Kompaktes MoE-Geschwistermodell von GLM-4.5: 106B gesamt / 12B aktiv. Derselbe Hybrid-Reasoning- und Tool-Calling-Stack, optimiert für hohen Durchsatz und kostengünstige Inferenz. 128K Kontext.
GLM 4.5 Air ist ein Textgenerierungs-Sprachmodell, das von Z.ai entwickelt wurde. Es bietet einen Kontextfenster von 128.000 Token und kann in einer einzigen Antwort bis zu 96.000 Token generieren.…
GLM 4.5 Air ist auf Textgenerierung spezialisiert, mit einem starken Fokus auf logisches Denken, insbesondere auf mathematische Problemlösungen, was durch seinen Wert von 96,5 bei MATH-500 belegt wird. Es kann komplexe, mehrstufige Anweisungen verarbeiten, zusammenhängende Langtexte mit bis zu 96.000 Tokens generieren und den Kontext über 128.000 Tokens hinweg beibehalten. Zu den Fähigkeiten gehören die Beantwortung von sachlichen Fragen, die Zusammenfassung langer Dokumente, die Übersetzung von Texten zwischen Sprachen, das Durchführen logischer Schlussfolgerungen und das Schreiben von Code. Das Modell ist darauf ausgelegt, detaillierte Anweisungen zu befolgen und strukturierte Ausgaben zu liefern. Sein großes Kontextfenster ermöglicht es, mit ganzen Büchern, umfangreichen Berichten oder langen Gesprächsprotokollen zu arbeiten. Allerdings handelt es sich um ein reines Textmodell, das keine Bilder oder andere Medien verarbeiten kann. Für Aufgaben, die kein logisches Denken oder lange Ausgaben erfordern, könnte ein kleineres oder günstigeres Modell ausreichen.
Die besten Anwendungsfälle für GLM 4.5 Air umfassen Aufgaben, die von seinem großen Kontextfenster und der hohen Ausgabelimitierung profitieren. Beispiele hierfür sind: Analysieren und Zusammenfassen langer wissenschaftlicher Arbeiten, Erstellen detaillierter technischer Dokumentationen, schrittweises Lösen komplexer mathematischer Probleme, Erstellen umfassender Studienleitfäden und Verarbeiten umfangreicher Benutzerprotokolle oder Chatverläufe. Das Modell eignet sich auch gut für Programmieraufgaben, die das Verständnis langer Codedateien oder die Generierung großer Codebasen erfordern. Aufgrund seiner Preisstruktur – $0.20 Input und $1.10 Output pro Million Tokens – ist es kosteneffizient für Szenarien, in denen Input günstiger als Output ist. Anwendungen, die viele Tokens ausgeben müssen, wie das Verfassen langer Inhalte oder das Generieren mehrerer Argumentationsschritte, können im Vergleich zu Modellen mit höheren Output-Token-Kosten wirtschaftlich sein.
Während GLM 4.5 Air starke Argumentation und einen großen Kontext bietet, kann es für einfachere Aufgaben übertrieben sein. Erwägen Sie die Verwendung eines günstigeren, kleineren Modells, wenn die Aufgabe nicht seinen vollständigen Kontextfenster oder Ausgabelimit erfordert. Wenn Sie beispielsweise eine schnelle Klassifizierung, einfache Übersetzung oder kurze Antwortgenerierung benötigen, wäre ein Modell mit niedrigeren Token-Kosten wirtschaftlicher. Auch wenn Ihre Anwendung keine mathematischen Schlussfolgerungen oder Langformgenerierung beinhaltet, ist der Aufpreis für die Fähigkeiten von GLM 4.5 Air möglicherweise nicht gerechtfertigt. Die Ausgabekosten des Modells ($1.10 pro 1M Tokens) sind höher als seine Eingabekosten, sodass Aufgaben, die viele Ausgaben generieren (z. B. lange Zusammenfassungen aus kurzen Eingaben), teurer sein könnten als alternative Modelle mit niedrigeren Ausgabekosten. Bewerten Sie immer den Kompromiss zwischen Fähigkeit und Kosten für Ihren spezifischen Anwendungsfall.
