Version MoE compacte de GLM-4.5 : 106B total / 12B actif. Même pile de raisonnement hybride et d'appel d'outils optimisée pour une inférence à haut débit et faible coût. Contexte de 128K.
GLM 4.5 Air est un modèle de génération de texte développé par Z.ai. Il offre une fenêtre de contexte de 128 000 tokens et peut générer jusqu'à 96 000 tokens en une seule réponse. Le modèle est…
GLM 4.5 Air se spécialise dans la génération de texte avec un fort accent sur le raisonnement, en particulier la résolution de problèmes mathématiques, comme en témoigne son score de 96,5 sur MATH-500. Il peut gérer des instructions complexes en plusieurs étapes, générer un texte cohérent de longue forme jusqu'à 96 000 tokens et maintenir le contexte sur 128 000 tokens. Ses capacités incluent répondre à des questions factuelles, résumer des documents volumineux, traduire du texte entre les langues, effectuer des déductions logiques et écrire du code. Le modèle est conçu pour suivre des instructions détaillées et produire des sorties structurées. Sa grande fenêtre de contexte lui permet de travailler avec des livres entiers, des rapports étendus ou de longs journaux de conversation. Cependant, il s'agit d'un modèle uniquement textuel et il ne peut pas traiter les images ou autres médias. Pour les tâches qui ne nécessitent pas de raisonnement ou de sorties longues, un modèle plus petit ou moins cher pourrait suffire.
Les meilleurs cas d'utilisation pour GLM 4.5 Air impliquent des tâches qui bénéficient de sa grande fenêtre de contexte et de sa limite de sortie élevée. Les exemples incluent : l'analyse et la synthèse de longs articles académiques, la génération de documentation technique détaillée, la résolution étape par étape de problèmes mathématiques complexes, la création de guides d'étude complets, et le traitement de vastes journaux d'utilisateurs ou d'historiques de chat. Le modèle fonctionne également bien sur des tâches de codage qui nécessitent la compréhension de longs fichiers de code ou la génération de grandes bases de code. En raison de sa structure de tarification – $0.20 par million de tokens en entrée et $1.10 en sortie – il est rentable pour les scénarios où l'entrée est moins chère que la sortie. Les applications qui doivent produire de nombreux tokens, comme la rédaction de contenu long ou la génération de plusieurs étapes de raisonnement, peuvent être économiques par rapport aux modèles ayant des coûts de tokens de sortie plus élevés.
Bien que GLM 4.5 Air offre un raisonnement puissant et un large contexte, il peut être excessif pour des tâches plus simples. Envisagez d'utiliser un modèle moins cher et plus petit lorsque la tâche ne nécessite pas toute sa fenêtre de contexte ou sa limite de sortie. Par exemple, si vous avez besoin d'une classification rapide, d'une simple traduction ou de générer des réponses courtes, un modèle avec des coûts de token plus faibles serait plus économique. De plus, si votre application n'implique pas de raisonnement mathématique ou de génération de longs textes, la prime pour les capacités de GLM 4.5 Air peut ne pas être justifiée. Le coût de sortie du modèle (1,10 $ par million de tokens) est plus élevé que son coût d'entrée, donc les tâches qui génèrent beaucoup de sorties (par exemple, des résumés longs à partir d'entrées courtes) pourraient être plus coûteuses que des modèles alternatifs avec des coûts de sortie plus faibles. Évaluez toujours le compromis entre capacité et coût pour votre cas d'utilisation spécifique.
Le benchmark MATH-500 évalue la capacité d’un modèle à résoudre des problèmes mathématiques de différents niveaux de difficulté, notamment l’algèbre, la géométrie, la théorie des nombres, etc. Un score de 96,5 indique que GLM 4.5 Air a correctement répondu à 96,5 % des problèmes de l’ensemble de test. Cela suggère une forte capacité de raisonnement mathématique, comparable ou supérieure à celle d’autres modèles de sa catégorie. Cela ne garantit pas une performance parfaite sur tous les problèmes mathématiques, en particulier ceux qui sortent de la distribution du benchmark. Les utilisateurs doivent interpréter ce score comme un indicateur de la compétence du modèle en raisonnement symbolique et en résolution de problèmes étape par étape. Le benchmark ne mesure pas d’autres compétences importantes telles que la créativité, le bon sens ou la factualité. Pour les tâches non mathématiques, d’autres benchmarks fourniraient une comparaison plus pertinente.
