GLM-4.5のコンパクトMoE版: 106B総パラメータ / 12Bアクティブ。高スループット・低コスト推論向けに調整された同一のハイブリッド推論およびツール呼び出しスタック。128Kコンテキスト。
GLM 4.5 Airは、Z.aiによって開発されたテキスト生成言語モデルです。128,000トークンのコンテキストウィンドウを備え、1回の応答で最大96,000トークンを生成できます。このモデルは数学的・論理的推論タスクに最適化されており、MATH-500ベンチマークで96.5のスコアを達成しています。アクセスはOrcaRouterのOpenAI互換API経由でのみ可能で、標準のAPIキー以外に…
GLM 4.5 Airは、推論、特に数学的問題解決に重点を置いたテキスト生成に特化しており、MATH-500で96.5のスコアを達成していることがその証拠です。複雑なマルチステップの指示を処理し、最大96,000トークンの一貫性のある長文テキストを生成し、128,000トークンにわたってコンテキストを維持できます。機能には、事実に関する質問への回答、長文ドキュメントの要約、テキストの言語間翻訳、論理的推論の実行、コードの記述が含まれます。このモデルは、詳細なプロンプトに従い、構造化された出力を生成するように設計されています。その大きなコンテキストウィンドウにより、書籍全体、拡張レポート、長い会話ログを処理できます。ただし、テキストのみのモデルであり、画像やその他のメディアを処理することはできません。推論や長い出力を必要としないタスクには、より小さくて安価なモデルで十分な場合があります。
GLM 4.5 Airの最適なユースケースは、その大きなコンテキストウィンドウと高い出力制限を活かすタスクです。例としては、長い学術論文の分析と要約、詳細な技術ドキュメントの生成、複雑な数学問題のステップバイステップ解法、包括的な学習ガイドの作成、大規模なユーザーログやチャット履歴の処理などが挙げられます。このモデルは、長いコードファイルの理解や大規模なコードベースの生成を必要とするコーディングタスクでも優れた性能を発揮します。価格構造（入力100万トークンあたり$0.20、出力100万トークンあたり$1.10）により、入力が出力よりも安価なシナリオではコスト効率が高くなります。長文コンテンツの作成や複数の推論ステップの生成など、多くのトークンを出力する必要があるアプリケーションは、出力トークンコストが高いモデルと比較して経済的です。
GLM 4.5 Airは強力な推論能力と大きなコンテキストを提供しますが、単純なタスクには過剰な場合があります。そのフルコンテキストウィンドウや出力制限が必要ないタスクでは、より安価で小さなモデルの使用を検討してください。例えば、簡単な分類、簡単な翻訳、短い回答の生成が必要な場合、トークンコストが低いモデルの方が経済的です。また、アプリケーションが数学的推論や長文生成を伴わない場合、GLM 4.5 Airの機能に対するプレミアムは正当化されないかもしれません。このモデルの出力コスト（100万トークンあたり1.10ドル）は入力コストよりも高いため、短い入力から長い要約を生成するような多くの出力を生成するタスクでは、出力コストが低い代替モデルよりも高くなる可能性があります。常に特定のユースケースにおける能力とコストのトレードオフを評価してください。
MATH-500ベンチマークは、代数、幾何、数論など、さまざまな難易度の数学問題を解くモデルの能力を評価します。スコア96.5は、GLM 4.5 Airがテストセットの問題の96.5%に正しく回答したことを示しています。これは、同クラスの他のモデルに匹敵するか、それを上回る強力な数学的推論能力を示唆しています。しかし、すべての数学問題、特にベンチマークの分布外の問題に対して完璧な性能を保証するものではありません。ユーザーはこのスコアを、モデルの記号推論と段階的問題解決の習熟度を示す指標として解釈すべきです。このベンチマークは、創造性、常識、正確性などの他の重要なスキルを測定するものではありません。非数学的なタスクについては、他のベンチマークがより適切な比較を提供します。
OrcaRouter上におけるGLM 4.5 Airの具体的なレイテンシデータは提供されていません。一般的に、応答速度は入力・出力トークンの長さ、サーバー負荷、ネットワーク状況などの要因に依存します。コンテキストウィンドウや出力制限が大きいモデルは、非常に長い応答を生成する際に処理時間が長くなる可能性があります。GLM 4.5 Airは最大96,000トークンを出力できるため、最大出力を生成する場合は短い応答に比べてかなり時間がかかります。OrcaRouterのAPIインフラストラクチャはオーバーヘッドを最小限に抑えるよう設計されていますが、実際の速度は変動します。低レイテンシが重要なアプリケーションでは、より小さなモデルや短い出力長の使用を検討してください。MATH-500における同モデルの性能は効率的な推論を示唆していますが、リアルタイムアプリケーションは想定負荷下でテストする必要があります。
強み: 高い数学的推論能力（MATH-500スコア96.5）。128Kの大きなコンテキストウィンドウにより、長文テキストの処理が可能。最大96,000トークンの出力により、フルレングスの文書生成が可能。OrcaRouterでのゼロマークアップ価格設定により、コストが透明。制限: テキストのみのモダリティ；画像、音声、動画を処理不可。高い出力コスト（1Mトークンあたり$1.10）は、非常に長い応答を頻繁に生成するアプリケーションには高額になる可能性がある。他のドメイン（例：一般知識、コード生成）のベンチマークスコアは提供されていないため、全体的な汎用性は不明。すべての言語モデルと同様に、不正確または偏った出力を生成する可能性がある。デフォルトではインターネットアクセスやリアルタイムの知識はない。ユーザーは重要なアプリケーションの出力を検証する必要がある。
