Irmão compacto MoE do GLM-4.5: 106B total / 12B ativos. Mesma pilha de raciocínio híbrido e chamada de ferramentas ajustada para inferência de alta taxa de transferência e baixo custo. Contexto de 128K.
GLM 4.5 Air é um modelo de linguagem para geração de texto desenvolvido pela Z.ai. Ele oferece uma janela de contexto de 128.000 tokens e pode gerar até 96.000 tokens em uma única resposta. O modelo…
GLM 4.5 Air é especializado em geração de texto com forte ênfase em raciocínio, particularmente resolução de problemas matemáticos, evidenciado por sua pontuação de 96.5 no MATH-500. Ele pode lidar com instruções complexas de várias etapas, gerar texto coerente de formato longo de até 96.000 tokens e manter contexto em 128.000 tokens. As capacidades incluem responder perguntas factuais, resumir documentos extensos, traduzir texto entre idiomas, realizar deduções lógicas e escrever código. O modelo foi projetado para seguir instruções detalhadas e produzir saídas estruturadas. Sua grande janela de contexto permite trabalhar com livros inteiros, relatórios extensos ou longos logs de conversas. No entanto, é um modelo apenas de texto e não pode processar imagens ou outras mídias. Para tarefas que não exigem raciocínio ou saídas longas, um modelo menor ou mais barato pode ser suficiente.
Os melhores casos de uso para GLM 4.5 Air envolvem tarefas que se beneficiam de sua ampla janela de contexto e alto limite de saída. Exemplos incluem: analisar e resumir artigos acadêmicos longos, gerar documentação técnica detalhada, resolver problemas matemáticos complexos passo a passo, criar guias de estudo abrangentes e processar grandes volumes de logs de usuários ou históricos de chat. O modelo também tem bom desempenho em tarefas de codificação que exigem compreensão de arquivos de código longos ou geração de bases de código extensas. Devido à sua estrutura de preços – $0,20 de entrada e $1,10 de saída por milhão de tokens – é econômico para cenários onde a entrada é mais barata que a saída. Aplicações que precisam gerar muitos tokens, como escrever conteúdo longo ou produzir múltiplas etapas de raciocínio, podem ser econômicas em comparação com modelos que têm custos mais altos por token de saída.
Embora o GLM 4.5 Air ofereça raciocínio forte e um grande contexto, pode ser exagerado para tarefas mais simples. Considere usar um modelo mais barato e menor quando a tarefa não exigir sua janela de contexto completa ou limite de saída. Por exemplo, se você precisar de classificação rápida, tradução simples ou geração de respostas curtas, um modelo com custos de token mais baixos seria mais econômico. Além disso, se sua aplicação não envolver raciocínio matemático ou geração de texto longo, o prêmio pelas capacidades do GLM 4.5 Air pode não ser justificado. O custo de saída do modelo ($1.10 por 1M tokens) é maior que seu custo de entrada, então tarefas que geram muita saída (por exemplo, resumos longos a partir de entradas curtas) podem ser mais caras que modelos alternativos com custos de saída mais baixos. Sempre avalie o trade-off entre capacidade e custo para seu caso de uso específico.
O benchmark MATH-500 avalia a capacidade de um modelo de resolver problemas matemáticos em vários níveis de dificuldade, incluindo álgebra, geometria, teoria dos números e outros. Uma pontuação de 96,5 indica que o GLM 4.5 Air respondeu corretamente a 96,5% dos problemas do conjunto de teste. Isso sugere uma forte capacidade de raciocínio matemático, comparável ou superior a outros modelos da mesma classe. Não garante desempenho perfeito em todos os problemas de matemática, especialmente aqueles fora da distribuição do benchmark. Os usuários devem interpretar essa pontuação como um indicador da proficiência do modelo em raciocínio simbólico e resolução passo a passo de problemas. O benchmark não mede outras habilidades importantes, como criatividade, senso comum ou factualidade. Para tarefas não matemáticas, outros benchmarks forneceriam uma comparação mais relevante.
Dados específicos de latência para o GLM 4.5 Air no OrcaRouter não são fornecidos. Em geral, a velocidade de resposta depende de fatores como o comprimento dos tokens de entrada e saída, carga do servidor e condições de rede. Modelos com janelas de contexto maiores e limites de saída podem apresentar tempos de processamento mais longos ao gerar respostas muito longas. Como o GLM 4.5 Air pode gerar até 96.000 tokens, gerar a saída máxima levará consideravelmente mais tempo do que respostas curtas. A infraestrutura da API do OrcaRouter foi projetada para minimizar a sobrecarga, mas a velocidade real pode variar. Para aplicações onde a baixa latência é crítica, considere usar modelos menores ou comprimentos de saída mais curtos. O desempenho do modelo no MATH-500 sugere raciocínio eficiente, mas aplicações em tempo real devem ser testadas sob carga esperada.