Les données de latence spécifiques pour GLM 4.5 Air sur OrcaRouter ne sont pas fournies. En général, la vitesse de réponse dépend de facteurs tels que la longueur des tokens en entrée et en sortie, la charge du serveur et les conditions réseau. Les modèles avec des fenêtres de contexte plus grandes et des limites de sortie peuvent présenter des temps de traitement plus longs lors de la génération de réponses très longues. Étant donné que GLM 4.5 Air peut produire jusqu'à 96 000 tokens, générer la sortie maximale prendra beaucoup plus de temps que les réponses courtes. L'infrastructure API d'OrcaRouter est conçue pour minimiser la surcharge, mais la vitesse réelle variera. Pour les applications où une faible latence est critique, envisagez d'utiliser des modèles plus petits ou des longueurs de sortie plus courtes. Les performances du modèle sur MATH-500 suggèrent un raisonnement efficace, mais les applications en temps réel doivent être testées sous la charge attendue.
Points forts : Haute capacité de raisonnement mathématique (score MATH-500 de 96.5). Une grande fenêtre de contexte de 128K permet de traiter des textes volumineux. Une sortie maximale de 96 000 jetons permet de générer des documents de longueur complète. La tarification sans marge sur OrcaRouter rend les coûts transparents. Limitations : Modalité textuelle uniquement ; ne peut pas traiter les images, l'audio ou la vidéo. Le coût élevé de sortie ($1.10 par 1M de jetons) peut être prohibitif pour les applications qui génèrent très fréquemment de longues réponses. Les scores de référence pour d'autres domaines (par exemple, connaissances générales, génération de code) ne sont pas fournis, donc sa polyvalence globale est inconnue. Comme tous les modèles de langage, il peut produire des sorties incorrectes ou biaisées. Il n'a pas accès à Internet ni de connaissances en temps réel par défaut. Les utilisateurs doivent valider les sorties pour les applications critiques.
Le tarif pour GLM 4.5 Air est facturé au taux du fournisseur sans marge sur OrcaRouter. Le coût est de 0,20 $ par million de tokens en entrée et de 1,10 $ par million de tokens en sortie. Les tokens en entrée incluent tout le texte du prompt (messages système, utilisateur et assistant jusqu'à la dernière réponse). Les tokens en sortie correspondent au texte généré. Il n'y a aucun frais supplémentaire ni surcoût de plateforme. Vous payez exactement le taux du fournisseur. Ce modèle de tarification transparent vous permet de prévoir les coûts en fonction de l'utilisation des tokens. La facturation est généralement basée sur le nombre de tokens consommés lors de chaque appel API. Des politiques de mise en cache peuvent s'appliquer sur OrcaRouter ; consultez la documentation de la plateforme pour savoir si les appels répétés avec des entrées identiques donnent lieu à une réduction.
Le principal compromis se situe entre la capacité et le coût. GLM 4.5 Air offre des limites de sortie élevées et un raisonnement puissant, mais son coût par jeton de sortie (1,10 $ par million) est relativement élevé. Pour les tâches qui génèrent de nombreux jetons de sortie à partir d’entrées courtes, le coût peut s’accumuler rapidement. À l’inverse, les tâches avec de grandes entrées mais de courtes sorties bénéficient du coût d’entrée inférieur (0,20 $ par million). La tarification sans marge sur OrcaRouter signifie que vous ne payez pas de supplément au-delà du tarif du fournisseur, mais vous devez tout de même gérer l’utilisation des jetons. Si votre application nécessite principalement des réponses concises, un modèle avec un coût de sortie inférieur pourrait être plus économique. Pour les applications nécessitant de longues sorties ou un raisonnement poussé, GLM 4.5 Air peut être rentable malgré son coût de sortie plus élevé grâce à ses performances.
