Langkontext-Zhipu AI-Abwägungsmodell mit 202K-Kontext, 128K-Ausgabe, Werkzeugaufruf, strukturierter Ausgabe und Cache-Unterstützung.
Z.aiTextgenerierung202K KontextVeröffentlicht 7. Apr. 2026ChinaProprietärer EndpointLangkontext-Zhipu AI-Abwägungsmodell mit 202K-Kontext, 128K-Ausgabe, Werkzeugaufruf, strukturierter Ausgabe und Cache-Unterstützung.
Notizen: - Serviert von Alibaba Cloud Model Studio im chinesischen Bereitstellungsmodus - Kontextfenster: 202K-Token - Maximale Ausgabe: 128K-Token - Unterstützt Funktionsaufrufe, strukturierte Ausgabe und Kontextcache - Strukturierte Ausgabe sollte mit enable thinking=false ausgeführt werden - Unterstützt keine Websuche, Batches, Präfixfortsetzung oder Feinabstimmung
Auch bekannt als Z.ai GLM 5.1, GLM-5.1, glm-5-1
glm-5-1/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/glm-5-1:generateContentLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
GLM 5.1 bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID glm-5-1. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5-1",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="glm-5-1",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die GLM 5.1 API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| max_tokens | integer | 4096 | 1 bis 128000 | Maximale Anzahl der zu generierenden Ausgabetoken. |
| temperature | number | 1 | 0 bis 2 | Kontrolliert Zufall. Niedrigere Werte machen die Antworten deterministischer. |
| top_p | number | 0.95 | 0 bis 1 | Kernproben-Cutoff. |
| top_k | integer | 20 | 1 bis 100 | Begrenzt das Sampling auf die höchsten K Token. |
| repetition_penalty | number | 1 | 0.1 bis 2 | Wiederholte Tokens werden bestraft. |
| reasoning_effort | enum | medium | none, low, medium, high, max | Der Aufwand des Schlussfolgerungsaufwands. Keiner verhindert das Denken. Niedrige, mittlere, hohe und maximale begrenzte Denkbudgets, die auf das gewählte Modell... |
| enable_thinking | boolean | true | - | Lass das Modell überlegen, bevor du antwortest. Deaktivieren Sie dies für streng strukturierte Ausgaben. |
| thinking_budget | integer | 32768 | 1 bis 38912 | Maximal verfügbare Tokens zum Denken von Inhalten beim Denken sind aktiviert. |
| tool_stream | boolean | false | - | Streame Funktionsaufruf-Argumente inkrementell, wenn du streamst. |
| tools | array | [] | - | OpenAI-kompatible Funktionsaufruf-Werkzeugdefinitionen. |
| tool_choice | object | - | - | OpenAI-kompatible Werkzeugwahlsteuerung. |
| parallel_tool_calls | boolean | true | - | Erlauben Sie mehrere Werkzeugaufrufe in einem einzigen Assistentenzug, wenn dies unterstützt wird. |
| stop | array | - | - | Optionale Stop-Sequenzen. |
| response_format | enum | - | - | Beschränke die Ausgabe auf JSON. Verwenden Sie den JSON-Modus für jedes gültige JSON-Objekt oder ein JSON-Schema, um eine Ausgabe zu erzwingen, die mit einem von... |
Auf EmpirioLabs wird GLM 5.1 nach Verbrauch abgerechnet. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
GLM 5.1 unterstützt ein Kontextfenster von 202K Token.
Ja. GLM 5.1 bedient die OpenAI-kompatible Chat Completions API. Bestehende OpenAI SDKs funktionieren, indem du base_url auf https://api.empiriolabs.ai/v1 setzt und als Modell-ID glm-5-1 verwendest.
Ja. Der EmpirioLabs Playground führt GLM 5.1 im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
