Understøtter GLM-5.2-API'et selvhostning?

Ja. GLM-5.2 er udgivet med åbne vægte under MIT-licensen, hvilket gør det muligt for organisationer at udrulle og tilpasse modellen lokalt.

Hvilke ræsonneringstilstande er tilgængelige i GLM-5.2?

GLM-5.2 tilbyder ræsonneringstilstandene High og Max. Max er beregnet til krævende kode- og agentopgaver, mens High balancerer ræsonneringskvalitet med effektivitet.

Hvad adskiller GLM-5.2-API'et fra GLM-5.1?

Den største opgradering er udvidelsen fra cirka 200K tokens til et 1M-token kontekstvindue, sammen med forbedret agentbaseret kodning og ydeevne på opgaver med lang tidshorisont.

Er GLM-5.2-API'et egnet til autonome kodeagenter?

Ja. Modellen er specifikt målrettet agentbaserede kodearbejdsgange og understøtter populære kodeagent-økosystemer som Claude Code, Cline, Roo Code og OpenCode.

Hvordan sammenlignes GLM-5.2 med andre kodemodeller med åbne vægte?

GLM-5.2 skiller sig ud gennem sin kombination af et 1M-token kontekstvindue, MIT-licens, kodefokuseret træning og understøttelse af langvarige agent-arbejdsgange.

Hvornår bør udviklere vælge GLM-5.2 i stedet for Claude- eller GPT-modeller?

GLM-5.2 er særligt attraktiv til kodearbejdsgange i stor skala, krav om selvhostning og analyse af repositories med lang kontekst. Claude- og GPT-modeller kan stadig tilbyde stærkere validering i nogle ræsonneringsbenchmarks.

Kan GLM-5.2-API'et behandle et helt software-repository i én prompt?

Ja. GLM-5.2 understøtter et 1,000,000-token kontekstvindue, hvilket gør det muligt for mange repositories, dokumentationssæt og udviklingsartefakter at passe inden for en enkelt kontekst.

Z.AI

API live Populær

glm-5.2

GLM 5.2 API

GLM-5.2 er en væsentlig opdatering fra Zhipu inden for store open source-modeller og AI-kodning.

Startpris

$1.12 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Fungerer normalt

96.6% oppetid / 24t

Svartid

3205 ms

Observeret API-svartid

Udgivet

Jun 16, 2026

Z.AI

Playground

Prøv GLM 5.2 med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Oversigt

Et praktisk overblik over GLM 5.2, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for GLM-5.2

Punkt	GLM-5.2
Udbyder	Zhipu AI
Udgivelsesdato	June 13, 2026
Modeltype	Open-weight Mixture-of-Experts (MoE) LLM
Samlede parametre	~744B
Aktive parametre	~40B pr. token
Kontekstvindue	1,000,000 tokens
Maksimal output	131,072 tokens
Ræsonneringstilstande	High, Max
Licens	MIT
Primært fokus	Agentbaseret kodning, softwareudvikling, langsigtet ræsonnering
API-tilgængelighed	Z.ai-platformen og kompatible udbydere
Åbne vægte	Ja

GLM-5.2 er den nyeste flagskibsmodel i Zhipu AIs GLM-familie. I modsætning til generelle frontliniemodeller er GLM-5.2 primært positioneret som en kodnings-først og agent-orienteret model designet til repository-skala softwareudvikling, autonome arbejdsgange og ekstremt lang-kontekst ræsonnering. Dens hovedegenskab er et indbygget kontekstvindue på 1 million tokens, hvilket gør det til et af de største offentligt tilgængelige kontekstvinduer blandt open-weight-modeller.

Hovedfunktioner i GLM-5.2

1M-token kontekstvindue til hele repositories, omfattende dokumentationssæt og multi-session agent-arbejdsgange.
Kodnings-først optimering med fokus på refaktorering, fejlfinding, kodegenerering og softwareudviklingsopgaver.
Understøttelse af agentbaserede arbejdsgange til værktøjer som Claude Code, Cline, Roo Code, OpenCode og lignende kodeagenter.
Udgivelse med åbne vægte under MIT-licens, som muliggør selvhosting og finjustering.
To ræsonneringstilstande (High og Max), der muliggør afvejning mellem latenstid og ræsonneringsdybde.
Stor MoE-arkitektur med cirka 744B samlede parametre, mens kun ~40B aktiveres pr. token for effektivitet.

