شقيق MoE المضغوط لـ GLM-4.5: إجمالي 106B / 12B نشط. نفس مكدس التفكير الهجين واستدعاء الأدوات المُضبَّط للاستدلال عالي الإنتاجية ومنخفض التكلفة. سياق 128 ألف.
GLM 4.5 Air هو نموذج لتوليد النصوص طورته شركة Z.ai. يقدم نافذة سياقية بسعة 128,000 رمزًا، ويمكنه توليد ما يصل إلى 96,000 رمزًا في استجابة واحدة. تم تحسين النموذج لمهام التفكير الرياضي والمنطقي، كما…
يتخصص GLM 4.5 Air في توليد النصوص مع تركيز قوي على التفكير المنطقي، وخاصة حل المشكلات الرياضية، كما يتجلى ذلك في نتيجته البالغة 96.5 على اختبار MATH-500. يمكنه معالجة التعليمات المعقدة متعددة الخطوات، وتوليد نصوص طويلة متماسكة يصل طولها إلى 96,000 رمز، والحفاظ على السياق عبر 128,000 رمز. تشمل القدرات الإجابة عن الأسئلة الواقعية، وتلخيص المستندات الطويلة، وترجمة النصوص بين اللغات، وإجراء الاستنتاجات المنطقية، وكتابة الأكواد. صُمم النموذج لاتباع التعليمات التفصيلية وإنتاج مخرجات منظمة. تسمح نافذة السياق الواسعة له بالعمل مع الكتب الكاملة، أو التقارير الممتدة، أو سجلات المحادثات الطويلة. ومع ذلك، فهو نموذج نصي فقط ولا يمكنه معالجة الصور أو الوسائط الأخرى. بالنسبة للمهام التي لا تتطلب تفكيرًا أو مخرجات طويلة، قد يكون نموذج أصغر أو أرخص كافيًا.
أفضل حالات الاستخدام لنموذج GLM 4.5 Air تتضمن المهام التي تستفيد من نافذة السياق الواسعة وحد الإخراج العالي. تشمل الأمثلة: تحليل وتلخيص الأوراق الأكاديمية الطويلة، إنشاء وثائق تقنية مفصلة، حل المسائل الرياضية المعقدة خطوة بخطوة، إعداد أدلة دراسة شاملة، ومعالجة سجلات المستخدمين أو سجلات المحادثات الضخمة. كما يؤدي النموذج أداءً جيدًا في مهام البرمجة التي تتطلب فهم ملفات كود طويلة أو إنشاء قواعد كود كبيرة. نظرًا لهيكل تسعيره – $0.20 للإدخال و $1.10 للإخراج لكل مليون رمز – فهو فعال من حيث التكلفة في السيناريوهات التي يكون فيها الإدخال أرخص من الإخراج. التطبيقات التي تحتاج إلى إخراج العديد من الرموز، مثل كتابة المحتوى الطويل أو توليد خطوات استدلال متعددة، يمكن أن تكون اقتصادية مقارنة بالنماذج ذات تكاليف رموز الإخراج الأعلى.
بينما يوفر GLM 4.5 Air قدرات استدلال قوية وسياقًا كبيرًا، إلا أنه قد يكون مبالغًا فيه للمهام البسيطة. فكر في استخدام نموذج أصغر وأرخص عندما لا تتطلب المامة كامل نافذة السياق أو حد الإخراج الخاص به. على سبيل المثال، إذا كنت بحاجة إلى تصنيف سريع، أو ترجمة بسيطة، أو توليد إجابات قصيرة، فإن نموذجًا بتكاليف رمزية أقل سيكون أكثر اقتصادًا. أيضًا، إذا كان تطبيقك لا يتضمن استدلالًا رياضيًا أو توليد نصوص طويلة، فقد لا تكون التكلفة الإضافية لقدرات GLM 4.5 Air مبررة. تكلفة إخراج النموذج (1.10 دولار لكل مليون رمز) أعلى من تكلفة إدخاله، لذا فإن المهام التي تولد الكثير من الإخراج (مثل الملخصات الطويلة من المدخلات القصيرة) قد تكون أكثر تكلفة من النماذج البديلة ذات تكاليف الإخراج الأقل. قم دائمًا بتقييم المفاضلة بين القدرة والتكلفة وفقًا لحالة الاستخدام الخاصة بك.
