Cette rubrique explique comment utiliser les API pour appeler les modèles de la série GLM sur la plateforme Alibaba Cloud Model Studio. Chaque modèle inclut 1 million de tokens gratuits.
Endpoints de service
Les endpoints de service varient selon la région. Configurez l'URL de base correspondant à la région sélectionnée.
- OpenAI compatible
- DashScope
- China (Beijing)
- US (Virginia)
- Germany (Frankfurt)
- China (Hong Kong)
- Singapore
base_url pour les appels SDK est : https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1Endpoint de requête HTTP : POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions{WorkspaceId} par votre véritable ID d'espace de travail.
Premiers pas
Les modèles glm-5,2 et glm-5,2-fast-preview sont les plus récents de la série GLM. Ils disposent d'une longueur de contexte de 1M et permettent d'activer ou de désactiver le mode réflexion via le paramètre enable_thinking. Exécutez le code suivant pour appeler rapidement le modèle glm-5,2 en mode réflexion.
Avant de commencer, obtenez une clé API et configurez-la comme variable d'environnement. Si vous utilisez un SDK, vous devez également installer le SDK OpenAI ou DashScope.
- OpenAI compatible
- DashScope
- Anthropic compatible
enable_thinking n'est pas un paramètre standard OpenAI. Dans le SDK Python OpenAI, il se transmet via extra_body. Dans le SDK Node.js, il s'agit d'un paramètre de premier niveau.- Python
- Node.js
- HTTP
Exemple de code
Réponse
Appel d'outils en streaming
Les modèles glm-5,2, glm-5,2-fast-preview, glm-5,1 et glm-5 prennent en charge le paramètre tool_stream. Ce paramètre booléen, dont la valeur par défaut est false, ne prend effet que lorsque stream est défini sur true. Une fois activé, les arguments du paramètre tool_call issu du Function Calling sont renvoyés de manière incrémentielle dans le flux, plutôt qu'en une seule fois après la génération complète.
Le comportement combiné de stream et tool_stream est le suivant :
stream | tool_stream | Mode de retour de tool_call |
|---|---|---|
true | true | Les arguments sont renvoyés de manière incrémentielle en plusieurs chunks. |
true | false (par défaut) | Les arguments sont renvoyés intégralement dans un seul chunk. |
false | true/false | tool_stream n'a aucun effet. Les arguments sont renvoyés en une seule fois dans la réponse complète. |
- OpenAI compatible
- DashScope
- Python
- Node.js
- HTTP
Exemple de code
Niveau de raisonnement (reasoning_effort)
Les modèles glm-5,2, glm-5,2-fast-preview et glm-5,1 ont le mode réflexion activé par défaut. Le modèle génère d'abord le processus de réflexion (reasoning_content) avant de fournir la réponse finale. Utilisez le paramètre reasoning_effort pour ajuster l'intensité du raisonnement. Une valeur plus élevée indique une réflexion plus approfondie. Les valeurs prises en charge varient selon le modèle. Si vous transmettez une valeur non prise en charge, une erreur invalid_parameter_error est renvoyée. Sélectionnez une valeur dans le tableau suivant.
Modèle | Valeurs disponibles pour reasoning_effort |
|---|---|
glm-5,2 |
|
glm-5,2-fast-preview |
|
glm-5,1 |
|
enable_thinking sur false en mode compatible OpenAI ou DashScope. Ce paramètre est prioritaire sur reasoning_effort.reasoning_effort. Pour obtenir le contenu de réflexion, utilisez le paramètre natif Anthropic thinking : {"thinking":{"type":"enabled","budget_tokens":1024}}. Une fois activé, le content de la réponse inclura un bloc de réflexion avec type défini sur thinking.- OpenAI compatible
- DashScope
Effacer l'historique de réflexion (clear_thinking)
Le paramètre clear_thinking contrôle si le reasoning_content (processus de réflexion) des tours précédents d'une conversation multi-tours est transmis au modèle comme contexte. Seuls les modèles de la série GLM prennent en charge ce paramètre.