Benchmark-ydelse for GLM-5.2

Zhipu offentliggjorde ikke omfattende officielle benchmarkresultater ved lanceringen, hvilket gør direkte benchmarking mere usikker end for modeller som GPT-5 eller Claude. Flere brancherapporter bemærker fraværet af uafhængigt validerede benchmarkudgivelser.

Benchmark	Rapporteret score
Terminal-Bench 2.1	81.0
SWE-Bench Pro	62.1
NL2Repo	48.9
AIME 2026	99.2

GLM 5.2

GLM-5.2 vs GLM-5.1 vs Claude Opus 4.8

Specifikation	GLM-5.2	GLM-5.1	Claude Opus 4.8
Udgivelsesdato	2026-06-13	2026	2026
Kontekstvindue	1,000,000	~200,000	1,000,000
Åbne vægte	Ja (MIT)	Ja	Nej
Ræsonneringstilstande	High, Max	Standard	Extended Thinking
Samlede parametre	744B	744B	Ikke oplyst
Aktive parametre	40B	40B	Ikke oplyst
Officielle benchmarkdata	Ikke offentliggjort	Offentliggjort ved lancering	Offentliggjort

GLM-5.2's primære dokumenterede forbedring i forhold til GLM-5.1 er udvidelsen til et 1M-token kontekstvindue og introduktionen af valgbare ræsonneringstilstande High og Max. Ved lanceringen offentliggjorde Z.ai ikke officielle resultater for SWE-Bench, LiveCodeBench, HumanEval eller lignende benchmarks, så ydelsessammenligninger mod Claude Opus 4.8, GPT-5, DeepSeek eller Qwen-modeller forbliver ubekræftede.

Sammenlignet med andre åbne modeller er GLM-5.2’s primære differentierende faktor kombinationen af et meget stort kontekstvindue, specialisering i kodning og MIT-licensering. Dens stærkeste appel er repository-skala softwareudvikling frem for generelle chatapplikationer.

Hvorfor bruge GLM-5.2 via CometAPI?

CometAPI gør det muligt for udviklere at integrere GLM-5.2 via samme interface, som anvendes til dusinvis af førende AI-modeller.

Fordele omfatter:

Samlet autentificering på tværs af flere udbydere
OpenAI-kompatibel API-integration
Forenklet fakturering og forbrugsstyring
Hurtige eksperimenter med alternative modeller
Nem skift mellem kode-, ræsonnerings-, billede-, lyd- og videomodeller
Reduceret leverandørlåsning i produktionssystemer

Uanset om du bygger et AI-IDE, en intern engineering-assistent eller en enterprise-automationsplatform, minimerer CometAPI integrationsindsatsen samtidig med at fleksibiliteten bevares.

Sådan får du adgang til GLM-5.2 API på CometAPI

Kom i gang med vores produkt på blot nogle få trin...

Trin 1: Opret din GLM-5.2 API-nøgle

Opret en konto på CometAPI og gå til API-dashboardet for at generere din GLM-5.2 API-nøgle. Denne nøgle autentificerer alle dine forespørgsler og giver dig øjeblikkelig adgang til hele GLM-5.2 API’ets funktionalitet, inklusive 1M token-kontekstvinduet og 128k output tokens.

Trin 2: Send forespørgsler til GLM-5.2 API

Brug din GLM-5.2 API-nøgle til at sende POST-anmodninger til CometAPI-endpointet. Send din prompt, angiv modelparametre som indsatsniveau og maks tokens, og GLM-5.2 API behandler din anmodning — fra kodegenerering til dokumentanalyse og agentbaseret værktøjsbrug.

Trin 3: Hent resultater og integrér GLM-5.2 API

GLM-5.2 API leverer strukturerede svar, inkl. completion-tekst, instruktioner til værktøjskald og metadata om tokenforbrug. Den understøtter både standard synkrone svar og realtidsstreaming via Server-Sent Events (SSE), når stream: true er konfigureret. Endpointet kan nemt integreres i dine eksisterende arbejdsgange med standard HTTP-klienter eller openAI kompatible SDK'er ved at rute forespørgsler gennem url(//api.cometapi.com/v1) med din Bearer Token.

