Zework
glm-5.2-fast-preview API 定价与接入
glm-5.2-fast-preview API 定价:$2.29 per 1M tokens。glm-5.2-fast-preview。详细模型规格尚待服务提供方确认;未核实的参数不作承诺。
glm-5.2-fast-preview API 接入
glm-5.2-fast-preview。详细模型规格尚待服务提供方确认;未核实的参数不作承诺。
比较支持的 API 接口与能力,然后通过统一 API 网关接入 glm-5.2-fast-preview。
- 分类
- text
- 支持的接口
- OpenAI Chat Completions API, Anthropic Messages API
- API 端点
- POST /v1/chat/completions, POST /v1/messages
glm-5.2-fast-preview API 定价
- 基础输入价格
- $2.29 per 1M tokens
- 基础输出价格
- $2.29 per 1M tokens
以上基础价格以美元展示,未计入分组差异化调整。请打开实时定价页查看当前分组价格。
关于 glm-5.2-fast-preview
glm-5.2-fast-preview 是阿里云百炼文档列出的 GLM-5.2 推理服务版本,输入文本、输出文本,面向推理、长文理解和代码生成。它的服务名称和支持项应以百炼对应版本文档为依据。
这是服务版本标签,不宜直接当作智谱独立发布的权重型号。预览版本行为和本站转发参数需单独回归,名称中的 fast 也不构成渠道速度保证。 官方参考,核对日期:2026-10-14。
使用场景与提示词
如何调用 glm-5.2-fast-preview
glm-5.2-fast-preview 通过 Zework 的统一网关提供。现有的 OpenAI 或 Anthropic SDK 代码不用改,把 base_url 指到 https://api.zework.cn 并换成 Zework 的 API 密钥即可。
curl(OpenAI 兼容)
curl https://api.zework.cn/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "glm-5.2-fast-preview", "messages": [{"role": "user", "content": "Hello"}]}'Python(openai SDK)
from openai import OpenAI
client = OpenAI(base_url="https://api.zework.cn/v1", api_key="YOUR_API_KEY")
response = client.chat.completions.create(
model="glm-5.2-fast-preview",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)Python(anthropic SDK)
from anthropic import Anthropic
client = Anthropic(base_url="https://api.zework.cn", api_key="YOUR_API_KEY")
message = client.messages.create(
model="glm-5.2-fast-preview",
max_tokens=1024,
messages=[{"role": "user", "content": "Hello"}],
)
print(message.content[0].text)相关页面
关于 glm-5.2-fast-preview 的常见问题
glm-5.2-fast-preview 是什么?
glm-5.2-fast-preview。详细模型规格尚待服务提供方确认;未核实的参数不作承诺。
如何调用 glm-5.2-fast-preview?
创建具有 glm-5.2-fast-preview 访问权限的 API 密钥,然后使用 API 接入模块中的准确模型 ID 和受支持的接口。请求字段取决于所选接口。
glm-5.2-fast-preview 如何计费?
价格取决于所选接入分组和模型的计费单位。请查看定价区块中的当前输入、输出、按次或媒体价格。
如何评估 glm-5.2-fast-preview 是否适合我的项目?
请先参考本页的使用场景与提示词指南,再使用项目中的代表性输入评估模型。