GLM Chat Completion API 申請及使用

GLM（General Language Model）是智譜 AI（Zhipu AI / Z.ai）推出的新一代大語言模型系列，具備強大的中英文理解與生成能力，在中文場景、代碼生成、推理與多輪對話等任務上都有出色表現。GLM-5.3、GLM-5.2、GLM-4.7 等新一代模型在長上下文、工具調用與代碼任務上做了大量優化，可廣泛應用於智能問答、內容創作、代碼輔助、客服機器人等場景。本文檔主要介紹 GLM Chat Completion API 的使用流程，利用它您可以通過統一的 OpenAI 兼容接口輕鬆調用 GLM 系列模型。

申請流程

要使用 GLM Chat Completion API，首先到 Ace Data Cloud 控制台獲取您的 API Token，留作備用。

如果你尚未登錄或註冊，會自動跳轉到登錄頁面邀請你註冊和登錄，完成後會自動返回當前頁面。 一個 API Token 即可調用平台所有服務，無需為每個服務單獨申請。 首次申請會贈送免費額度，可免費體驗；額度不足時可在控制台充值通用餘額。

📘 完整文檔：GLM Chat Completion API →

基本使用

GLM Chat Completion API 的請求地址為 https://api.acedata.cloud/glm/chat/completions，使用 Bearer Token 鑒權，請求體兼容 OpenAI Chat Completions 協議。在第一次使用該接口時，我們至少需要填寫三個內容：

authorization：直接在下拉列表裡面選擇 Bearer Token 即可。
model：選擇要調用的 GLM 模型，目前支持的模型包括：
- glm-5.3：最新旗艦模型，支持 1M 上下文與最長 128K 輸出，適合複雜推理、代碼與 Agent 任務。推理始終開啟，可通過 reasoning_effort 選擇 low、high 或 max。
- glm-5.2：上一代旗艦模型，綜合能力強。
- glm-5.1：成熟旗艦模型，適合通用複雜任務。
- glm-4.7：在推理、工具調用與代碼任務上表現優秀。
- glm-4.6：通用對話模型，平衡效果與成本。
- glm-3-turbo：經典對話模型，適用於一般文本生成任務。
messages：提示詞數組，每條消息包含 role 和 content，role 支持 user、assistant、system 三種角色。

常用可選參數：

max_tokens：限制單次回覆的最大 token 數。
temperature：生成隨機性，0-2 之間，值越大越發散。
top_p：核採樣參數，控制候選 token 的累積概率閾值。
n：一次生成多少條候選回覆。
stream：是否啟用流式響應，默認 false。
stop：自定義停止序列。

下面是一個最簡單的 Python 調用示例：

import requests

url = "https://api.acedata.cloud/glm/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "glm-5.2",
    "messages": [
        {"role": "user", "content": "hello"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

調用之後，我們發現返回結果如下：

{
  "id": "msg_202604262252030313862701a04e33",
  "model": "glm-5.2",
  "object": "chat.completion",
  "created": 1777215124,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! 👋 How can I assist you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 23,
    "total_tokens": 33
  }
}

返回結果各主要字段說明如下：

id：本次對話任務的唯一 ID。
created：本次對話任務的創建時間（Unix 時間戳，秒）。
model：實際調用的 GLM 模型名稱。
choices：模型生成的回覆列表。choices[i].message.content 即模型回覆的具體文本，finish_reason 標識結束原因（stop、length、tool_calls、content_filter 等）。
usage：本次請求的 token 用量統計，包含 prompt_tokens、completion_tokens、total_tokens。

流式響應

該接口支持流式響應（Server-Sent Events），這對網頁對接十分有用，可以讓網頁實現逐字顯示效果。如果想流式返回響應，將請求體中的 stream 參數設置為 true 即可。 Python 樣例調用代碼：

import requests

url = "https://api.acedata.cloud/glm/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "glm-4.7",
    "messages": [{"role": "user", "content": "hi"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers, stream=True)
for line in response.iter_lines():
    if line:
        print(line.decode("utf-8"))

輸出效果如下（節選）：

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "", "role": "assistant"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "你好！有什么我可以"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "帮助你的"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "吗？"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {}, "finish_reason": "stop", "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [], "usage": {"prompt_tokens": 1420, "completion_tokens": 18, "total_tokens": 1438}}

data: [DONE]

可以看到，响应里面有许多 data，每条 data 包含一个增量片段。choices[i].delta.content 是当前 chunk 新增的文本片段，您可以将这些片段拼接起来形成完整回复。当 data 内容为 [DONE] 时表示流式响应结束。最后一条带 usage 的 chunk 会汇总本次请求的 token 用量。 JavaScript（Node.js）样例：

const options = {
  method: "POST",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json"
  },
  body: JSON.stringify({
    model: "glm-4.7",
    messages: [{ role: "user", content: "hi" }],
    stream: true
  })
};

const response = await fetch("https://api.acedata.cloud/glm/chat/completions", options);
const reader = response.body.getReader();
const decoder = new TextDecoder("utf-8");
while (true) {
  const { value, done } = await reader.read();
  if (done) break;
  process.stdout.write(decoder.decode(value));
}

