GLM 5.2

GLM 5.2 是什麼？

適用於專案層級軟體工程與長程 AI 代理工作流程的文字推理模型。百萬 token 上下文、工具呼叫與結構化輸出協助串連每個步驟。

每 1M 輸入 / 輸出 token

$1.19 / $3.74

官方價：$1.40 / $4.40

上下文視窗

1.05M

每次回覆最多輸出 944K

輸入

文字

輸出：文字

最高級距相對官方價

6.5 折

最高級距

GLM 5.2 能做什麼

• 專案層級程式設計

• AI 代理工作流程

• 文字推理

GLM 5.2 與同類模型價格對比

先看官方價，再看 OceanToken 每一檔實際付多少。對比的是和 GLM 5.2 最接近的模型：同一類用途、來自我們主推的系列、價格相差不超過約 3 倍。

• GLM 5.2 對比 Gemini 3.8 Flash

  Gemini 3.8 Flash 價格為 $2.025，比 GLM 5.2 低 18%。

  最高級距 9 折

  逐項對比 

• GLM 5.2 對比 Qwen3.8 Max

  Qwen3.8 Max 價格為 $3.80，是 GLM 5.2 的 1.5 倍。

  最高級距 7.5 折

  Qwen3.8 Max API 

• GLM 5.2 對比 GPT-6.1 Sol

  GPT-6.1 Sol 價格為 $5.40，是 GLM 5.2 的 2.2 倍。

  最高級距 9 折

  逐項對比 

• GLM 5.2 對比 Claude Sonnet 5.5

  Claude Sonnet 5.5 價格為 $5.40，是 GLM 5.2 的 2.2 倍。

  最高級距 9 折

  逐項對比 

• GLM 5.2 對比 Kimi K2.7 Code

  Kimi K2.7 Code 價格為 $2.475，是 GLM 5.2 的 1.0 倍。

  Kimi K2.7 Code API 

GLM 5.2 規格

GLM 5.2 的技術參數，取自 OceanToken 模型目錄。

上下文視窗

1.05M token

1,048,576

最大輸出

944K token

943,718

輸入

文字

輸出

文字

推理

支援

reasoning_effort

工具呼叫

支援

tool_choice

結構化輸出

支援

response_format

提示快取

讀取 $0.26

官方價，所有級距相同

GLM 5.2 模型 ID 與端點

OceanToken 模型 ID

z-ai/glm-5.2已複製

OpenAI 相容 Base URL

https://api.oceantoken.ai/v1已複製

端點

POST /v1/chat/completions已複製

GLM 5.2 API 價格

價格取自截至 2026年11月5日 的 OceanToken 模型目錄。依用量從預付餘額扣費，無需訂閱。

GLM 5.2 費用計算器

選一個典型請求，或填入自己的 token 數。計算器按本頁起始價計算，並列出上面對比的模型在同樣用量下的費用。

按起始價（第 1 級距）計算。快取命中的輸入按快取讀取價計費；快取寫入未計入，因為它取決於提示前綴變動的頻率。主控台會顯示你所在級距的價格。

單次請求費用

按上面的起始價計算輸入和輸出 token，不含快取。

如何在 OceanToken 上使用 GLM 5.2

三步從沒有帳戶到送出可用的請求。同一組 key 和餘額可用於目錄中的所有模型。

1. 1

   建立帳戶並取得 API Key

   註冊 OceanToken 帳戶，然後建立一組 key。一組 key 可呼叫你帳戶能用的所有模型。

   取得 API Key 

2. 2

   儲值

   OceanToken 採預付制：儲值後，每次請求從餘額扣費。主控台會顯示你所在級距的價格。

   儲值 

3. 3

   在程式碼中呼叫 GLM 5.2

   把 OpenAI SDK 指向 https://api.oceantoken.ai/v1，模型 ID 填 z-ai/glm-5.2。下面的程式碼送出一次請求。

   from openai import OpenAI
   # 在 OceanToken 主控台建立 API Key
   client = OpenAI(base_url="https://api.oceantoken.ai/v1",
                   api_key="YOUR_API_KEY")
   reply = client.chat.completions.create(
       model="z-ai/glm-5.2",
       messages=[{"role": "user", "content": "Hello"}])
   print(reply.choices[0].message.content)

   文件：參數、請求範例與同類模型