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første forespørgsel

—

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Priser for GLM 5.2

Udforsk konkurrencedygtige priser for GLM 5.2, designet til at passe til forskellige budgetter og brugsbehov. Vores fleksible planer sikrer, at du kun betaler for det, du bruger, hvilket gør det nemt at skalere, efterhånden som dine krav vokser. Opdag hvordan GLM 5.2 kan forbedre dine projekter, mens omkostningerne holdes håndterbare.

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Indtast:$1.12/M Output:$3.528/M	Indtast:$1.4/M Output:$4.41/M	-20%

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til GLM 5.2

Få adgang til omfattende eksempelkode og API-ressourcer for GLM 5.2 for at strømline din integrationsproces. Vores detaljerede dokumentation giver trin-for-trin vejledning, der hjælper dig med at udnytte det fulde potentiale af GLM 5.2 i dine projekter.

POST

/v1/chat/completions

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

response=$(curl -s https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior full-stack software engineer who is skilled at frontend development, backend architecture, and modern web stacks."
      },
      {
        "role": "user",
        "content": "Design and implement a personal blog website with a home page, article list, and article detail page using React and Node.js."
      }
    ],
    "thinking": {
      "type": "enabled"
    },
    "reasoning_effort": "max",
    "max_tokens": 65536,
    "temperature": 1.0
  }')

printf '%s
' "$response" | python -c 'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

cURL Code Example

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

response=$(curl -s https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior full-stack software engineer who is skilled at frontend development, backend architecture, and modern web stacks."
      },
      {
        "role": "user",
        "content": "Design and implement a personal blog website with a home page, article list, and article detail page using React and Node.js."
      }
    ],
    "thinking": {
      "type": "enabled"
    },
    "reasoning_effort": "max",
    "max_tokens": 65536,
    "temperature": 1.0
  }')

printf '%s\n' "$response" | python -c 'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a senior full-stack software engineer who is skilled at "
                "frontend development, backend architecture, and modern web stacks."
            ),
        },
        {
            "role": "user",
            "content": (
                "Design and implement a personal blog website with a home page, "
                "article list, and article detail page using React and Node.js."
            ),
        },
    ],
    temperature=1.0,
    max_tokens=65536,
    reasoning_effort="max",
    extra_body={"thinking": {"type": "enabled"}},
)

print(completion.choices[0].message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://www.cometapi.com/console/token
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey: COMETAPI_KEY,
  baseURL: BASE_URL,
});

const completion = await client.chat.completions.create({
  model: "glm-5.2",
  messages: [
    {
      role: "system",
      content:
        "You are a senior full-stack software engineer who is skilled at frontend development, backend architecture, and modern web stacks.",
    },
    {
      role: "user",
      content:
        "Design and implement a personal blog website with a home page, article list, and article detail page using React and Node.js.",
    },
  ],
  thinking: { type: "enabled" },
  reasoning_effort: "max",
  max_tokens: 65536,
  temperature: 1.0,
});

console.log(completion.choices[0].message.content);

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-text

Input og output

Input

text

Output

text

Produktionsprofil

Udbyder: Z.AI
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug GLM 5.2 til produktions-workflows, der matcher dens text-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktionschat og agent-workflows

Kodning, analyse og struktureret generering

Automatisering i stor skala via én API

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

Google

Gemini 3.7 Flash

3.7 Flash leverer betydelige forbedringer på tværs af arbejdsgange inden for softwareudvikling, vidensarbejde og webudvikling — med en introduktionspris på halvdelen af den oprindelige 3.6 Flash-pris pr. million tokens.

Se model

DeepSeek

DeepSeek-V4-Flash-Vision

Modellen deepseek-v4-flash-vision-exp accepterer billeder sammen med tekst, så du kan bede modellen om at beskrive billeder, læse tekst fra skærmbilleder, analysere diagrammer og meget mere. Understøttede billedformater: JPEG, PNG, GIF og WebP. Formatet bestemmes ud fra det faktiske filindhold, ikke ud fra filnavnet eller den angivne MIME-type.

Se model

DeepSeek

DeepSeek V4 Pro

DeepSeek V4 Pro er en Mixture-of-Experts-model i stor skala fra DeepSeek med 1.6T samlede parametre og 49B aktiverede parametre, der understøtter et 1M-token kontekstvindue. Den er designet til avanceret ræsonnement, kodning og agent-workflows med lang horisont, med stærk ydeevne på tværs af benchmarks inden for viden, matematik og softwareudvikling.