GLM 4.5 Airの料金は、プロバイダーの料金レートがそのまま適用され、OrcaRouterによるマークアップは一切ありません。コストは入力トークン100万トークンあたり0.20ドル、出力トークン100万トークンあたり1.10ドルです。入力トークンには、プロンプト内のすべてのテキスト（システム、ユーザー、アシスタントメッセージのうち、最後の応答までのもの）が含まれます。出力トークンは生成されたテキストです。追加料金やプラットフォームのサーチャージはありません。プロバイダーの料金をそのままお支払いいただきます。この透明な料金モデルにより、トークン使用量に基づいてコストを予測できます。請求は通常、各API呼び出しで消費されたトークン数に基づいて行われます。OrcaRouterではキャッシュポリシーが適用される場合があります。同一の入力による繰り返し呼び出しが割引されるかどうかについては、プラットフォームのドキュメントをご確認ください。
主なトレードオフは、能力とコストの間です。GLM 4.5 Airは高い出力上限と強力な推論能力を提供しますが、出力トークンコスト（100万トークンあたり$1.10）は比較的高くなります。短い入力から多くの出力トークンを生成するタスクでは、コストが急速に蓄積される可能性があります。逆に、入力が大きく出力が短いタスクでは、低い入力コスト（100万トークンあたり$0.20）が有利に働きます。OrcaRouterのゼロマークアップ価格設定により、プロバイダーレートを超える追加料金は発生しませんが、トークンの使用量を管理する必要があります。アプリケーションが主にコンパクトな応答を必要とする場合、出力コストが低いモデルの方が経済的かもしれません。長い出力や高度な推論が必要なアプリケーションでは、GLM 4.5 Airは出力コストが高いにもかかわらず、そのパフォーマンスによりコスト効率が良い場合があります。
OrcaRouterは、同一の入力トークンが繰り返される場合にコストを削減するキャッシュポリシーを実装する可能性があります。GLM 4.5 Airの具体的な割引詳細は提供されていません。一般的に、キャッシュ割引は以前に処理されたプロンプトトークンに適用され、実効的な入力コストを低減します。ユーザーは現在のキャッシュ方法を確認するために、OrcaRouterのドキュメントやサポートを参照する必要があります。基本の入力コストはすでに100万トークンあたり$0.20と低いですが、キャッシュにより繰り返しプロンプトを使用するアプリケーションではさらにコストを削減できる可能性があります。出力トークンは各呼び出しごとに異なるため、通常はキャッシュされません。利用可能な割引やプロモーションを理解するために、常にOrcaRouterから最新の課金条件を直接確認してください。
GLM 4.5 Airを使用するには、OrcaRouterのOpenAI互換APIエンドポイント（https://api.orcarouter.ai/v1）にHTTPリクエストを送信します。Authorizationヘッダーに有効なAPIキーを含めてください。リクエスト本文のモデルは"z-ai/glm-4.5-air"に指定します。このAPIは標準的なOpenAIチャット完了パラメータ（messages（roleとcontentを持つオブジェクトの配列）、temperature、max_tokens、top_p、stop、frequency_penalty、presence_penaltyなど）をサポートしています。例えば、"max_tokens"を最大96000に設定すると、出力容量をフルに使用できます。APIは生成された完了を含むJSONレスポンスを返します。ストリーミングは"stream": trueを設定することでサポートされます。クライアントライブラリが正しいベースURLとモデル名を使用するようにしてください。OrcaRouterのAPIはOpenAIのクライアントSDKと互換性があるため、移行は簡単です。
GLM 4.5 Air は、OrcaRouter の OpenAI 互換 API を通じてさまざまなパラメータをサポートしています。必須パラメータ: model ("z-ai/glm-4.5-air") と messages。オプションパラメータには、temperature（0.0～2.0、デフォルト1.0）でランダム性を制御、top_p（0.0～1.0）で核サンプリング、max_tokens（最大96000）で出力長の制限、stop（生成を停止するシーケンスのリスト）、frequency_penalty と presence_penalty（いずれも-2.0～2.0）でトークンの繰り返しをペナルティ、stream（ブール値）でリアルタイムトークン配信があります。コンテキストウィンドウは128000トークンなので、messages のトークン総数と生成出力がその制限を超えないようにしてください。超えた場合、リクエストは切り詰められるか拒否されます。OrcaRouter は logit_bias や user などの追加パラメータもサポートしている場合があります。ドキュメントを確認してください。正確な詳細については、常に最新の API リファレンスを参照してください。