Das MATH-500-Benchmark bewertet die Fähigkeit eines Modells, mathematische Probleme auf verschiedenen Schwierigkeitsstufen zu lösen, darunter Algebra, Geometrie, Zahlentheorie und mehr. Eine Punktzahl von 96,5 bedeutet, dass GLM 4.5 Air 96,5 % der Probleme im Testsatz korrekt beantwortet hat. Dies deutet auf eine starke mathematische Denkfähigkeit hin, vergleichbar mit oder übertreffend andere Modelle seiner Klasse. Es garantiert keine perfekte Leistung bei allen mathematischen Problemen, insbesondere bei solchen, die außerhalb der Verteilung des Benchmarks liegen. Benutzer sollten diese Punktzahl als Indikator für die Kompetenz des Modells im symbolischen Denken und schrittweisen Problemlösen interpretieren. Der Benchmark misst keine anderen wichtigen Fähigkeiten wie Kreativität, gesunden Menschenverstand oder Faktentreue. Für nicht-mathematische Aufgaben liefern andere Benchmarks einen relevanteren Vergleich.
Konkrete Latenzdaten für GLM 4.5 Air auf OrcaRouter werden nicht bereitgestellt. Im Allgemeinen hängt die Antwortgeschwindigkeit von Faktoren wie der Länge der Eingabe- und Ausgabetoken, der Serverlast und den Netzwerkbedingungen ab. Modelle mit größeren Kontextfenstern und Ausgabelimits können bei der Erzeugung sehr langer Antworten längere Verarbeitungszeiten aufweisen. Da GLM 4.5 Air bis zu 96.000 Token ausgeben kann, dauert das Erzeugen der maximalen Ausgabe wesentlich länger als kurze Antworten. Die API-Infrastruktur von OrcaRouter ist darauf ausgelegt, den Overhead zu minimieren, aber die tatsächliche Geschwindigkeit variiert. Für Anwendungen, bei denen eine niedrige Latenz entscheidend ist, sollten Sie kleinere Modelle oder kürzere Ausgabelängen in Betracht ziehen. Die Leistung des Modells bei MATH-500 deutet auf effizientes logisches Denken hin, aber Echtzeitanwendungen sollten unter erwarteter Last getestet werden.
Stärken: Hohe mathematische Argumentationsfähigkeit (MATH-500-Punktzahl 96,5). Großer 128K-Kontextfenster ermöglicht die Verarbeitung umfangreicher Texte. Maximale Ausgabe von 96.000 Token ermöglicht die Generierung vollständiger Dokumente. Null-Aufschlag-Bepreisung bei OrcaRouter sorgt für transparente Kosten. Einschränkungen: Nur Textmodus; kann keine Bilder, Audio oder Video verarbeiten. Die hohen Ausgabekosten (1,10 $ pro 1 M Token) können für Anwendungen, die häufig sehr lange Antworten generieren, prohibitiv sein. Benchmark-Werte für andere Bereiche (z. B. Allgemeinwissen, Codegenerierung) sind nicht angegeben, daher ist die allgemeine Vielseitigkeit unbekannt. Wie alle Sprachmodelle kann es falsche oder voreingenommene Ausgaben produzieren. Es hat standardmäßig keinen Internetzugriff oder Echtzeitwissen. Benutzer sollten Ausgaben für kritische Anwendungen validieren.
