GLM

模型介绍

GLM 是面向长程推理、Coding Agent、仓库分析、技术方案设计和生产级工程工作流的高性能文本模型系列。

ExchangeToken 通过 OpenAI 兼容的 Chat Completions API 提供 GLM 模型调用。

支持的模型列表：

glm-5.2
glm-5.1

模型能力

长上下文理解：适合项目级上下文读取、跨文件分析和长程任务执行。
代码与工程能力：可用于架构分析、功能实现、重构、调试、测试补全和文档生成。
工具与函数调用：适合接入外部工具、函数调用和结构化工作流。
流式输出：支持交互式聊天和 Agent 场景中的实时增量响应。
结构化输出：可生成 JSON 等结构化格式，便于业务系统集成。
生产级指令遵循：适合带有严格代码规范、仓库边界和验证要求的研发任务。

GLM-5.2

GLM-5.2 是面向长任务和复杂推理场景的旗舰文本模型，适合处理大规模工程上下文、多步骤执行和生产级研发流程。它能够在较长任务链路中持续保留架构约束、接口契约、目录结构和实现细节，帮助完成从需求分析到代码实现、测试修复和文档沉淀的完整工作。

GLM-5.2 能力

面向长程 Coding 和复杂推理的旗舰模型。
适合项目级上下文理解、跨文件分析和长任务执行。
支持 1M 上下文窗口。
支持最高 128K 输出 Tokens。
更适合需要严格工程规范、多文件一致性和持续执行的研发任务。
支持思考模式、流式输出、工具/函数调用和结构化输出。

GLM-5.1

GLM-5.1 是面向复杂代码和长程任务场景的高智能文本模型，适合 Autonomous Agent 与长程 Coding Agent。它强调规划、执行、迭代优化和工程交付闭环，适用于多阶段真实工程任务、前端 Artifacts、通用对话、创意写作和 Office 生产力场景。

GLM-5.1 能力

面向多步骤工程任务的 Coding 和自主 Agent 能力。
适合从规划、实现、测试到迭代修复的长程任务执行。
支持文本输入输出，官方资料标注上下文窗口为 200K，最大输出 Tokens 为 128K。
支持思考模式、流式输出、工具/函数调用和结构化输出。

cURL 示例

以下示例使用 glm-5.2。如需调用其他 GLM 模型，替换 model 字段即可。

基础调用

bash

curl -X POST "https://api.exchangetoken.ai/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "你是一名资深的全栈软件工程师，擅长前端开发、后端架构设计以及现代 Web 技术栈。"
      },
      {
        "role": "user",
        "content": "帮我设计并编写一个个人博客网站，包含首页、文章列表、文章详情页，使用 React + Node.js 技术栈。"
      }
    ],
    "thinking": {
      "type": "enabled"
    },
    "reasoning_effort": "max",
    "max_tokens": 65536,
    "temperature": 1.0,
    "stream": false
  }'

流式调用

bash

curl -X POST "https://api.exchangetoken.ai/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "你是一名资深的全栈软件工程师，擅长前端开发、后端架构设计以及现代 Web 技术栈。"
      },
      {
        "role": "user",
        "content": "帮我设计并编写一个个人博客网站，包含首页、文章列表、文章详情页，使用 React + Node.js 技术栈。"
      }
    ],
    "thinking": {
      "type": "enabled"
    },
    "reasoning_effort": "max",
    "stream": true,
    "max_tokens": 65536,
    "temperature": 1.0
  }'

GLM ​

模型介绍 ​

模型能力 ​

GLM-5.2 ​

GLM-5.2 能力 ​

GLM-5.1 ​

GLM-5.1 能力 ​

cURL 示例 ​

基础调用 ​

流式调用 ​

GLM