すでにOpenAI互換のAPIを使用している場合、OrcaRouter上のGLM 4.5 Airへの移行は簡単です。ベースURLをhttps://api.orcarouter.ai/v1に変更し、モデル名を"z-ai/glm-4.5-air"に置き換え、OrcaRouter APIキーを使用します。標準パラメータを使用する場合、リクエスト構造にその他の変更は必要ありません。レスポンスフォーマットはOpenAIのチャット補完（chat completions）と同一です。非OpenAIプラットフォームから移行する場合は、コードをチャット補完フォーマットに適応させる必要があります。OrcaRouterは関数呼び出しとツール使用もサポートしていますが、すべてのモデルが対応しているわけではありません。GLM 4.5 Airがこれらをサポートしているか確認してください。まず小さなリクエストでテストして、動作とコストを確認してください。OrcaRouterはクレジットベースの課金を提供しているため、移行前に十分な残高があることを確認してください。
OrcaRouterのカタログにおいて、GLM 4.5 Airは、大きなコンテキストウィンドウ(128K)、高い出力制限(96K)、そして強力な数学的推論(MATH-500 96.5)の組み合わせで際立っています。より小規模なモデルと比較すると、より深い推論を提供しますが、出力トークンあたりのコストは高くなります。より大規模なモデルや最先端のモデルと比較すると、一般的な知識の広さやマルチモーダル機能に欠ける可能性がありますが、テキストのみで推論が中心のタスクでは費用対効果が高くなります。ゼロマークアップの価格設定により、プラットフォーム手数料を含む可能性のある同等の機能を持つモデルに対して競争力があります。数学や長い出力を必要としないアプリケーションには、より安価な代替案が存在します。マルチモーダル入力を必要とするタスクには、画像処理機能を持つ他のモデルの方が適しています。全体として、GLM 4.5 Airは、寛大なトークン制限を持つ専用の推論エンジンとしてのニッチを占めています。
GLM 4.5 AirはZ.aiのGLM-4ファミリーのバリエーションです。具体的な比較は提供されていませんが、「Air」という名称は通常、ベースのGLM-4モデルと比較してより軽量またはコスト最適化されたバージョンを示唆します。レイテンシやコストを低減するためにパフォーマンスの一部を犠牲にする可能性がありますが、MATH-500スコア96.5は強力な推論能力を維持していることを示しています。コンテキストウィンドウ（128K）と出力制限（96K）は十分余裕があり、おそらく初期のGLM-4バージョンよりも大きいです。価格（100万トークンあたり$0.20/$1.10）は競争力があります。直接的なベンチマーク比較がないため、ユーザーは特定のタスクで両モデルをテストすべきです。主な違いは速度、効率、または訓練データのわずかな違いにある可能性があります。OrcaRouterは異なる価格設定の他のGLM-4モデルを提供する場合があります。トークンコストとパフォーマンスを比較して最適なものを選択してください。
GLM 4.5 Air は Z.ai のプロプライエタリモデルであり、オープンウェイトではありません。Llama や Mistral ファミリーのようなオープンウェイトモデルと比較すると、OrcaRouter によるホスティング・管理が提供され、セルフホスティングのオーバーヘッドが不要という利点があります。料金はトークン単位で、オープンモデルには計算インフラコストがかかります。MATH-500 スコアは高いですが、オープンモデルには別の強み（例：幅広い知識）がある可能性があります。コンテキストウィンドウ（128K）は大きいですが、一部のオープンモデルも同様かそれ以上のコンテキストを提供しています。96K トークンの出力制限は、通常 4K〜32K に制限されるほとんどのオープンモデルと比べて異常に高いです。インフラ管理なしで非常に長い生成が必要なユーザーには、GLM 4.5 Air は便利です。カスタマイズ性やデータ主権を重視するユーザーには、オープンウェイトモデルが好まれるかもしれません。
GLM 4.5 Airはテキストのみ対応のため、画像、音声、動画を処理できません。アプリケーションが視覚コンテンツ（例：グラフ分析、手書き文字読み取り、写真解釈）の理解を必要とする場合は、GPT-4VやClaude 3のようなマルチモーダルモデルが必要です。同様に、画像や音声の生成もできません。テキストと画像の推論を組み合わせたタスクには、マルチモーダルモデルが不可欠となります。GLM 4.5 Airの強みは純粋にテキストの推論と生成にあります。ユーザーは、自身のユースケースが本当にマルチモーダル入力を必要とするのか、テキストのみで十分かを評価すべきです。テキストのみで十分であれば、GLM 4.5 Airは、推論重視のタスクにおいて、しばしば高いトークン料金がかかり、使用されない視覚機能を含むマルチモーダルモデルよりもコスト効率が良い可能性があります。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 入力 / 1M tokens | $0.200 |
| 出力 / 1M tokens | $1.10 |
| キャッシュ読み取り / 1M | $0.030 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@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