简介:读完本文,你可以用OpenAI兼容接口、curl和流式输出三种方式调用GLM系列模型,学会按Token估算月度费用,并处理401、429和超时等常见错误。文中模型ID和单价都需要以官方文档为准,上线前请先核对。
GLM-5.2这类新模型的发布时间、开放调用范围和开源状态变化较快,本文不对此做确认。原始报道称智谱于2026年发布了GLM-5.2 API并同步开源权重,但具体日期和状态请以智谱官方公告和开放平台文档为准。
动手前需要核对三件事:模型ID是否存在于开放平台的模型列表,接口地址是否为最新文档中的地址,单价是否为当日官方价格。本文代码中的模型名统一写作MODEL_ID,你需要替换为控制台模型列表中实际可用的ID。直接复制占位符运行会报模型不存在,这是有意设计的,目的是避免读者用未核实的名字上线。
接入前还要回答两个问题。第一,模型能力是否符合业务场景,建议用真实样本测试。第二,单价是否在预算之内,可以用第六节的方法估算。
调用官方API和自建推理服务是两条路。官方API按Token付费,不需要维护推理服务,适合起步阶段。自建推理基于开源权重,在高并发下单位成本可能更低,数据也更容易留在自己的环境中。但自建需要评估GPU资源、运维人力和开源许可证条款,不能只看单位成本。
GLM系列API提供OpenAI兼容协议。已经使用OpenAI SDK的项目,通常只需修改base_url、api_key和model三个字段。
import osfrom openai import OpenAIclient = OpenAI(api_key=os.environ["ZHIPU_API_KEY"], # 从环境变量读取,不写进代码base_url="https://open.bigmodel.cn/api/paas/v4", # 以官方文档最新地址为准timeout=60.0, # 单次请求的整体超时,单位秒)MODEL_ID = "请替换为控制台模型列表中的模型ID"resp = client.chat.completions.create(model=MODEL_ID,messages=[{"role": "system", "content": "你是严谨的技术文档助手。"},{"role": "user", "content": "用三句话解释 MoE 架构的核心思想。"},],temperature=0.7,max_tokens=1024,stream=False,)# choices 是列表,必须先判断非空,再通过 choices[0] 取值if resp.choices and resp.choices[0].message.content:print(resp.choices[0].message.content)else:print("返回内容为空,请检查 finish_reason 和错误信息")print(resp.usage) # 每次都记录,用于成本核算
排查密钥、网络和代理问题时,curl比SDK更直接地显示原始错误码。密钥同样放在环境变量中,不要直接写进脚本。
export ZHIPU_API_KEY="your_api_key_here"curl --connect-timeout 5 --max-time 60 \https://open.bigmodel.cn/api/paas/v4/chat/completions \-H "Authorization: Bearer $ZHIPU_API_KEY" \-H "Content-Type: application/json" \-d '{"model": "请替换为控制台模型列表中的模型ID","messages": [{"role": "user", "content": "ping"}],"max_tokens": 16,"stream": false}'
--connect-timeout限制建立连接的时间,--max-time限制整个请求的时间。两者分开设置,可以判断超时发生在连接阶段还是模型生成阶段。
如果环境变量没有设置,请求头会变成只有Bearer前缀而没有密钥,服务端返回401。请求前先在官方模型列表中核对model字段。
首字延迟决定用户对响应速度