 cyan;所有亮度都来自元素自发光和命中闪光 bloom(box-shadow glow、近似 additive 的高光),营造深夜地下俱乐部随循环脉动的感觉。将完整网格居中显示,保持布局对称,底部控制栏压缩基座空间,并实现响应式,使网格在较小视口下也能优雅缩放。加入细腻的动态 scanline 或 chromatic shimmer 以增强氛围,同时不影响可读性。 交互要求:一切都要即时响应——点击 pads、拖动 BPM knob 和音量 fader、切换 mutes、按空格键播放/停止,以及按数字键跳转 bass 根音。状态(哪些单元格激活、BPM、音量、mutes、播放状态)必须清晰管理,确保 UI 与音频永不失步。用户与页面的第一次交互也应解锁/恢复 AudioContext。优先保证紧密的音画同步、播放头与涟漪的流畅 60fps 动画,以及开箱即用、真正令人满意且有音乐性的结果。
Generated with GLM 5.2 on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with GLM 5 on Atlas Cloud
从自主编码 Agent 和长周期研究,到对话式产品与高吞吐量数据分析,GLM API 为开发者提供一个兼容 OpenAI 的端点,用于构建可靠的 Agent 驱动型软件。
GLM 模型专为自主任务执行而构建,能够在多步骤工作流中规划、编写并优化代码,同时不丢失项目上下文。开发团队依靠它来驱动 PR 审查机器人、重构助手和构建流水线。
稳定的多步骤推理能力让这些模型能够拆解复杂庞大的研究问题、调用外部工具,并在一长串相互依赖的操作中保持上下文。这非常适合分析师和产品团队自动化处理多源信息综合与跨平台操作。
GLM 模型可以将粗略的原型图和简单描述转化为清晰、响应式的界面代码,并具备出色的视觉打磨能力。独立创业者和注重设计的开发者可以更快交付可用原型和生产级 UI。
想要让助手更像真人?GLM API 提供由稳定推理能力支撑的自然对话体验,可驱动聊天机器人、客服 Copilot 和应用内助手,并在冗长、分支众多的对话中保持连贯。
由于这些模型专为工具使用而设计,它们能够在 Agentic 系统中选择函数、格式化参数并串联 API 调用。工程师可借此将 GLM 接入编排层、RAG 流水线和多 Agent 技术栈。
借助 GLM API 对大型文档、电子表格和报告进行推理,并通过高效的 Mixture-of-Experts 设计提取结构化洞察。非常适合需要可靠、高吞吐量分析的金融、法律和运营团队。
在 Atlas Cloud 上,将每个 GLM API 模型与领先的文本 LLM 按上下文长度、输出上限和透明的按量付费价格进行对比。
| 模型 | 上下文窗口 | 最大输出 | 输入($/1M tokens) | 输出($/1M tokens) |
|---|---|---|---|---|
| GLM 5.2 | 1M | 128K | $1.40 | $4.40 |
| GLM 5.1 | 203K | 203K | $1.40 | $4.40 |
| GLM 5 | 203K | 203K | $1.00 | $3.20 |
| GLM 4.7 | 203K | 203K | $0.60 | $2.20 |
| DeepSeek V4 Pro | 1M | 384K | $1.74 | $3.45 |
| Kimi K2.7 Code | 256K | 256K | $0.95 | $4.00 |
| MiniMax M3 | 512K | 512K | $0.60 / $1.20 >512K | $2.40 / $4.80 >512K |
几分钟即可上手 — 按照以下简单步骤,通过 Atlas Cloud 平台集成和部署模型。
在 atlascloud.ai 注册并完成验证。新用户可获得免费额度,用于探索平台和测试模型。
将先进的 GLM 模型与 Atlas Cloud 的 GPU 加速平台相结合,提供无与伦比的性能、可扩展性和开发体验。
低延迟:
GPU 优化推理,实现实时响应。
统一 API:
一次集成,畅用 GLM、GPT、Gemini 和 DeepSeek。
透明定价:
按 Token 计费,支持 Serverless 模式。
开发者体验:
SDK、数据分析、微调工具和模板一应俱全。
可靠性:
99.99% 可用性、RBAC 权限控制、合规日志。
安全与合规:
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。
GLM API 让开发者可以访问 Z.ai (Zhipu AI) 的 GLM 系列开放权重大语言模型,包括 GLM-5.2、GLM-5、GLM-4.7 和 GLM-4.6。这些模型专为编程、多步推理和自主智能体任务而设计。在 Atlas Cloud 上,你可以通过一个 OpenAI 兼容 endpoint 访问整个模型系列,并按使用量付费。
Atlas Cloud 托管了当前的 GLM 阵容,包括 GLM-5.2、GLM-5.1、GLM-5、GLM-5 Turbo、GLM-5v Turbo、GLM-4.7 和 GLM-4.6。旗舰版本面向复杂的智能体和编程工作,而 Turbo 变体则优先提供更快、低延迟的响应。要在它们之间切换,只需修改请求中的 model 标识符。
注册 Atlas Cloud,生成一个 API key,然后将你现有的 OpenAI 兼容 client 指向我们的 endpoint。由于 GLM API 遵循 OpenAI request format,大多数集成只需要更改 base URL 和 model name 即可开始发送请求。访问按使用量付费,按调用透明计价,无需订阅。
价格按使用量付费,并按 token 计费,无需订阅。GLM-4.7 和 GLM-4.6 起价为每百万 input tokens $0.60、每百万 output tokens $2.20;GLM-5 为 input $1.00、output $3.20;GLM-5.2 为 input $1.40、output $4.40。缓存的 input 按更低费率计费,可降低重复上下文的成本。
Atlas Cloud 上的 GLM models 提供约 200K tokens 的大 context window,旗舰版本的最大 output 可达约 131K tokens。这样的容量足以在单次请求中加载整个代码仓库、长文档或较长的智能体历史记录。GLM 系列中也有更长上下文的变体,请查看各 model 页面了解其准确限制。
支持。GLM models 支持 tool 和 function calling,以及结构化 JSON output,因此可以直接接入需要机器可读响应的智能体流水线和生产系统。结合 OpenAI 兼容格式,GLM API 可以轻松接入现有的工具调用工作流。
这些模型面向编程、长程推理和自主智能体执行而构建。常见用途包括整库代码分析、全栈原型开发,以及多步研究或工作流自动化。旗舰 GLM-5 系列可处理最具挑战性的智能体工作,而 GLM-4.6 在日常任务中兼顾速度与能力。
GLM 的旗舰模型定位为在编程和智能体基准测试上可与领先闭源模型竞争的开放权重替代方案。其主要实际优势在于成本:按 token 计价仅为同类专有模型的一小部分,同时编程表现依然强劲。对于需要在预算与质量之间权衡的团队,GLM 以更低价格提供前沿级能力。
可以。Atlas Cloud 通过 OpenAI 兼容 endpoint 提供 GLM models,因此任何支持自定义 base URL 和 model name 的 framework 或 SDK 都可以用很少改动来调用它们。这样你就能把 GLM 接入现有的工具调用智能体、编程助手和多步编排流水线。立即开始构建吧。
是的。GLM 系列由 Z.ai (Zhipu AI) 以开放权重模型形式发布,并采用宽松许可证,因此被广泛视为领先的开源选择。在 Atlas Cloud 上,你可以获得这些模型的托管式、生产就绪访问能力,无需自行托管或维护基础设施。
Join the Discord community for the latest model updates, prompts, and support.