Pontos fortes: Alta capacidade de raciocínio matemático (pontuação MATH-500 96.5). Janela de contexto grande de 128K permite processamento de textos extensos. Saída máxima de 96.000 tokens permite geração de documentos completos. Preços sem margem no OrcaRouter tornam os custos transparentes. Limitações: Modalidade apenas de texto; não pode processar imagens, áudio ou vídeo. O alto custo de saída ($1.10 por 1M de tokens) pode ser proibitivo para aplicações que geram respostas muito longas com frequência. Pontuações de benchmark para outros domínios (por exemplo, conhecimento geral, geração de código) não são fornecidas, portanto sua versatilidade geral é desconhecida. Como todos os modelos de linguagem, pode produzir saídas incorretas ou tendenciosas. Ele não tem acesso à internet ou conhecimento em tempo real por padrão. Os usuários devem validar as saídas para aplicações críticas.
O preço do GLM 4.5 Air é cobrado pela taxa do provedor, sem margem de lucro no OrcaRouter. O custo é de $0.20 por 1 milhão de tokens de entrada e $1.10 por 1 milhão de tokens de saída. Os tokens de entrada incluem todo o texto no prompt (mensagens de sistema, usuário e assistente até a última resposta). Os tokens de saída são o texto gerado. Não há taxas adicionais ou sobretaxas da plataforma. Você paga exatamente a taxa do provedor. Este modelo de preço transparente permite prever custos com base no uso de tokens. A cobrança é geralmente baseada no número de tokens consumidos em cada chamada de API. Políticas de cache podem ser aplicadas no OrcaRouter; consulte a documentação da plataforma para detalhes sobre se chamadas repetidas com entradas idênticas têm desconto.
O principal trade-off é entre capacidade e custo. O GLM 4.5 Air oferece altos limites de saída e raciocínio forte, mas seu custo por token de saída ($1.10 per 1M) é relativamente alto. Para tarefas que geram muitos tokens de saída a partir de entradas curtas, o custo pode se acumular rapidamente. Por outro lado, tarefas com entradas grandes, mas saídas curtas, se beneficiam do custo mais baixo de entrada ($0.20 per 1M). O preço sem margem (zero-markup) no OrcaRouter significa que você não está pagando a mais além da taxa do provedor, mas ainda precisa gerenciar o uso de tokens. Se sua aplicação requer principalmente respostas compactas, um modelo com custo de saída mais baixo pode ser mais econômico. Para aplicações que exigem saídas longas ou raciocínio intenso, o GLM 4.5 Air pode ser custo-efetivo apesar do custo de saída mais alto devido ao seu desempenho.
OrcaRouter pode implementar políticas de cache que reduzem o custo para tokens de entrada idênticos repetidos. Detalhes específicos de desconto para o GLM 4.5 Air não são fornecidos. Normalmente, os descontos de cache se aplicam a tokens de prompt que já foram processados anteriormente, reduzindo o custo efetivo de entrada. Os usuários devem consultar a documentação ou o suporte do OrcaRouter para confirmar as práticas atuais de cache. Como o custo base de entrada já é baixo, a $0,20 por 1 milhão de tokens, o cache poderia reduzir ainda mais os custos para aplicações com prompts repetitivos. Tokens de saída geralmente não são armazenados em cache porque variam por chamada. Sempre verifique os termos de faturamento mais recentes diretamente com o OrcaRouter para entender quaisquer descontos ou promoções disponíveis.
Para usar o GLM 4.5 Air, envie requisições HTTP para o endpoint da API compatível com OpenAI do OrcaRouter: https://api.orcarouter.ai/v1. Inclua uma chave de API válida no cabeçalho Authorization. Especifique o modelo como "z-ai/glm-4.5-air" no corpo da requisição. A API suporta os parâmetros padrão de conclusão de chat do OpenAI: messages (array de objetos com role e content), temperature, max_tokens, top_p, stop, frequency_penalty, presence_penalty e outros. Por exemplo, defina "max_tokens" como até 96000 para usar a capacidade total de saída. A API retorna uma resposta JSON com a conclusão gerada. O streaming é suportado ao definir "stream": true. Certifique-se de que sua biblioteca cliente use a URL base e o nome do modelo corretos. A API do OrcaRouter é compatível com os SDKs cliente do OpenAI, então a migração é direta.
GLM 4.5 Air suporta uma variedade de parâmetros através da API compatível com OpenAI do OrcaRouter. Obrigatório: `model` ("z-ai/glm-4.5-air") e `messages`. Parâmetros opcionais incluem: `temperature` (0.0 a 2.0, padrão 1.0) para controlar a aleatoriedade; `top_p` (0.0 a 1.0) para amostragem de núcleo; `max_tokens` (até 96000) para limitar o comprimento da saída; `stop` (lista de sequências para interromper a geração); `frequency_penalty` e `presence_penalty` (ambos de -2.0 a 2.0) para penalizar repetição de tokens; e `stream` (booleano) para entrega de tokens em tempo real. A janela de contexto é de 128000 tokens, portanto certifique-se de que o total de tokens nas mensagens mais a saída gerada não exceda esse limite; caso contrário, a solicitação será truncada ou rejeitada. O OrcaRouter também pode suportar parâmetros adicionais como `logit_bias` ou `user`; consulte a documentação. Sempre consulte a referência mais recente da API para obter detalhes exatos.
