Skip to main content

高速モード

高速モードは、レイテンシーの影響を受けやすいシナリオ向けに、より高い TPS を提供します。

使用方法

高速モードは、次の主要な機能を提供します。
  • 高速出力：TPS は標準 API の 1.5 倍から 2 倍に向上します。これは、AI コーディングアシスタント、マルチステップのエージェント推論、リアルタイム会話など、レイテンシーの影響を受けやすいシナリオに適しています。
  • トークンベースの課金：課金ロジックは標準 API と同じで、入力トークンと出力トークンに基づいて課金されます。
  • 特別なレート制限：呼び出し量がレート制限に達した場合でも、プラットフォームに空きリソースがあれば、レート制限はトリガーされません。そのため、実際に利用可能な TPS はレート制限を下回ることはありません。
高速モードを有効にするには、model パラメーターを 対応モデル のモデル ID に設定します。追加のパラメーターは必要ありません。エンドポイントは https://{workspace_id}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1 の形式です。ここで、{workspace_id} は、対応するリージョンに切り替えた後、ビジネススペース管理 ページで確認できます。 呼び出しの基本例：
glm 5.2 の Prime モードのモデル名は、引き続き glm-5.2-fast-preview です。 
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
}'

対応モデル

  • China (Beijing)
  • Singapore

テキスト生成モデル

料金 (100 万トークンあたり)

入力単価

出力単価

キャッシュヒット

glm-5.2-fast-preview

$2.200

$7.702

$0.550

動画生成モデル

料金 ($/秒)

480P

720P

1080P

wan3.0-video-prime

$0.068/秒

$0.14/秒

$0.28/秒

例

glm-5.2 モデルは、デフォルトで推論用の reasoning_content フィールドを返します。ストリーミング中、推論コンテンツと応答コンテンツは、それぞれ delta.reasoning_content と delta.content を通じて配信されます。ストリーミング呼び出しの例： 
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)
応答の例： 
{
  "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 }
  }
}

課金

高速モードの課金ルールと料金については、「モデル推論の料金」をご参照ください。

エラーコード

高速モードの呼び出し時に発生する可能性のあるエラーコードと対応する解決策については、「エラーコード」をご参照ください。