Skip to main content

Fast mode

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.
Pour activer le mode rapide, définissez le paramètre de modèle sur l'ID du modèle répertorié dans la section Modèles pris en charge. Aucun paramètre supplémentaire n'est requis. L'endpoint suit le format 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.
curl -X POST https://{workspace_id}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2-fast-preview",
    "messages": [{"role": "user", "content": "Who are you"}],
    "stream": false
}'

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 :
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ.get("API_KEY"),
    base_url=os.environ.get("BASE_URL"),
)

completion = client.chat.completions.create(
    model="glm-5.2-fast-preview",
    messages=[{"role": "user", "content": "Who are you"}],
    stream=True,
)

for chunk in completion:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta
    if hasattr(delta, "reasoning_content") and delta.reasoning_content:
        print(delta.reasoning_content, end="", flush=True)
    if hasattr(delta, "content") and delta.content:
        print(delta.content, end="", flush=True)
Exemple de réponse :
{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "model": "glm-5.2-fast-preview",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "reasoning_content": "...",
      "content": "..."
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 14,
    "completion_tokens": 137,
    "total_tokens": 151,
    "prompt_tokens_details": { "cached_tokens": 0 },
    "completion_tokens_details": { "reasoning_tokens": 127 }
  }
}

Facturation

Pour connaître les règles de facturation et les tarifs du mode rapide, consultez la rubrique Tarification de l'inférence de modèle.

Codes d'erreur

Pour consulter les codes d'erreur susceptibles de se produire lors de l'utilisation du mode rapide ainsi que les solutions associées, reportez-vous à la section Codes d'erreur.