OrcaRouter peut mettre en œuvre des politiques de mise en cache qui réduisent le coût pour les jetons d’entrée identiques et répétés. Les détails spécifiques des réductions pour GLM 4.5 Air ne sont pas fournis. Généralement, les réductions de mise en cache s’appliquent aux jetons d’invite déjà traités auparavant, ce qui abaisse le coût effectif d’entrée. Les utilisateurs doivent consulter la documentation ou le support d’OrcaRouter pour confirmer les pratiques actuelles de mise en cache. Étant donné que le coût de base d’entrée est déjà bas, à 0,20 $ par million de jetons, la mise en cache pourrait réduire davantage les coûts pour les applications avec des invites répétitives. Les jetons de sortie ne sont généralement pas mis en cache car ils varient à chaque appel. Vérifiez toujours les conditions de facturation les plus récentes directement auprès d’OrcaRouter pour comprendre les éventuelles réductions ou promotions disponibles.
Pour utiliser GLM 4.5 Air, envoyez des requêtes HTTP au point de terminaison compatible OpenAI d’OrcaRouter : https://api.orcarouter.ai/v1. Incluez une clé API valide dans l’en-tête Authorization. Spécifiez le modèle comme "z-ai/glm-4.5-air" dans le corps de la requête. L’API prend en charge les paramètres standards d’achèvement de chat d’OpenAI : messages (tableau d’objets avec rôle et contenu), temperature, max_tokens, top_p, stop, frequency_penalty, presence_penalty, et autres. Par exemple, définissez "max_tokens" sur jusqu’à 96000 pour utiliser toute la capacité de sortie. L’API renvoie une réponse JSON avec l’achèvement généré. Le streaming est pris en charge en définissant "stream": true. Assurez-vous que votre bibliothèque cliente utilise la bonne URL de base et le bon nom de modèle. L’API d’OrcaRouter est compatible avec les SDK clients d’OpenAI, donc la migration est simple.
GLM 4.5 Air prend en charge une gamme de paramètres via l'API compatible OpenAI d'OrcaRouter. Requis : model ("z-ai/glm-4.5-air") et messages. Les paramètres optionnels incluent : temperature (0.0 à 2.0, défaut 1.0) pour contrôler le caractère aléatoire ; top_p (0.0 à 1.0) pour l'échantillonnage noyau ; max_tokens (jusqu'à 96000) pour limiter la longueur de la sortie ; stop (liste de séquences pour arrêter la génération) ; frequency_penalty et presence_penalty (tous deux de -2.0 à 2.0) pour pénaliser la répétition de jetons ; et stream (booléen) pour la livraison en temps réel. La fenêtre de contexte est de 128000 jetons, assurez-vous donc que le total des jetons dans les messages plus la sortie générée ne dépasse pas cette limite ; sinon, la requête sera tronquée ou rejetée. OrcaRouter peut également prendre en charge des paramètres supplémentaires comme logit_bias ou user ; consultez la documentation. Référez-vous toujours à la dernière référence API pour des détails exacts.
Migrer vers GLM 4.5 Air sur OrcaRouter est simple si vous utilisez déjà une API compatible OpenAI. Modifiez l'URL de base en https://api.orcarouter.ai/v1, remplacez le nom du modèle par "z-ai/glm-4.5-air", et utilisez votre clé API OrcaRouter. Aucune autre modification de la structure des requêtes n'est nécessaire si vous utilisez des paramètres standard. Le format de réponse est identique à celui des chat completions d’OpenAI. Si vous migrez depuis une plateforme non OpenAI, vous devrez adapter votre code pour utiliser le format chat completions. OrcaRouter prend également en charge les appels de fonction et l'utilisation d'outils, mais pas tous les modèles ; vérifiez si GLM 4.5 Air les prend en charge. Testez d'abord avec de petites requêtes pour valider le comportement et les coûts. OrcaRouter propose une facturation basée sur les crédits, alors assurez-vous d'avoir un solde suffisant avant la migration.