Se model

xAI

Grok 4.6

Flagskibsmodellen til kode og alt andet: agentbaseret værktøjskald, minimale hallucinationer, konfigurerbar ræsonnering.

Se model

Z.AI

GLM 5.3

GLM-5.3 er en næstegenerations open source stor sprogmodel, der er optimeret til komplekse kodningsopgaver, langtidsopgaver og scenarier inden for cybersikkerhed. Den leverer betydeligt forbedrede kodningskapaciteter og agentpræstation sammenlignet med GLM-5.2.

Se model

Anthropic

Claude Fable 5

Adgangen til Claude Fable 5 er blevet genoprettet. Claude Fable 5 bringer 5.-generations intelligens til dit mest ambitiøse kodningsarbejde og professionelt arbejde.

Se model

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Uptime

Anmodningssuccessrate over de seneste 30 dage, der afspejler pålideligheden hos hver modeludbyder. CometAPI overvåger alle tilsluttede udbydere i realtid, 24/7.

RespondLIVE

3205msAvg. Response

UptimeLIVE

96.6%Avg. Uptime

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

Z.AI

API live Populær

glm-5.2

GLM 5.2 API

GLM-5.2 er en væsentlig opdatering fra Zhipu inden for store open source-modeller og AI-kodning.

Startpris

$1.12 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Fungerer normalt

96.6% oppetid / 24t

Svartid

3205 ms

Observeret API-svartid

Udgivet

Jun 16, 2026

Z.AI

Playground

Prøv GLM 5.2 med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Oversigt

Et praktisk overblik over GLM 5.2, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for GLM-5.2

Punkt	GLM-5.2
Udbyder	Zhipu AI
Udgivelsesdato	June 13, 2026
Modeltype	Open-weight Mixture-of-Experts (MoE) LLM
Samlede parametre	~744B
Aktive parametre	~40B pr. token
Kontekstvindue	1,000,000 tokens
Maksimal output	131,072 tokens
Ræsonneringstilstande	High, Max
Licens	MIT
Primært fokus	Agentbaseret kodning, softwareudvikling, langsigtet ræsonnering
API-tilgængelighed	Z.ai-platformen og kompatible udbydere
Åbne vægte	Ja

Hovedfunktioner i GLM-5.2

1M-token kontekstvindue til hele repositories, omfattende dokumentationssæt og multi-session agent-arbejdsgange.
Kodnings-først optimering med fokus på refaktorering, fejlfinding, kodegenerering og softwareudviklingsopgaver.
Understøttelse af agentbaserede arbejdsgange til værktøjer som Claude Code, Cline, Roo Code, OpenCode og lignende kodeagenter.
Udgivelse med åbne vægte under MIT-licens, som muliggør selvhosting og finjustering.
To ræsonneringstilstande (High og Max), der muliggør afvejning mellem latenstid og ræsonneringsdybde.
Stor MoE-arkitektur med cirka 744B samlede parametre, mens kun ~40B aktiveres pr. token for effektivitet.

Benchmark-ydelse for GLM-5.2

Benchmark	Rapporteret score
Terminal-Bench 2.1	81.0
SWE-Bench Pro	62.1
NL2Repo	48.9
AIME 2026	99.2

GLM 5.2

GLM-5.2 vs GLM-5.1 vs Claude Opus 4.8

Specifikation	GLM-5.2	GLM-5.1	Claude Opus 4.8
Udgivelsesdato	2026-06-13	2026	2026
Kontekstvindue	1,000,000	~200,000	1,000,000
Åbne vægte	Ja (MIT)	Ja	Nej
Ræsonneringstilstande	High, Max	Standard	Extended Thinking
Samlede parametre	744B	744B	Ikke oplyst
Aktive parametre	40B	40B	Ikke oplyst
Officielle benchmarkdata	Ikke offentliggjort	Offentliggjort ved lancering	Offentliggjort

Hvorfor bruge GLM-5.2 via CometAPI?

CometAPI gør det muligt for udviklere at integrere GLM-5.2 via samme interface, som anvendes til dusinvis af førende AI-modeller.

