glm/glm-5.2
- konteks · $0.8400 / M token input · $2.6400 / M token output
GLM 5.2 adalah rute model GLM di OurToken untuk developer yang mengevaluasi API hosted, workflow coding, tugas konteks panjang, pricing, dan workload assistant produksi.
Harga
Pay-per-use
Tanpa biaya di awal; bayar hanya untuk yang Anda gunakan
Penggunaan API
Panduan akses API
Contoh kode
Gunakan endpoint API OurToken untuk model ini. Contoh di bawah memakai request HTTP langsung dan endpoint yang direkomendasikan untuk keluarga model ini.
curl https://api.ourtoken.ai/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "glm-5.2",
"messages": [
{
"role": "user",
"content": "Hello!"
}
],
"max_tokens": 256
}'Referensi API Chat Completions
Buat respons chat dengan endpoint yang kompatibel dengan OpenAI Chat Completions. Gunakan https://api.ourtoken.ai/v1 sebagai SDK Base URL dan POST /chat/completions sebagai endpoint.
Authorization
| Content-Type | application/json |
| Authorization | Bearer YOUR_API_KEY |
Request Body
| Field | Type | Wajib | Deskripsi |
|---|---|---|---|
| model | string | Wajib | Model ID yang akan dipanggil. |
| messages | array<object> | Wajib | Pesan percakapan yang dikirim ke model. |
| max_tokens | integer | Opsional | Jumlah maksimum token output. |
| temperature | number | Opsional | Temperature sampling. |
| top_p | number | Opsional | Parameter nucleus sampling. |
| stream | boolean | Opsional | Apakah respons dikembalikan sebagai streaming. |
| stream_options | object | Opsional | Opsi tambahan untuk respons streaming. |
| tools | array<object> | Opsional | Tools yang tersedia untuk model. |
| tool_choice | string | object | Opsional | Mengontrol cara model memilih tools. |
| response_format | object | Opsional | Mengontrol output terstruktur, seperti respons objek JSON. |
Response Body
| Field | Type | Wajib | Deskripsi |
|---|---|---|---|
| id | string | Wajib | Identifier unik chat completion. |
| object | "chat.completion" | Wajib | Tipe objek yang dikembalikan oleh API Chat Completions. |
| created | integer | Wajib | Timestamp Unix saat respons dibuat. |
| model | string | Wajib | Model yang menghasilkan respons. |
| choices | array<object> | Wajib | Kandidat respons yang dikembalikan oleh model. |
| choices[].message.role | string | Wajib | Role dari pesan chat yang dikembalikan. |
| choices[].message.content | string | Opsional | Konten teks dalam pesan chat yang dikembalikan. |
| choices[].finish_reason | string | Opsional | Alasan generasi berhenti. |
| usage | object | Opsional | Informasi penggunaan token untuk chat completion. |
| usage.prompt_tokens | integer | Opsional | Jumlah token input. |
| usage.completion_tokens | integer | Opsional | Jumlah token output. |
| usage.total_tokens | integer | Opsional | Jumlah token total. |
| usage.prompt_tokens_details | object | Opsional | Rincian penggunaan token input. |
| usage.prompt_tokens_details.cached_tokens | integer | Opsional | Token yang dilayani dari cache. |
Pengenalan model
GLM glm-5.2
GLM 5.2 adalah rute model GLM di OurToken untuk developer yang mengevaluasi API hosted, workflow coding, tugas konteks panjang, pricing, dan workload assistant produksi.
GLM 5.2 meneruskan lini GLM 5.1 dengan fokus pada kemampuan coding, pekerjaan long-horizon, dan evaluasi konteks 1M berdasarkan materi peluncuran yang diberikan. Gunakan glm 5.2 api melalui OurToken saat Anda membutuhkan satu endpoint untuk pengujian model, review pricing, API key, log penggunaan, dan integrasi produksi.
Mengapa model ini menonjol
- 60% dari harga referensi resmi GLM 5.2 untuk token input, output, dan cache read.
- Setup API kompatibel OpenAI melalui endpoint OurToken yang sama dengan model lain yang didukung.
- Berguna untuk mengevaluasi coding GLM, workflow agent, sesi long-context, dan tugas pengembangan bergaya OpenCode.
- Materi peluncuran yang diberikan menyebut dukungan konteks 1M dan ketersediaan GLM Coding Plan, sementara benchmark independen sebaiknya ditinjau terpisah.
- Log dashboard dan visibilitas penggunaan membantu tim membandingkan biaya request setelah peluncuran.