Dans le catalogue d'OrcaRouter, GLM 4.5 Air se distingue par sa combinaison d'une grande fenêtre de contexte (128K), d'une limite de sortie élevée (96K) et d'un fort raisonnement mathématique (MATH-500 96.5). Comparé aux modèles plus petits, il offre un raisonnement plus profond mais à un coût plus élevé par token de sortie. Comparé aux modèles plus grands ou de pointe, il peut manquer d'étendue de connaissances générales ou de capacités multimodales, mais il est plus rentable pour les tâches de raisonnement lourdes et exclusivement textuelles. Le prix sans marge le rend compétitif par rapport aux modèles ayant des capacités similaires qui pourraient inclure des frais de plateforme. Pour les applications qui ne nécessitent pas de mathématiques ou de longues sorties, des alternatives moins chères existent. Pour les tâches nécessitant une entrée multimodale, d'autres modèles avec traitement d'image seraient préférables. Dans l'ensemble, il occupe une niche en tant que moteur de raisonnement dédié avec des limites de tokens généreuses.
GLM 4.5 Air est une variante de la famille GLM-4 de Z.ai. Bien que des comparaisons spécifiques ne soient pas fournies, la désignation « Air » suggère généralement une version plus légère ou optimisée en termes de coût par rapport au modèle de base GLM-4. Il sacrifie probablement certaines performances pour une latence ou un coût plus faibles, bien que le score MATH-500 de 96,5 indique qu'il conserve un raisonnement solide. La fenêtre de contexte (128K) et la limite de sortie (96K) sont généreuses, probablement plus grandes que les itérations précédentes de GLM-4. Le prix (0,20 $ / 1,10 $ pour 1 million de tokens) est compétitif. Sans comparaisons directes de benchmarks, les utilisateurs devraient tester les deux modèles sur leurs tâches spécifiques. Les principales différences peuvent résider dans la vitesse, l'efficacité ou des données d'entraînement légèrement différentes. OrcaRouter peut proposer d'autres modèles GLM-4 avec des prix différents ; comparez les coûts en tokens et les performances pour choisir le modèle le plus adapté.
GLM 4.5 Air est un modèle propriétaire de Z.ai, pas à poids ouverts. Comparé aux modèles à poids ouverts comme ceux des familles Llama ou Mistral, il offre l'avantage d'être hébergé et géré par OrcaRouter sans frais d'auto-hébergement. Sa tarification est par jeton, tandis que les modèles ouverts nécessitent des coûts d'infrastructure de calcul. Le score MATH-500 est élevé, mais les modèles ouverts peuvent avoir des atouts différents (par exemple, des connaissances plus larges). La fenêtre de contexte (128K) est grande, mais certains modèles ouverts offrent des contextes similaires ou plus larges. La limite de sortie de 96K jetons est exceptionnellement élevée par rapport à la plupart des modèles ouverts, qui plafonnent généralement à 4K-32K. Pour les utilisateurs qui ont besoin de très longues générations sans gérer d'infrastructure, GLM 4.5 Air est pratique. Pour ceux qui exigent une personnalisation ou une souveraineté des données, les modèles à poids ouverts peuvent être préférés.
GLM 4.5 Air est exclusivement textuel, il ne peut donc pas traiter les images, l'audio ni la vidéo. Si votre application nécessite la compréhension de contenu visuel (par exemple, analyser des graphiques, lire une écriture manuscrite, interpréter des photos), vous auriez besoin d'un modèle multimodal tel que GPT-4V ou Claude 3. De même, il ne peut pas générer d'images ni de parole. Pour les tâches combinant raisonnement textuel et visuel, un modèle multimodal serait indispensable. La force de GLM 4.5 Air réside uniquement dans le raisonnement et la génération textuels. Les utilisateurs doivent évaluer si leur cas d'usage nécessite réellement une entrée multimodale ou si le texte seul suffit. Si le texte seul convient, GLM 4.5 Air peut être plus rentable pour les tâches axées sur le raisonnement que les modèles multimodaux, qui facturent souvent des tarifs de tokens plus élevés et peuvent inclure des capacités visuelles inutilisées.
Compatible OpenAI — gardez votre SDK actuel
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| Entrée / 1M tokens | $0.200 |
| Sortie / 1M tokens | $1.10 |
| Lecture cache / 1M | $0.030 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/z-ai/glm-4.5-airOuvrir @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