يقيم معيار MATH-500 قدرة النموذج على حل المسائل الرياضية عبر مستويات صعوبة مختلفة، بما في ذلك الجبر والهندسة ونظرية الأعداد وغيرها. تشير درجة 96.5 إلى أن GLM 4.5 Air أجاب بشكل صحيح عن 96.5% من المسائل في مجموعة الاختبار. يشير هذا إلى قدرة قوية في التفكير الرياضي، مماثلة أو متفوقة على النماذج الأخرى في فئتها. لا يضمن ذلك أداءً مثالياً على جميع المسائل الرياضية، خاصة تلك التي تقع خارج توزيع المعيار. يجب على المستخدمين تفسير هذه الدرجة كمؤشر على كفاءة النموذج في التفكير الرمزي وحل المشكلات خطوة بخطوة. لا يقيس المعيار مهارات مهمة أخرى مثل الإبداع أو الفطرة السليمة أو الدقة الواقعية. بالنسبة للمهام غير الرياضية، توفر المعايير الأخرى مقارنة أكثر صلة.
بيانات زمن الاستجابة المحددة لـ GLM 4.5 Air على OrcaRouter غير متوفرة. بشكل عام، تعتمد سرعة الاستجابة على عوامل مثل طول رموز الإدخال والإخراج، وحمل الخادم، وظروف الشبكة. النماذج ذات نوافذ السياق الأكبر وحدود الإخراج قد تظهر أوقات معالجة أطول عند توليد استجابات طويلة جدًا. نظرًا لأن GLM 4.5 Air يمكنه إخراج ما يصل إلى 96,000 رمز، فإن توليد الحد الأقصى للإخراج سيستغرق وقتًا أطول بكثير من الاستجابات القصيرة. البنية التحتية لواجهة برمجة التطبيقات الخاصة بـ OrcaRouter مصممة لتقليل النفقات العامة، ولكن السرعة الفعلية ستختلف. بالنسبة للتطبيقات التي يكون فيها زمن الاستجابة المنخفض أمرًا بالغ الأهمية، فكر في استخدام نماذج أصغر أو أطوال إخراج أقصر. يشير أداء النموذج على MATH-500 إلى كفاءة الاستدلال، ولكن يجب اختبار التطبيقات في الوقت الفعلي تحت الحمل المتوقع.
نقاط القوة: قدرة عالية على الاستدلال الرياضي (درجة MATH-500 96.5). نافذة السياق الكبيرة 128K تسمح بمعالجة النصوص الطويلة. الحد الأقصى للمخرجات البالغ 96,000 رمزًا يتيح إنشاء مستندات كاملة الطول. التسعير بدون هامش ربح على OrcaRouter يجعل التكاليف شفافة. القيود: وسيلة نصية فقط؛ لا يمكن معالجة الصور أو الصوت أو الفيديو. قد تكون تكلفة المخرجات المرتفعة (1.10 دولار لكل مليون رمز) باهظة للتطبيقات التي تُنشئ ردودًا طويلة جدًا بشكل متكرر. لم يتم تقديم درجات المعايير للمجالات الأخرى (مثل المعرفة العامة، توليد الأكواد)، لذلك فإن تنوعها العام غير معروف. مثل جميع نماذج اللغة، قد تُنتج مخرجات غير صحيحة أو متحيزة. لا تملك وصولاً إلى الإنترنت أو معرفة في الوقت الفعلي بشكل افتراضي. يجب على المستخدمين التحقق من صحة المخرجات للتطبيقات الحرجة.