Die Preisgestaltung für GLM 4.5 Air erfolgt zum Anbietertarif ohne Aufschlag auf OrcaRouter. Die Kosten betragen 0,20 $ pro 1 Million Eingabetokens und 1,10 $ pro 1 Million Ausgabetokens. Eingabetokens umfassen den gesamten Text in der Eingabeaufforderung (System-, Benutzer- und Assistenten-Nachrichten bis zur letzten Antwort). Ausgabetokens sind der generierte Text. Es gibt keine zusätzlichen Gebühren oder Plattformaufschläge. Sie zahlen genau den Anbietertarif. Dieses transparente Preismodell ermöglicht es Ihnen, Kosten basierend auf der Token-Nutzung vorherzusagen. Die Abrechnung erfolgt in der Regel basierend auf der Anzahl der in jedem API-Aufruf verbrauchten Tokens. Auf OrcaRouter können Caching-Richtlinien gelten; überprüfen Sie die Plattformdokumentation auf Einzelheiten, ob wiederholte Aufrufe mit identischen Eingaben vergünstigt sind.
Der primäre Kompromiss liegt zwischen Leistungsfähigkeit und Kosten. GLM 4.5 Air bietet hohe Output-Limits und starke Reasoning-Fähigkeiten, jedoch sind die Kosten pro Output-Token ($1,10 pro 1M) relativ hoch. Bei Aufgaben, die aus kurzen Eingaben viele Output-Tokens generieren, können sich die Kosten schnell summieren. Umgekehrt profitieren Aufgaben mit großen Eingaben, aber kurzen Outputs von den niedrigeren Input-Kosten ($0,20 pro 1M). Die Null-Marge-Preisgestaltung bei OrcaRouter bedeutet, dass Sie über den Anbieterpreis hinaus keinen Aufschlag zahlen, aber Sie müssen dennoch die Token-Nutzung verwalten. Wenn Ihre Anwendung hauptsächlich kompakte Antworten erfordert, könnte ein Modell mit niedrigeren Output-Kosten wirtschaftlicher sein. Für Anwendungen, die lange Outputs oder umfangreiches Reasoning benötigen, kann GLM 4.5 Air trotz der höheren Output-Kosten kosteneffektiv sein, aufgrund seiner Leistung.
OrcaRouter kann Caching-Richtlinien implementieren, die die Kosten für wiederholte identische Eingabe-Token senken. Spezifische Rabattdetails für GLM 4.5 Air werden nicht bereitgestellt. Typischerweise gelten Caching-Rabatte für Prompt-Token, die bereits früher verarbeitet wurden, und senken so die effektiven Eingabekosten. Benutzer sollten die Dokumentation oder den Support von OrcaRouter konsultieren, um die aktuellen Caching-Praktiken zu bestätigen. Da die grundlegenden Eingabekosten mit 0,20 $ pro 1 M Token bereits niedrig sind, könnte Caching die Kosten für Anwendungen mit wiederholten Prompts weiter senken. Ausgabe-Token werden in der Regel nicht gecacht, da sie je nach Aufruf variieren. Überprüfen Sie stets die aktuellen Abrechnungsbedingungen direkt bei OrcaRouter, um verfügbare Rabatte oder Aktionen zu verstehen.
Um GLM 4.5 Air zu verwenden, senden Sie HTTP-Anfragen an den OpenAI-kompatiblen API-Endpunkt von OrcaRouter: https://api.orcarouter.ai/v1. Fügen Sie einen gültigen API-Schlüssel im Authorization-Header hinzu. Geben Sie im Anforderungstext das Modell als "z-ai/glm-4.5-air" an. Die API unterstützt die standardmäßigen OpenAI-Chat-Completion-Parameter: messages (Array von Objekten mit role und content), temperature, max_tokens, top_p, stop, frequency_penalty, presence_penalty und andere. Setzen Sie zum Beispiel "max_tokens" auf bis zu 96000, um die volle Ausgabekapazität zu nutzen. Die API gibt eine JSON-Antwort mit der generierten Completion zurück. Streaming wird unterstützt, indem "stream": true gesetzt wird. Stellen Sie sicher, dass Ihre Client-Bibliothek die korrekte Basis-URL und den Modellnamen verwendet. Die API von OrcaRouter ist mit den Client-SDKs von OpenAI kompatibel, sodass die Migration unkompliziert ist.