Fitur utama
- Model ID: glm-5.2
- Harga input: $0.8400 per 1M token di OurToken
- Harga output: $2.6400 per 1M token di OurToken
- Harga cache read: $0.1560 per 1M token di OurToken
- Harga cache write: $0 per 1M token di OurToken
- Provider: GLM
Spesifikasi
Fitur glm 5.2 api untuk Developer
Gunakan glm 5.2 api untuk akses GLM terpadu, visibilitas glm 5.2 pricing, evaluasi coding, perencanaan long-context, dan pengujian produksi.
Akses Terpadu
Panggil glm 5.2 api melalui endpoint terpadu OurToken tanpa membuat integrasi provider GLM terpisah. Developer dapat membuat satu API key, memakai glm-5.2 sebagai model ID, dan menjaga pola request kompatibel OpenAI di testing dan produksi.
Pricing Jelas
Tinjau glm 5.2 pricing sebelum merutekan traffic. OurToken mencantumkan $0.8400 input, $2.6400 output, dan $0.1560 cache read per 1M token, dengan cache write $0 untuk estimasi biaya prompt dan workload agent.
Workflow Coding
Evaluasi perilaku GLM 5.2 model pada tugas repository, coding agent, loop tool-use, dan prompt pengembangan yang berat di planning. Materi peluncuran memposisikan model untuk coding long-horizon, tetapi tim perlu memvalidasi kualitas dengan acceptance test sendiri.
Konteks Benchmark
Gunakan pencarian glm 5.2 benchmark sebagai sinyal discovery, bukan bukti final pembelian. Catatan yang diberikan mencakup evaluasi Pac-Man dan coding-plan, sementara liputan peluncuran menyebut hasil benchmark independen masih perlu verifikasi pihak ketiga.
Pengujian OpenCode
Uji workflow opencode glm 5.2 dengan mengirim prompt coding multi-step realistis melalui OurToken dan meninjau perilaku tool, latency, penggunaan token, dan kualitas output. Jaga prompt, model ID, dan asumsi budget tetap konsisten antar run perbandingan.
Perbandingan Provider
Bandingkan akses hosted OurToken dengan pencarian seperti glm 5.2 openrouter saat mengevaluasi pilihan provider. OurToken berfokus pada API key, log penggunaan, visibilitas pricing, dan endpoint terpadu, bukan setup provider yang terpisah-pisah.
Cara Menggunakan glm 5.2 api di OurToken
Buat API key, salin glm-5.2, bandingkan glm 5.2 pricing, panggil endpoint terpadu, dan uji workflow coding.
Buat API Key
Buat API key OurToken dari dashboard dan simpan di environment variable server-side yang aman. Ini memberi backend akses ke glm 5.2 api tanpa mengekspos credential di kode browser, notebook, atau repository publik.
01Salin Model ID
Gunakan glm-5.2 sebagai nilai model dalam body request. Menyimpan GLM 5.2 model ID yang tepat di konfigurasi membantu developer menghindari kesalahan nama saat membandingkan test lokal, traffic staging, dan route produksi.
02Panggil Endpoint
Kirim request chat completions ke endpoint API terpadu OurToken dengan API key, model ID, dan prompt payload. Pola request kompatibel OpenAI biasanya dapat dipakai ulang setelah mengganti base URL, credential, dan nilai model.
03Bandingkan Pricing
Bandingkan glm 5.2 pricing sebelum meningkatkan traffic: OurToken mencantumkan $0.8400 input, $2.6400 output, dan $0.1560 cache read per 1M token. Cache write tercantum $0, jadi pisahkan prompt cached dari input dan output normal.
04Uji Coding
Jalankan glm 5.2 coding plan Anda sendiri dengan tugas repository, build aplikasi one-shot, sesi agent bergaya OpenCode, dan prompt regresi. Anecdote publik bisa menjadi inspirasi test case, tetapi routing produksi harus bergantung pada data latency, kualitas, dan biaya Anda.
05Monitor Penggunaan
Setelah launch, tinjau jumlah request, input token, output token, cache read token, dan spend di history logs. Ini membantu tim membandingkan performa GLM 5.2 model terhadap traffic nyata, bukan hanya post benchmark atau daftar provider.
06FAQ glm 5.2 api
Jawaban tentang akses glm 5.2 api, model ID glm-5.2, pricing, interpretasi benchmark, pengujian OpenCode, dan perbandingan OpenRouter.