Migrar para o GLM 4.5 Air no OrcaRouter é simples se você já usa uma API compatível com OpenAI. Altere a URL base para https://api.orcarouter.ai/v1, substitua o nome do modelo por "z-ai/glm-4.5-air" e use sua chave de API do OrcaRouter. Nenhuma outra alteração na estrutura da solicitação é necessária se você usar parâmetros padrão. O formato da resposta é idêntico ao chat completions da OpenAI. Se você estiver migrando de uma plataforma não OpenAI, precisará adaptar seu código para usar o formato chat completions. O OrcaRouter também suporta chamadas de função e uso de ferramentas, embora nem todos os modelos ofereçam suporte; verifique se o GLM 4.5 Air oferece esses recursos. Teste com solicitações pequenas primeiro para validar o comportamento e os custos. O OrcaRouter oferece faturamento baseado em créditos, portanto, certifique-se de ter saldo suficiente antes da migração.
No catálogo do OrcaRouter, o GLM 4.5 Air se destaca por sua combinação de uma grande janela de contexto (128K), alto limite de saída (96K) e forte raciocínio matemático (MATH-500 96.5). Comparado a modelos menores, ele oferece raciocínio mais profundo, mas a um custo maior por token de saída. Comparado a modelos maiores ou de fronteira, pode faltar amplitude de conhecimento geral ou capacidades multimodais, mas é mais econômico para tarefas que exigem apenas texto e raciocínio intenso. O preço sem margem de lucro o torna competitivo em relação a modelos com capacidades semelhantes que possam incluir taxas de plataforma. Para aplicações que não exigem matemática ou saídas longas, existem alternativas mais baratas. Para tarefas que precisam de entrada multimodal, outros modelos com processamento de imagem seriam melhores. No geral, ele ocupa um nicho como um mecanismo de raciocínio dedicado com limites generosos de tokens.
GLM 4.5 Air é uma variante da família GLM-4 da Z.ai. Embora comparações específicas não sejam fornecidas, a designação "Air" geralmente sugere uma versão mais leve ou otimizada em custo em comparação com o modelo base GLM-4. Provavelmente sacrifica algum desempenho para obter menor latência ou custo, embora a pontuação MATH-500 de 96,5 indique que mantém um raciocínio forte. A janela de contexto (128K) e o limite de saída (96K) são generosos, possivelmente maiores que as iterações anteriores do GLM-4. O preço ($0,20/$1,10 por 1M de tokens) é competitivo. Sem comparações diretas de benchmarks, os usuários devem testar ambos os modelos em suas tarefas específicas. As principais diferenças podem estar na velocidade, eficiência ou dados de treinamento ligeiramente diferentes. O OrcaRouter pode oferecer outros modelos GLM-4 com preços diferentes; compare custos de tokens e desempenho para escolher o mais adequado.
O GLM 4.5 Air é um modelo proprietário da Z.ai, não de pesos abertos. Comparado a modelos de pesos abertos como os das famílias Llama ou Mistral, oferece a vantagem de ser hospedado e gerenciado pela OrcaRouter, sem custos de auto-hospedagem. Sua precificação é por token, enquanto modelos abertos exigem custos de infraestrutura de computação. A pontuação no MATH-500 é alta, mas modelos abertos podem ter pontos fortes diferentes (por exemplo, conhecimento mais amplo). A janela de contexto (128K) é grande, mas alguns modelos abertos oferecem contextos semelhantes ou maiores. O limite de saída de 96K tokens é excepcionalmente alto em comparação com a maioria dos modelos abertos, que geralmente têm limite de 4K a 32K. Para usuários que precisam de gerações muito longas sem gerenciar infraestrutura, o GLM 4.5 Air é conveniente. Para aqueles que exigem personalização ou soberania de dados, modelos de pesos abertos podem ser preferíveis.
GLM 4.5 Air é apenas texto, portanto não consegue processar imagens, áudio ou vídeo. Se sua aplicação exigir compreensão de conteúdo visual (por exemplo, analisar gráficos, ler manuscritos, interpretar fotos), você precisará de um modelo multimodal como GPT-4V ou Claude 3. Da mesma forma, ele não consegue gerar imagens ou fala. Para tarefas que combinam raciocínio textual e visual, um modelo multimodal seria essencial. O ponto forte do GLM 4.5 Air reside puramente no raciocínio e geração de texto. Os usuários devem avaliar se seu caso de uso realmente precisa de entrada multimodal ou se apenas texto é suficiente. Se apenas texto for adequado, o GLM 4.5 Air pode ser mais econômico para tarefas pesadas de raciocínio do que modelos multimodais, que geralmente cobram taxas de token mais altas e podem incluir capacidades de visão que não são utilizadas.
Compatível com OpenAI — mantenha seu 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| Entrada / 1M tokens | $0.200 |
| Saída / 1M tokens | $1.10 |
| Leitura de cache / 1M | $0.030 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/z-ai/glm-4.5-airAbrir @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