GLM 5.2

GLM 5.2 是什么？

面向项目级软件工程和长程智能体工作流的文本推理模型。百万 token 上下文、工具调用和结构化输出帮助串联各个步骤。

每 1M 输入 / 输出 token

$1.19 / $3.74

官方价：$1.40 / $4.40

上下文窗口

1.05M

每次回复最多输出 944K

输入

文本

输出：文本

最高档相对官方价

6.5 折

最高档

GLM 5.2 能做什么

• 项目级编程

• 智能体工作流

• 文本推理

GLM 5.2 与同类模型价格对比

先看官方价，再看 OceanToken 每一档实际付多少。对比的是和 GLM 5.2 最接近的模型：同一类用途、来自我们主推的系列、价格相差不超过约 3 倍。

• GLM 5.2 对比 Gemini 3.8 Flash

  Gemini 3.8 Flash 价格为 $2.025，比 GLM 5.2 低 18%。

  最高档 9 折

  逐项对比 

• GLM 5.2 对比 Qwen3.8 Max

  Qwen3.8 Max 价格为 $3.80，是 GLM 5.2 的 1.5 倍。

  最高档 7.5 折

  Qwen3.8 Max API 

• GLM 5.2 对比 GPT-6.1 Sol

  GPT-6.1 Sol 价格为 $5.40，是 GLM 5.2 的 2.2 倍。

  最高档 9 折

  逐项对比 

• GLM 5.2 对比 Claude Sonnet 5.5

  Claude Sonnet 5.5 价格为 $5.40，是 GLM 5.2 的 2.2 倍。

  最高档 9 折

  逐项对比 

• GLM 5.2 对比 Kimi K2.7 Code

  Kimi K2.7 Code 价格为 $2.475，是 GLM 5.2 的 1.0 倍。

  Kimi K2.7 Code API 

GLM 5.2 规格

GLM 5.2 的技术参数，取自 OceanToken 模型目录。

上下文窗口

1.05M tokens

1,048,576

最大输出

944K tokens

943,718

输入

文本

输出

文本

推理

支持

reasoning_effort

工具调用

支持

tool_choice

结构化输出

支持

response_format

提示缓存

读取 $0.26

官方价，所有档位相同

GLM 5.2 模型 ID 与接口

OceanToken 模型 ID

z-ai/glm-5.2已复制

OpenAI 兼容 Base URL

https://api.oceantoken.ai/v1已复制

接口

POST /v1/chat/completions已复制

GLM 5.2 API 价格

价格取自截至 2026年11月5日 的 OceanToken 模型目录。按用量从预付余额扣费，无需订阅。

GLM 5.2 费用计算器

选一个典型请求，或填入自己的 token 数。计算器按本页起步价计算，并给出上面对比的模型在同样用量下的费用。

按起步价（第 1 档）计算。缓存命中的输入按缓存读取价计费；缓存写入未计入，因为它取决于提示前缀变化的频率。控制台显示你所在档位的价格。

单次请求费用

按上面的起步价计算输入和输出 token，不含缓存。

如何在 OceanToken 上使用 GLM 5.2

三步从没有账户到发出可用的请求。同一个 key 和余额可用于目录中的所有模型。

1. 1

   创建账户并获取 API Key

   注册 OceanToken 账户，然后创建一个 key。一个 key 可调用你账户能用的所有模型。

   获取 API Key 

2. 2

   充值

   OceanToken 采用预付费：充值后，每次请求从余额扣费。控制台显示你所在档位的价格。

   充值 

3. 3

   在代码中调用 GLM 5.2

   把 OpenAI SDK 指向 https://api.oceantoken.ai/v1，模型 ID 填 z-ai/glm-5.2。下面的代码发送一次请求。

   from openai import OpenAI
   # 在 OceanToken 控制台创建 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)

   文档：参数、请求示例与同类模型