Fordele omfatter:

Samlet autentificering på tværs af flere udbydere
OpenAI-kompatibel API-integration
Forenklet fakturering og forbrugsstyring
Hurtige eksperimenter med alternative modeller
Nem skift mellem kode-, ræsonnerings-, billede-, lyd- og videomodeller
Reduceret leverandørlåsning i produktionssystemer

Uanset om du bygger et AI-IDE, en intern engineering-assistent eller en enterprise-automationsplatform, minimerer CometAPI integrationsindsatsen samtidig med at fleksibiliteten bevares.

Sådan får du adgang til GLM-5.2 API på CometAPI

Kom i gang med vores produkt på blot nogle få trin...

Trin 1: Opret din GLM-5.2 API-nøgle

Trin 2: Send forespørgsler til GLM-5.2 API

Trin 3: Hent resultater og integrér GLM-5.2 API

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første forespørgsel

—

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

—

Estimeret CometAPI-forbrugsomkostning

Priser for GLM 5.2

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Indtast:$1.12/M Output:$3.528/M	Indtast:$1.4/M Output:$4.41/M	-20%

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/chat/completions

Eksempelkode og API til GLM 5.2

POST

/v1/chat/completions

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

response=$(curl -s https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior full-stack software engineer who is skilled at frontend development, backend architecture, and modern web stacks."
      },
      {
        "role": "user",
        "content": "Design and implement a personal blog website with a home page, article list, and article detail page using React and Node.js."
      }
    ],
    "thinking": {
      "type": "enabled"
    },
    "reasoning_effort": "max",
    "max_tokens": 65536,
    "temperature": 1.0
  }')

printf '%s
' "$response" | python -c 'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

cURL Code Example

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

response=$(curl -s https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "glm-5.2",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior full-stack software engineer who is skilled at frontend development, backend architecture, and modern web stacks."
      },
      {
        "role": "user",
        "content": "Design and implement a personal blog website with a home page, article list, and article detail page using React and Node.js."
      }
    ],
    "thinking": {
      "type": "enabled"
    },
    "reasoning_effort": "max",
    "max_tokens": 65536,
    "temperature": 1.0
  }')

printf '%s\n' "$response" | python -c 'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a senior full-stack software engineer who is skilled at "
                "frontend development, backend architecture, and modern web stacks."
            ),
        },
        {
            "role": "user",
            "content": (
                "Design and implement a personal blog website with a home page, "
                "article list, and article detail page using React and Node.js."
            ),
        },
    ],
    temperature=1.0,
    max_tokens=65536,
    reasoning_effort="max",
    extra_body={"thinking": {"type": "enabled"}},
)

print(completion.choices[0].message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://www.cometapi.com/console/token
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey: COMETAPI_KEY,
  baseURL: BASE_URL,
});

const completion = await client.chat.completions.create({
  model: "glm-5.2",
  messages: [
    {
      role: "system",
      content:
        "You are a senior full-stack software engineer who is skilled at frontend development, backend architecture, and modern web stacks.",
    },
    {
      role: "user",
      content:
        "Design and implement a personal blog website with a home page, article list, and article detail page using React and Node.js.",
    },
  ],
  thinking: { type: "enabled" },
  reasoning_effort: "max",
  max_tokens: 65536,
  temperature: 1.0,
});

console.log(completion.choices[0].message.content);

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-text

Input og output

Input

text

Output

text

Produktionsprofil

Udbyder: Z.AI
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug GLM 5.2 til produktions-workflows, der matcher dens text-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktionschat og agent-workflows

Kodning, analyse og struktureret generering

Automatisering i stor skala via én API

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

DeepSeek-V4-Flash-Vision

Flagskibsmodellen til kode og alt andet: agentbaseret værktøjskald, minimale hallucinationer, konfigurerbar ræsonnering.

Adgangen til Claude Fable 5 er blevet genoprettet. Claude Fable 5 bringer 5.-generations intelligens til dit mest ambitiøse kodningsarbejde og professionelt arbejde.

Se model

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Uptime

Anmodningssuccessrate over de seneste 30 dage, der afspejler pålideligheden hos hver modeludbyder. CometAPI overvåger alle tilsluttede udbydere i realtid, 24/7.

RespondLIVE

3205msAvg. Response

UptimeLIVE

96.6%Avg. Uptime

Bliv ved med at udforske