تسعير نموذج GLM 4.5 Air يتم احتسابه وفقًا لسعر المزود دون أي رسوم إضافية على OrcaRouter. التكلفة هي 0.20 دولار لكل مليون رمز إدخال و1.10 دولار لكل مليون رمز إخراج. تتضمن رموز الإدخال جميع النصوص في الاستفسار (رسائل النظام والمستخدم والمساعد حتى آخر رد). رموز الإخراج هي النص المولد. لا توجد رسوم إضافية أو عمولات من المنصة. أنت تدفع بالضبط سعر المزود. يتيح لك نموذج التسعير الشفاف هذا توقع التكاليف بناءً على استخدام الرموز. عادةً ما يعتمد الفوترة على عدد الرموز المستهلكة في كل استدعاء API. قد تنطبق سياسات التخزين المؤقت على OrcaRouter؛ يُرجى مراجعة وثائق المنصة للحصول على تفاصيل حول ما إذا كانت الاستدعاءات المتكررة بمدخلات متطابقة تخضع لخصم.
المقايضة الرئيسية هي بين القدرة والتكلفة. تقدم GLM 4.5 Air حدود إخراج عالية واستدلالًا قويًا، لكن تكلفة رمز الإخراج ($1.10 per 1M) مرتفعة نسبيًا. بالنسبة للمهام التي تولد العديد من رموز الإخراج من مدخلات قصيرة، يمكن أن تتراكم التكلفة بسرعة. على العكس، تستفيد المهام ذات المدخلات الكبيرة ولكن المخرجات القصيرة من تكلفة الإدخال المنخفضة ($0.20 per 1M). التسعير بدون هامش ربح على OrcaRouter يعني أنك لا تدفع مبلغًا إضافيًا يتجاوز سعر المزود، ولكنك لا تزال بحاجة إلى إدارة استخدام الرموز. إذا كان تطبيقك يتطلب بشكل أساسي ردودًا مدمجة، فقد يكون النموذج ذو تكلفة إخراج أقل أكثر اقتصادًا. بالنسبة للتطبيقات التي تتطلب مخرجات طويلة أو استدلالًا كثيفًا، قد تكون GLM 4.5 Air فعالة من حيث التكلفة على الرغم من تكلفة الإخراج الأعلى بسبب أدائها.
قد يطبق OrcaRouter سياسات تخزين مؤقت تقلل من تكلفة الرموز المميزة المتكررة للإدخال المتطابق. لا يتم توفير تفاصيل خصم محددة لـ GLM 4.5 Air. عادةً، تنطبق خصومات التخزين المؤقت على رموز المطالبة التي تمت معالجتها مسبقًا، مما يخفض تكلفة الإدخال الفعلية. يجب على المستخدمين الرجوع إلى وثائق OrcaRouter أو دعمه لتأكيد ممارسات التخزين المؤقت الحالية. نظرًا لأن تكلفة الإدخال الأساسية منخفضة بالفعل عند 0.20 دولار لكل مليون رمز، فقد يؤدي التخزين المؤقت إلى خفض التكاليف بشكل أكبر للتطبيقات ذات المطالبات المتكررة. لا يتم تخزين رموز الإخراج مؤقتًا عمومًا لأنها تختلف باختلاف كل استدعاء. تحقق دائمًا من أحدث شروط الفوترة مباشرةً مع OrcaRouter لفهم أي خصومات أو عروض ترويجية متاحة.
لاستخدام GLM 4.5 Air، أرسل طلبات HTTP إلى نقطة نهاية API المتوافقة مع OpenAI من OrcaRouter: https://api.orcarouter.ai/v1. قم بتضمين مفتاح API صالح في رأس Authorization. حدد النموذج كـ "z-ai/glm-4.5-air" في جسم الطلب. تدعم API معلمات إكمال الدردشة القياسية من OpenAI: messages (مصفوفة من الكائنات مع role وcontent)، temperature، max_tokens، top_p، stop، frequency_penalty، presence_penalty وغيرها. على سبيل المثال، قم بتعيين "max_tokens" إلى ما يصل إلى 96000 لاستخدام سعة الإخراج الكاملة. تعيد API استجابة JSON مع الإكمال المُنشأ. يتم دعم البث عن طريق تعيين "stream": true. تأكد من أن مكتبة العميل الخاصة بك تستخدم عنوان URL الأساسي الصحيح واسم النموذج. API الخاصة بـ OrcaRouter متوافقة مع SDKs الخاصة بعملاء OpenAI، لذا فإن الانتقال مباشر.
