

GLM 5.2 et Qwen3.7 Max côte à côte : caractéristiques, capacités, paramètres et tarifs en direct du catalogue EmpirioLabs.
GLM 5.2 de Z.ai et Qwen3.7 Max de Alibaba Cloud appartiennent tous deux à la catégorie Génération de texte et sont disponibles via l'API EmpirioLabs.
| Spéc. | GLM 5.2 | Qwen3.7 Max |
|---|---|---|
| ID du modèle | glm-5-2 | qwen3-7-max |
| Auteur | Z.ai | Alibaba Cloud |
| Publié | 16 juin 2026 | 21 mai 2026 |
| Fenêtre de contexte | 1M tokens | 983.6K tokens |
| Sortie max | 131 072 tokens | 65 536 tokens |
| Entrée | Texte | Texte |
| Sortie | Texte | Texte |
| Sortie structurée | Mode JSON | JSON Schema |
| Région | Singapore | Singapore |
| Endpoints | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/glm-5-2:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/qwen3-7-max:generateContent |
| Capacités |
Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.
Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.
| Paramètre | GLM 5.2 | Qwen3.7 Max |
|---|---|---|
| max_tokens | 1 à 131072 Par défaut: 65536 | 1 à 131072 |
| temperature | 0 à 1 Par défaut: 1 | 0 à 1.99 Par défaut: 0.7 |
| top_p | 0.01 à 1 Par défaut: 0.95 | 0 à 1 Par défaut: 0.9 |
| reasoning_effort | none, minimal, low, medium, high, xhigh, max Par défaut: max | none, low, medium, high, max |
| enable_thinking | boolean Par défaut: true | boolean Par défaut: true |
| preserve_thinking | boolean Par défaut: false | boolean Par défaut: false |
| do_sample | boolean Par défaut: true | - |
| tool_web_search | boolean Par défaut: false | boolean Par défaut: false |
| search_recency_filter | oneDay, oneWeek, oneMonth, oneYear, noLimit Par défaut: noLimit | - |
| count | 1 à 50 Par défaut: 10 | - |
| search_domain_filter | string | - |
| search_prompt | string | - |
| search_result | boolean Par défaut: true | - |
| tool_stream | boolean Par défaut: false | - |
| tools | array Par défaut: [] | - |
| tool_choice | object | - |
Saisie de texte uniquement. La recherche web, l’extracteur web et l’interpréteur de code sont des outils intégrés optionnels exposés via tool_ paramètres*. Chaque appel d’outil intégré ajoute $0.02 lorsqu’il est invoqué. Les jetons pensants sont annoncés comme des jetons de sortie.
GLM 5.2 sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle glm-5-2. Les deux modèles s'appellent via le même endpoint. Définissez model sur glm-5-2 ou qwen3-7-max. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
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."}
]
}'Tests de prompts et comparaisons qui couvrent les deux modèles.
GLM 5.2 est la version la plus récente (16 juin 2026) ; Qwen3.7 Max est sorti le 21 mai 2026. GLM 5.2 a la plus grande fenêtre de contexte : 1M tokens, contre 983.6K pour Qwen3.7 Max. GLM 5.2 renvoie jusqu'à 131 072 tokens de sortie par réponse, Qwen3.7 Max jusqu'à 65 536. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.
GLM 5.2 est la version la plus récente (16 juin 2026) ; Qwen3.7 Max est sorti le 21 mai 2026.
GLM 5.2 affiche le tarif le plus bas pour Entrée (par 1M de jetons d’invite) et Sortie (par 1M de jetons générés). Les deux grilles tarifaires en direct sont sur cette page et correspondent toujours à ce que l'API facture.
Oui. Les deux modèles utilisent POST /v1/chat/completions avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.
Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et lancez le même prompt sur les deux, avec les paramètres exposés par l'API.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.