Le mode rapide offre un débit plus élevé (TPS) pour les scénarios sensibles à la latence.
Utilisation
Le mode rapide propose les fonctionnalités clés suivantes :
- Sortie haute vitesse : le TPS est multiplié par 1,5 à 2 par rapport à l'API standard. Cette option convient aux assistants de codage IA, au raisonnement des agents en plusieurs étapes, aux conversations en temps réel et à d'autres scénarios sensibles à la latence.
- Facturation basée sur les tokens : la logique de facturation est identique à celle de l'API standard, avec des frais calculés selon les tokens d'entrée et de sortie.
- Limitation de débit spécifique : lorsque le volume d'appels atteint la limite de débit, si la plateforme dispose encore de ressources disponibles, la limitation n'est pas déclenchée. Par conséquent, le TPS réellement disponible n'est jamais inférieur à la limite de débit configurée.
https://{workspace_id}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1, où {workspace_id} se trouve sur la page Business Space Management après avoir basculé vers la région correspondante.
Exemple d'appel de base :
Le nom du modèle pour le mode prime de glm 5,2 reste glm-5,2-fast-preview.
Modèles pris en charge
wan3.0-video-prime : les vidéos d'entrée comme les vidéos de sortie sont facturées en secondes de vidéo. Le prix est déterminé par la résolution de la vidéo de sortie. Durée facturable = durée de la vidéo d'entrée + durée de la vidéo de sortie.
- China (Beijing)
- Singapore
Modèle de génération de texte | Tarification (par million de tokens) | ||
|---|---|---|---|
Prix unitaire d'entrée | Prix unitaire de sortie | Succès de cache | |
glm-5,2-fast-preview | $2 200 | $7 702 | $0 550 |
Modèle de génération vidéo | Tarification ($/seconde) | ||
480P | 720P | 1080P | |
wan3,0-video-prime | $0 068/seconde | $0,14/seconde | $0,28/seconde |
Exemples
Le modèle glm-5,2 renvoie par défaut un champ reasoning_content pour le raisonnement. Lors du streaming, le contenu de raisonnement et le contenu de réponse sont transmis respectivement via delta.reasoning_content et delta.content. Exemple d'appel en streaming :