GLM 4.5 Air يدعم مجموعة من المعاملات عبر واجهة OrcaRouter المتوافقة مع OpenAI. الإلزامي: model ("z-ai/glm-4.5-air") و messages. المعاملات الاختيارية تشمل: temperature (من 0.0 إلى 2.0، الافتراضي 1.0) للتحكم في العشوائية؛ top_p (من 0.0 إلى 1.0) لأخذ العينات النووية؛ max_tokens (حتى 96000) للحد من طول المخرجات؛ stop (قائمة من التسلسلات لإيقاف التوليد)؛ frequency_penalty و presence_penalty (كلاهما من -2.0 إلى 2.0) لمعاقبة تكرار الرموز؛ و stream (منطقي) للتسليم الفوري للرموز. نافذة السياق هي 128000 رمز، لذا تأكد من أن إجمالي الرموز في الرسائل بالإضافة إلى المخرجات المُنشأة لا يتجاوز هذا الحد؛ وإلا، سيتم اقتطاع الطلب أو رفضه. قد يدعم OrcaRouter أيضًا معاملات إضافية مثل logit_bias أو user؛ تحقق من الوثائق. ارجع دائمًا إلى أحدث مرجع API للحصول على التفاصيل الدقيقة.
الانتقال إلى GLM 4.5 Air على OrcaRouter بسيط إذا كنت تستخدم بالفعل واجهة API متوافقة مع OpenAI. قم بتغيير URL الأساسي إلى https://api.orcarouter.ai/v1، واستبدل اسم النموذج بـ "z-ai/glm-4.5-air"، واستخدم مفتاح API الخاص بـ OrcaRouter. لا يلزم إجراء أي تغييرات أخرى على هيكل الطلب إذا كنت تستخدم المعايير القياسية. تنسيق الرد مطابق لتنسيق chat completions الخاص بـ OpenAI. إذا كنت تنتقل من منصة غير OpenAI، فستحتاج إلى تكييف الكود الخاص بك لاستخدام تنسيق chat completions. يدعم OrcaRouter أيضًا استدعاء الوظائف واستخدام الأدوات، لكن ليس كل النماذج تفعل ذلك؛ تحقق مما إذا كان GLM 4.5 Air يدعم هذه الميزات. اختبر أولاً بطلبات صغيرة للتحقق من السلوك والتكاليف. يوفر OrcaRouter فوترة تعتمد على الرصيد، لذا تأكد من أن لديك رصيدًا كافيًا قبل الانتقال.
ضمن فهرس OrcaRouter، تبرز GLM 4.5 Air بمزيج من نافذة سياق كبيرة (128K)، وحد إخراج مرتفع (96K)، وقوة استدلال رياضي (MATH-500 96.5). مقارنة بالنماذج الأصغر، تقدم استدلالًا أعمق لكن بتكلفة أعلى لكل رمز إخراج. مقارنة بالنماذج الأكبر أو الحدودية، قد تفتقر إلى اتساع المعرفة العامة أو القدرات متعددة الوسائط، لكنها أكثر فعالية من حيث التكلفة للمهام النصية التي تتطلب استدلالًا كثيفًا. التسعير بدون هوامش ربح يجعلها تنافسية أمام النماذج ذات القدرات المماثلة التي قد تتضمن رسومًا منصية. للتطبيقات التي لا تتطلب الرياضيات أو المخرجات الطويلة، توجد بدائل أرخص. للمهام التي تحتاج إلى إدخال متعدد الوسائط، ستكون أفضل النماذج الأخرى المجهزة بمعالجة الصور. بشكل عام، تحتل مكانة مخصصة كمحرك استدلالي متخصص مع حدود رمزية سخية.