true: Ignore lereasoning_contentdes tours précédents. Seul le contenu non lié au raisonnement, tel que le texte visible, les appels d'outils et les résultats, est utilisé comme entrée de contexte. Cela réduit la longueur du contexte et le coût.false(par défaut) : Conserve lereasoning_contentdes tours précédents et le fournit au modèle avec le contexte. Pour activer la conservation de la réflexion, vous devez transmettre l'historique complet dureasoning_content, sans modification et dans l'ordre d'origine au sein des messages. L'absence, la troncature, la réécriture ou le réordonnancement du contenu peut dégrader les performances ou provoquer l'échec de la fonctionnalité.
assistant contient du reasoning_content. Lorsque clear_thinking est défini sur true, le contenu de réflexion historique n'est pas inclus dans le contexte. Par conséquent, le nombre de prompt_tokens est inférieur à celui obtenu lorsqu'il est défini sur false (par défaut). La valeur réelle dépend de la longueur du reasoning_content historique.
- OpenAI compatible
- DashScope
Autres fonctionnalités
| Modèle | Conversation multi-tours | Function Calling | Sortie structurée | Recherche Web | Mode partiel | Cache de contexte |
|---|---|---|---|---|---|---|
| glm-5,2 | Pris en charge | Pris en charge | Pris en chargeUniquement en mode sans réflexion | Non pris en charge | Non pris en charge | Pris en chargeSeul le cache implicite est pris en charge |
| glm-5,2-fast-preview | Pris en charge | Pris en charge | Pris en chargeUniquement en mode sans réflexion | Non pris en charge | Non pris en charge | Pris en chargeSeul le cache implicite est pris en charge |
| glm-5,1 | Pris en charge | Pris en charge | Pris en chargeUniquement en mode sans réflexion | Non pris en charge | Non pris en charge | Pris en chargeLes caches explicite et implicite sont tous deux pris en charge |
| glm-5 | Pris en charge | Pris en charge | Pris en chargeUniquement en mode sans réflexion | Non pris en charge | Non pris en charge | Pris en chargeSeul le cache implicite est pris en charge |
Valeurs par défaut des paramètres
Modèle | enable_thinking | temperature | top_p | top_k | repetition_penalty |
|---|---|---|---|---|---|
glm-5,2 | true | 1,0 | 0,95 | 20 | 1,0 |
glm-5,1 | true | 1,0 | 0,95 | 20 | 1,0 |
glm-5 | true | 1,0 | 0,95 | 20 | 1,0 |
Précautions
Lorsque vous appelez le modèle, respectez les types de paramètres et les champs obligatoires de l'API utilisée. En particulier :
max_tokensdoit être un entier, tel que1024, et non la valeur booléennetrue. Lors d'un appel à glm-5.3,truepeut être traité comme1, ce qui tronque la sortie après 1 token sans renvoyer d'erreur de paramètre. La sortie peut contenir uniquement le contenu de réflexion, sans réponse finale.- Lorsque vous utilisez l'API compatible Anthropic, chaque outil du tableau
toolsdoit inclurename, par exemple"name": "get_weather". L'absence denameentraîne l'échec de la requête. Renseignez le nom de l'outil avant d'envoyer la requête.
Modèles et facturation
Les modèles de la série GLM sont des modèles de raisonnement hybrides conçus par Zhipu AI pour les agents. Ils offrent à la fois des modes avec et sans réflexion.
- glm-5,2 : Le modèle GLM avec une longueur de contexte de 1M. Il prend en charge le Function Calling, la sortie structurée et le cache implicite. Vous pouvez l'appeler via les interfaces compatibles OpenAI, DashScope et Anthropic.
En mode réflexion, la chaîne de pensée est facturée comme des tokens de sortie.