Logik- und Codierungsmodell mit einem 1M Token-Kontext, 128K-Ausgabe, anpassbarem Schlussfolgerungsaufwand, nativer Websuche und Werkzeugaufrufen.
Z.aiTextgenerierung1M KontextVeröffentlicht 16. Juni 2026SingaporeProprietärer EndpointLogik- und Codierungsmodell mit einem 1M Token-Kontext, 128K-Ausgabe, anpassbarem Schlussfolgerungsaufwand, nativer Websuche und Werkzeugaufrufen.
Anmerkungen: - Kontextfenster: 1 Mio. Token - Maximaler Ausgang: 128.000 Token - Anpassungsfähiger Schlussaufwand von minimal zu maximal (maximal empfohlen für komplexes Codieren) - Eingebaute Websuche fügt bei Verwendung $0.033 pro Anfrage hinzu - Unterstützt Funktionsaufrufe, strukturierte Ausgabe und Streaming - Führt strukturierte Ausgabe mit deaktiviertem Denken aus
Auch bekannt als Z.ai GLM 5.2
glm-5-2/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/glm-5-2:generateContentglm-5.2zai/glm-5.2zhipu/glm-5.2Live Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
GLM 5.2 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-5-2. 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-5-2",
"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-5-2",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die GLM 5.2 API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| max_tokens | integer | 65536 | 1 bis 131072 | Maximale Anzahl der zu generierenden Ausgabetoken. |
| temperature | number | 1 | 0 bis 1 | Kontrolliert Zufall. Niedrigere Werte machen die Antworten deterministischer. |
| top_p | number | 0.95 | 0.01 bis 1 | Kernproben-Cutoff. |
| reasoning_effort | enum | max | none, minimal, low, medium, high, xhigh, max | GLM-5.2 Schlussfolgerung. keines verhindert das Denken; Minimal bis maximal geben Sie an, wie stark das Modell argumentiert, bevor Sie antworten. Max wird für... |
| enable_thinking | boolean | true | - | Lass das Modell überlegen, bevor du antwortest. Schalten Sie sie für Antworten mit niedrigster Latenz oder streng strukturierte Ausgaben aus. |
| do_sample | boolean | true | - | Aktivieren Sie das Sampling. Schalten Sie es für gierige deterministische Ausgaben aus (Temperatur und top_p werden ignoriert). |
| tool_web_search | boolean | false | - | Aktivieren Sie die integrierte Websuche. Fügt $0.033 pro Anfrage hinzu, wenn man es nutzt. |
| search_recency_filter | enum | noLimit | oneDay, oneWeek, oneMonth, oneYear, noLimit | Beschränke die Websuchergebnisse auf ein aktuelles Fenster. |
| count | integer | 10 | 1 bis 50 | Anzahl der Websuchergebnisse, die abgerufen werden müssen, wenn die Websuche aktiviert ist. |
| search_domain_filter | string | - | - | Beschränke die Websuche auf eine bestimmte Domäne. |
| search_prompt | string | - | - | Optionaler Prompt, der verwendet wird, um abgerufene Websuchergebnisse zusammenzufassen. |
| search_result | boolean | true | - | Geben Sie die Metadaten der Websuchergebnisse in der Antwort zurück, wenn die Websuche aktiviert ist. |
| tool_stream | boolean | false | - | Streame Funktionsaufruf-Argumente inkrementell, wenn du streamst. |
| tools | array | [] | - | OpenAI-kompatible Funktionsaufruf-Werkzeugdefinitionen. |
Varianten sind alternative Versionen von GLM 5.2 mit eigener Modell-ID. Je nach Variante können sich Serving-Region, Preise oder unterstützte Parameter unterscheiden; alles andere funktioniert gleich.
glm-5-2:variant1glm-5-2:variant2Auf EmpirioLabs wird GLM 5.2 nach Verbrauch abgerechnet: Eingabe $1.40 pro 1M Prompt-Token; Output $4.40 pro 1 Million generierter Token; Web-Suche $0.033 auf Wunsch. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
GLM 5.2 unterstützt ein Kontextfenster von 1M Token mit bis zu 131.072 Ausgabe-Token pro Antwort.
Ja. GLM 5.2 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-5-2 verwendest.
GLM 5.2 ist als 3 Modell-IDs verfügbar: der Standard glm-5-2 plus glm-5-2:variant1 (Germany), glm-5-2:variant2 (United States). Varianten können sich in Serving-Region, Preisen oder unterstützten Parametern unterscheiden; die Preistabellen stehen auf dieser Seite.
Ja. Der EmpirioLabs Playground führt GLM 5.2 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.