GLM 4.5 Air هو إصدار مختلف من عائلة GLM-4 من Z.ai. على الرغم من عدم تقديم مقارنات محددة، فإن تسمية "Air" تشير عادةً إلى نسخة أخف وزنًا أو محسّنة من حيث التكلفة مقارنةً بنموذج GLM-4 الأساسي. من المحتمل أن يضحي ببعض الأداء مقابل زمن استجابة أقل أو تكلفة أقل، على الرغم من أن درجة MATH-500 البالغة 96.5 تشير إلى احتفاظه بقدرة استدلال قوية. نافذة السياق (128K) وحد الإخراج (96K) سخيتان، وربما أكبر من إصدارات GLM-4 السابقة. التسعير (0.20 دولار/1.10 دولار لكل مليون رمز) تنافسي. بدون مقارنات قياسية مباشرة، يجب على المستخدمين اختبار كلا النموذجين على مهامهم المحددة. قد تكون الاختلافات الرئيسية في السرعة أو الكفاءة أو بيانات تدريب مختلفة قليلاً. قد يقدم OrcaRouter نماذج GLM-4 أخرى بأسعار مختلفة؛ قارن تكاليف الرموز والأداء لاختيار الأنسب.
GLM 4.5 Air هو نموذج خاص من Z.ai، وليس مفتوح الأوزان. مقارنة بالنماذج مفتوحة الأوزان مثل تلك من عائلتي Llama أو Mistral، فإنه يوفر ميزة الاستضافة والإدارة عبر OrcaRouter دون الحاجة إلى تحمل تكاليف الاستضافة الذاتية. تسعيره يعتمد على كل رمز (per-token)، بينما تتطلب النماذج المفتوحة تكاليف البنية التحتية للحوسبة. درجة MATH-500 عالية، لكن النماذج المفتوحة قد تمتلك نقاط قوة مختلفة (مثل المعرفة الأوسع). نافذة السياق (128 ألف رمز) كبيرة، لكن بعض النماذج المفتوحة تقدم نافذة سياق مماثلة أو أكبر. حد الإخراج البالغ 96 ألف رمز مرتفع بشكل غير معتاد مقارنة بمعظم النماذج المفتوحة التي عادةً ما تكتفي بـ 4 آلاف إلى 32 ألف رمز. بالنسبة للمستخدمين الذين يحتاجون إلى توليد نصوص طويلة جداً دون إدارة البنية التحتية، فإن GLM 4.5 Air مناسب. أما بالنسبة لمن يحتاجون إلى قابلية التخصيص أو سيادة البيانات، فقد تكون النماذج مفتوحة الأوزان مفضلة.
GLM 4.5 Air هو نموذج نصي فقط، لذا لا يمكنه معالجة الصور أو الصوت أو الفيديو. إذا كان تطبيقك يتطلب فهم المحتوى البصري (مثل تحليل الرسوم البيانية، قراءة الخط اليدوي، تفسير الصور)، فستحتاج إلى نموذج متعدد الوسائط مثل GPT-4V أو Claude 3. وبالمثل، لا يمكنه إنشاء صور أو كلام. بالنسبة للمهام التي تجمع بين التفكير النصي والبصري، سيكون النموذج متعدد الوسائط ضروريًا. تكمن قوة GLM 4.5 Air في التفكير النصي والتوليد فقط. يجب على المستخدمين تقييم ما إذا كانت حالة الاستخدام الخاصة بهم تحتاج حقًا إلى إدخال متعدد الوسائط أم أن النص فقط كافٍ. إذا كان النص فقط كافيًا، فقد يكون GLM 4.5 Air أكثر فعالية من حيث التكلفة للمهام التي تعتمد على التفكير المكثف مقارنة بالنماذج متعددة الوسائط، التي غالبًا ما تفرض معدلات رموز أعلى وقد تتضمن قدرات بصرية غير مستخدمة.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="z-ai/glm-4.5-air",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)do_sampleinclude_reasoningmax_tokensreasoningrequest_idresponse_formatstopstreamtemperaturethinkingtool_choicetool_streamtoolstop_puser_id| الإدخال / 1M توكن | $0.200 |
| الإخراج / 1M توكن | $1.10 |
| قراءة الذاكرة المؤقتة / 1M | $0.030 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
GET /api/public/models/z-ai/glm-4.5-airفتح @misc{orcarouter_glm_4_5_air,
title = {GLM 4.5 Air API},
author = {Z.ai},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/z-ai/glm-4.5-air}
}Z.ai. (2025). GLM 4.5 Air API. OrcaRouter. https://www.orcarouter.ai/models/z-ai/glm-4.5-air