Java 样例代码：

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "glm-4.7");
jsonObject.put("messages", new JSONArray().put(new JSONObject().put("role", "user").put("content", "hi")));
jsonObject.put("stream", true);
MediaType mediaType = MediaType.parse("application/json; charset=utf-8");
RequestBody body = RequestBody.create(jsonObject.toString(), mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/glm/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.println(response.body().string());

其他语言可以另外自行改写，原理都是一样的。

多轮对话

如果您想要实现多轮对话功能，需要将历史对话依次放入 messages 数组，并保留 user 与 assistant 交替出现的顺序。 Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/glm/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "glm-4.7",
    "messages": [
        {"role": "user", "content": "Hello"},
        {"role": "assistant", "content": "Hi! How can I assist you today?"},
        {"role": "user", "content": "What did I say just now?"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

通过上传多个提问词，就可以轻松实现多轮对话，可以得到如下回答：

{
  "id": "msg_20260426225208b95324e9945a48d3",
  "model": "glm-4.7",
  "object": "chat.completion",
  "created": 1777215128,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "你说：**\"Hello\"** 😊\n\n如果你需要其他帮助，请告诉我！"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 48,
    "completion_tokens": 37,
    "total_tokens": 85
  }
}

可以看到，choices 包含的信息与基本使用一致，模型基于完整的对话历史给出回复，从而支持多轮上下文交互。

系统提示词（System Prompt）

可以在 messages 的开头添加一条 role 为 system 的消息，用来约束模型的角色、风格或行为：

payload = {
    "model": "glm-4.7",
    "messages": [
        {"role": "system", "content": "你是一名资深的中文写作助手，请用简洁专业的语气回复。"},
        {"role": "user", "content": "请用三句话介绍一下 GLM 模型。"}
    ]
}

工具调用（Function Calling）

GLM 模型支持 OpenAI 兼容的 Function Calling，可以通过 tools 参数声明可调用的函数，模型在需要时会在 choices[i].message.tool_calls 中返回结构化的函数调用信息。

payload = {
    "model": "glm-4.7",
    "messages": [
        {"role": "user", "content": "北京今天天气怎么样？"}
    ],
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "查询指定城市的天气",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {"type": "string", "description": "城市名称"}
                    },
                    "required": ["city"]
                }
            }
        }
    ]
}

模型如果决定调用工具，返回结果中 finish_reason 会变为 tool_calls，并在 message.tool_calls 中给出函数名和 JSON 字符串形式的参数。您可以执行该函数并将结果作为 role 为 tool 的消息回传给模型，从而完成完整的工具调用回路。

模型选择建议

模型	适用场景
`glm-5.3`	最新旗舰，1M 上下文、最长 128K 输出，推荐用于复杂推理、代码与 Agent 任务
`glm-5.2`	上一代旗舰，适合复杂推理、代码与 Agent 任务
`glm-5.1`	成熟旗舰，适合复杂推理、长文档分析
`glm-4.7`	工具调用、代码生成、Agent 编排等任务
`glm-4.6`	通用对话、内容创作的均衡选择
`glm-3-turbo`	一般文本生成任务，对成本敏感的场景

错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：

400 token_mismatched：请求参数缺失或无效。
400 api_not_implemented：使用了不被支持的参数或模型。
401 invalid_token：未授权，Bearer Token 缺失或失效。
429 too_many_requests：触发频率限制，请稍后重试。
500 api_error：服务器内部错误或上游暂时不可用。

错误响应示例

{
  "trace_id": "69ea9bcf-c5da-41a3-be97-c80912a08523",
  "error": {
    "code": "api_error",
    "message": "服务暂时不可用，请稍后重试。"
  }
}

当返回 api_error 且消息为 服务暂时不可用，请稍后重试。 时，通常表示上游 GLM 服务暂时不可用，建议带指数退避重试，或切换到其他可用的 GLM 模型（例如从 glm-5.1 临时切换到 glm-4.7 或 glm-4.6）。

结论

通过本文档，您已经了解了如何使用 GLM Chat Completion API 调用智谱 AI 的 GLM 系列模型，包括基本调用、流式响应、多轮对话、系统提示词与工具调用等典型用法。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。

入門

AI 聊天

AI 圖像

AI 視頻

AI 音頻

網絡與數據

驗證碼

身份

Coding

更多指南

GLM Chat Completion API 申請及使用

申請流程

基本使用

流式響應

多轮对话

系统提示词（System Prompt）

工具调用（Function Calling）

模型选择建议

错误处理

错误响应示例

结论

​申請流程

​基本使用

​流式響應

​多轮对话

​系统提示词（System Prompt）

​工具调用（Function Calling）

​模型选择建议

​错误处理

​错误响应示例

​结论

申請流程

基本使用

流式響應

多轮对话

系统提示词（System Prompt）

工具调用（Function Calling）

模型选择建议

错误处理

错误响应示例

结论