GLM 4.5 Air unterstützt eine Reihe von Parametern über die OpenAI-kompatible API von OrcaRouter. Erforderlich: model („z-ai/glm-4.5-air“) und messages. Optionale Parameter umfassen: temperature (0,0 bis 2,0, Standard 1,0) zur Steuerung der Zufälligkeit; top_p (0,0 bis 1,0) für das Nukleus-Sampling; max_tokens (bis zu 96000) zur Begrenzung der Ausgabelänge; stop (Liste von Sequenzen, die die Generierung anhalten); frequency_penalty und presence_penalty (beide -2,0 bis 2,0) zur Bestrafung von Token-Wiederholungen; und stream (Boolesch) für die Echtzeit-Token-Auslieferung. Das Kontextfenster umfasst 128000 Token. Stellen Sie daher sicher, dass die Gesamtzahl der Token in den Nachrichten plus der generierten Ausgabe dieses Limit nicht überschreitet; andernfalls wird die Anfrage gekürzt oder abgelehnt. OrcaRouter kann auch zusätzliche Parameter wie logit_bias oder user unterstützen; überprüfen Sie die Dokumentation. Beachten Sie stets die aktuelle API-Referenz für genaue Details.
Die Migration zu GLM 4.5 Air auf OrcaRouter ist einfach, wenn Sie bereits eine OpenAI-kompatible API verwenden. Ändern Sie die Basis-URL zu https://api.orcarouter.ai/v1, ersetzen Sie den Modellnamen durch "z-ai/glm-4.5-air" und verwenden Sie Ihren OrcaRouter-API-Schlüssel. Es sind keine weiteren Änderungen an der Anfragestruktur erforderlich, wenn Sie Standardparameter verwenden. Das Antwortformat ist identisch mit den Chat-Vervollständigungen von OpenAI. Wenn Sie von einer Nicht-OpenAI-Plattform migrieren, müssen Sie Ihren Code anpassen, um das Chat-Vervollständigungsformat zu verwenden. OrcaRouter unterstützt auch Funktionsaufrufe und Tool-Nutzung, obwohl nicht alle Modelle dies tun; überprüfen Sie, ob GLM 4.5 Air diese unterstützt. Testen Sie zunächst mit kleinen Anfragen, um Verhalten und Kosten zu validieren. OrcaRouter bietet eine guthabenbasierte Abrechnung, stellen Sie daher sicher, dass Sie vor der Migration ein ausreichendes Guthaben haben.
Im Katalog von OrcaRouter zeichnet sich GLM 4.5 Air durch die Kombination eines großen Kontextfensters (128K), einer hohen Ausgabelimitierung (96K) und einer starken mathematischen Argumentation (MATH-500 96.5) aus. Im Vergleich zu kleineren Modellen bietet es tiefere Argumentation, jedoch zu höheren Kosten pro Ausgabetoken. Im Vergleich zu größeren oder führenden Modellen fehlt es möglicherweise an allgemeiner Wissensbreite oder multimodalen Fähigkeiten, ist aber für reine Textaufgaben mit hohem Argumentationsbedarf kosteneffizienter. Die Preisgestaltung ohne Aufschlag macht es wettbewerbsfähig gegenüber Modellen mit ähnlichen Fähigkeiten, die möglicherweise Plattformgebühren enthalten. Für Anwendungen, die keine Mathematik oder lange Ausgaben erfordern, gibt es günstigere Alternativen. Für Aufgaben, die multimodale Eingaben erfordern, wären andere Modelle mit Bildverarbeitung besser geeignet. Insgesamt nimmt es eine Nische als dedizierte Argumentations-Engine mit großzügigen Token-Grenzen ein.
