GLM-5.2

glm-5.2

开源GLM 系列

概述

1M 上下文深度思考代码生成智能体

GLM-5.2 是 GLM-5 系列的旗舰基座模型，主线能力覆盖文本生成、深度推理与代码工程。围绕"长任务持续可用"的目标，我们重新设计了上下文压缩路径与目标一致性维护机制，让模型在跨多日的研发协作中能稳定记住关键约束；同时在长链路工程任务中持续对齐用户意图，避免上下文漂移。配合多档思考强度、Function Calling、MCP 工具与结构化输出能力，它可以直接驱动项目级软件开发与复杂自动化流水线。

百万上下文

1M token 上下文窗口，支持项目级代码库与超长文档一次性载入。

长程智能体

面向多步、长周期 agentic 工作流优化，任务中持续维护工程上下文。

多档思考模式

提供 high / xhigh 等推理强度档位，覆盖从快速响应到深度推理场景。

开源可部署

模型权重开源，支持私有化部署与企业级二次开发。

功能

工具调用✓

结构化输出✓

上下文缓存✓

批量任务✓

联网搜索✓

流式输出✓

深度思考✓

MCP✓

前缀补全✕

微调✕

定价

输入¥8/M tokens

输入（缓存命中）¥2/M tokens

输出¥28/M tokens

速率限制与上下文

上下文窗口1M

最大输出128K

RPM（请求 / 分钟）200

TPM（token / 分钟）3M

内置工具

web_search

Responses API

code_interpreter

Responses API

web_extractor

Responses API

API 参考

ENDPOINT

POST https://api.tokenfab.cn/v1/chat/completions

请求示例

curl https://api.tokenfab.cn/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $TOKENFAB_API_KEY" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "请用 Python 实现一个快速排序算法，并附上时间复杂度分析。"}
    ]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.tokenfab.cn/v1"
)

response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "请用 Python 实现一个快速排序算法，并附上时间复杂度分析。"}
    ]
)

print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.TOKENFAB_API_KEY,
  baseURL: "https://api.tokenfab.cn/v1"
});

const response = await client.chat.completions.create({
  model: "glm-5.2",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "请用 Python 实现一个快速排序算法，并附上时间复杂度分析。" }
  ]
});

console.log(response.choices[0].message.content);

响应示例

JSON

{
  "id": "chatcmpl-9d2k7f1",
  "object": "chat.completion",
  "created": 1784950000,
  "model": "glm-5.2",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "快速排序使用分治策略：选定基准值（pivot），将数组分为小于和大于基准的两部分，递归排序后合并。最优 O(n log n)，最差 O(n²)。"
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 15,
    "completion_tokens": 128,
    "total_tokens": 143
  }
}

请求参数

参数	类型	必填	说明
model	string	✓	模型 ID，如 glm-5.2 或 GLM-5.1
messages	array	✓	对话消息列表，含 role 和 content
temperature	float	—	采样温度，0–2，默认 0.7
top_p	float	—	核采样，0–1，默认 0.9
max_tokens	int	—	最大输出 Token 数
stream	bool	—	是否流式输出，默认 false
tools	array	—	工具定义列表，用于 Function Calling
tool_choice	string	—	工具调用策略，auto / none / 指定函数