GLM 4.5 Air ist eine Variante der GLM-4-Familie von Z.ai. Obwohl keine direkten Vergleiche vorliegen, deutet die Bezeichnung „Air“ typischerweise auf eine leichtere oder kostenoptimierte Version im Vergleich zum Basis-Modell GLM-4 hin. Es opfert wahrscheinlich etwas Leistung zugunsten geringerer Latenz oder niedrigerer Kosten, obwohl der MATH-500-Wert von 96,5 darauf hindeutet, dass es weiterhin starke Reasoning-Fähigkeiten besitzt. Der Kontextfenster (128K) und das Ausgabelimit (96K) sind großzügig und möglicherweise größer als bei früheren GLM-4-Versionen. Die Preise (0,20 $ / 1,10 $ pro 1 Million Token) sind wettbewerbsfähig. Ohne direkte Benchmark-Vergleiche sollten Nutzer beide Modelle an ihren spezifischen Aufgaben testen. Die Hauptunterschiede könnten in Geschwindigkeit, Effizienz oder leicht unterschiedlichen Trainingsdaten liegen. OrcaRouter bietet möglicherweise andere GLM-4-Modelle mit anderen Preisen an; vergleichen Sie Token-Kosten und Leistung, um die beste Wahl zu treffen.
GLM 4.5 Air ist ein proprietäres Modell von Z.ai, nicht Open-Weight. Im Vergleich zu Open-Weight-Modellen wie denen der Llama- oder Mistral-Familien bietet es den Vorteil, dass es von OrcaRouter gehostet und verwaltet wird, ohne dass ein Self-Hosting-Aufwand anfällt. Die Preisgestaltung erfolgt pro Token, während offene Modelle Kosten für die Recheninfrastruktur erfordern. Der MATH-500-Score ist hoch, aber offene Modelle können andere Stärken haben (z. B. breiteres Wissen). Das Kontextfenster (128K) ist groß, aber einige offene Modelle bieten ähnliche oder größere Kontexte. Das Ausgabelimit von 96K Token ist im Vergleich zu den meisten offenen Modellen ungewöhnlich hoch, die typischerweise bei 4K-32K gedeckelt sind. Für Benutzer, die sehr lange Generierungen benötigen, ohne die Infrastruktur verwalten zu müssen, ist GLM 4.5 Air praktisch. Für diejenigen, die Anpassbarkeit oder Datensouveränität benötigen, sind Open-Weight-Modelle möglicherweise vorzuziehen.
GLM 4.5 Air ist rein textbasiert und kann daher keine Bilder, Audiodateien oder Videos verarbeiten. Falls Ihre Anwendung das Verständnis visueller Inhalte erfordert (z. B. Diagrammanalyse, Handschrifterkennung, Fotointerpretation), benötigen Sie ein multimodales Modell wie GPT-4V oder Claude 3. Ebenso kann es keine Bilder oder Sprache generieren. Für Aufgaben, die Text- und Bildverständnis kombinieren, ist ein multimodales Modell unerlässlich. Die Stärke von GLM 4.5 Air liegt ausschließlich in der textbasierten Argumentation und Textgenerierung. Anwender sollten prüfen, ob ihr Anwendungsfall tatsächlich multimodale Eingaben erfordert oder ob reiner Text ausreicht. Falls reiner Text genügt, kann GLM 4.5 Air für rechenintensive Aufgaben kosteneffizienter sein als multimodale Modelle, die oft höhere Token-Raten verlangen und möglicherweise Bildverarbeitungsfunktionen enthalten, die nicht genutzt werden.
OpenAI-kompatibel — behalte dein bisheriges SDK
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| Eingabe / 1M Tokens | $0.200 |
| Ausgabe / 1M Tokens | $1.10 |
| Cache-Lesen / 1M | $0.030 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/z-ai/glm-4.5-airÖffnen @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