Phiên bản MoE nhỏ gọn của GLM-4.5: tổng 106B / 12B hoạt động. Cùng ngăn xếp suy luận kết hợp và gọi công cụ được tinh chỉnh cho suy luận thông lượng cao, chi phí thấp. Ngữ cảnh 128K.
GLM 4.5 Air là một mô hình ngôn ngữ tạo văn bản do Z.ai phát triển. Mô hình cung cấp cửa sổ ngữ cảnh 128.000 token và có thể tạo ra tới 96.000 token trong một phản hồi duy nhất. Mô hình được tối ưu…
GLM 4.5 Air chuyên về sinh văn bản với sự nhấn mạnh mạnh mẽ vào lý luận, đặc biệt là giải quyết vấn đề toán học, được thể hiện qua điểm số 96.5 trên MATH-500. Nó có thể xử lý các hướng dẫn phức tạp nhiều bước, tạo văn bản dài mạch lạc lên đến 96.000 token và duy trì ngữ cảnh trên 128.000 token. Các khả năng bao gồm trả lời câu hỏi thực tế, tóm tắt tài liệu dài, dịch văn bản giữa các ngôn ngữ, thực hiện suy luận logic và viết mã. Mô hình được thiết kế để tuân theo các prompt chi tiết và tạo ra đầu ra có cấu trúc. Cửa sổ ngữ cảnh lớn của nó cho phép làm việc với toàn bộ sách, báo cáo dài hoặc nhật ký hội thoại dài. Tuy nhiên, đây là mô hình chỉ văn bản và không thể xử lý hình ảnh hoặc phương tiện khác. Đối với các tác vụ không yêu cầu lý luận hoặc đầu ra dài, một mô hình nhỏ hơn hoặc rẻ hơn có thể là đủ.
Các trường hợp sử dụng tốt nhất cho GLM 4.5 Air liên quan đến các tác vụ được hưởng lợi từ cửa sổ ngữ cảnh lớn và giới hạn đầu ra cao của nó. Ví dụ bao gồm: phân tích và tóm tắt các bài báo học thuật dài, tạo tài liệu kỹ thuật chi tiết, giải quyết các bài toán phức tạp từng bước một, xây dựng hướng dẫn học tập toàn diện và xử lý các nhật ký người dùng hoặc lịch sử trò chuyện mở rộng. Mô hình cũng hoạt động tốt trên các tác vụ lập trình yêu cầu hiểu các tệp mã dài hoặc tạo ra các cơ sở mã lớn. Nhờ cấu trúc giá – $0.20 đầu vào và $1.10 đầu ra mỗi triệu token – mô hình này tiết kiệm chi phí cho các kịch bản nơi đầu vào rẻ hơn đầu ra. Các ứng dụng cần xuất ra nhiều token, chẳng hạn như viết nội dung dài hoặc tạo ra nhiều bước suy luận, có thể tiết kiệm hơn so với các mô hình có chi phí token đầu ra cao hơn.
Mặc dù GLM 4.5 Air cung cấp khả năng suy luận mạnh mẽ và ngữ cảnh lớn, nó có thể là quá mức cần thiết cho các tác vụ đơn giản hơn. Hãy cân nhắc sử dụng một mô hình rẻ hơn, nhỏ hơn khi tác vụ không yêu cầu cửa sổ ngữ cảnh hoặc giới hạn đầu ra đầy đủ của nó. Ví dụ, nếu bạn cần phân loại nhanh, dịch thuật đơn giản hoặc tạo câu trả lời ngắn, một mô hình có chi phí token thấp hơn sẽ kinh tế hơn. Ngoài ra, nếu ứng dụng của bạn không liên quan đến suy luận toán học hoặc tạo văn bản dài, mức phí bảo hiểm cho các khả năng của GLM 4.5 Air có thể không được biện minh. Chi phí đầu ra của mô hình ($1.10 cho mỗi 1M token) cao hơn chi phí đầu vào của nó, vì vậy các tác vụ tạo ra nhiều đầu ra (ví dụ: tóm tắt dài từ đầu vào ngắn) có thể đắt hơn so với các mô hình thay thế có chi phí đầu ra thấp hơn. Luôn đánh giá sự cân bằng giữa khả năng và chi phí cho trường hợp sử dụng cụ thể của bạn.
Chuẩn đánh giá MATH-500 đánh giá khả năng giải quyết các bài toán của một mô hình ở nhiều cấp độ khó khác nhau, bao gồm đại số, hình học, lý thuyết số, v.v. Điểm số 96.5 cho thấy GLM 4.5 Air đã trả lời đúng 96.5% các bài toán trong bộ kiểm tra. Điều này cho thấy khả năng suy luận toán học mạnh mẽ, ngang bằng hoặc vượt trội so với các mô hình khác cùng loại. Nó không đảm bảo hiệu suất hoàn hảo trên tất cả các bài toán, đặc biệt là những bài nằm ngoài phân bố của chuẩn đánh giá. Người dùng nên hiểu điểm số này như một chỉ báo về năng lực của mô hình trong suy luận ký hiệu và giải quyết vấn đề từng bước. Chuẩn đánh giá không đo lường các kỹ năng quan trọng khác như tính sáng tạo, kiến thức thông thường hay tính thực tế. Đối với các tác vụ phi toán học, các chuẩn đánh giá khác sẽ cung cấp so sánh phù hợp hơn.
Dữ liệu về độ trễ cụ thể của GLM 4.5 Air trên OrcaRouter không được cung cấp. Nhìn chung, tốc độ phản hồi phụ thuộc vào các yếu tố như độ dài token đầu vào và đầu ra, tải máy chủ và điều kiện mạng. Các mô hình có cửa sổ ngữ cảnh lớn hơn và giới hạn đầu ra có thể mất nhiều thời gian xử lý hơn khi tạo ra các phản hồi rất dài. Vì GLM 4.5 Air có thể xuất ra tới 96.000 token, việc tạo đầu ra tối đa sẽ mất nhiều thời gian hơn đáng kể so với các phản hồi ngắn. Cơ sở hạ tầng API của OrcaRouter được thiết kế để giảm thiểu chi phí, nhưng tốc độ thực tế sẽ khác nhau. Đối với các ứng dụng yêu cầu độ trễ thấp, hãy cân nhắc sử dụng các mô hình nhỏ hơn hoặc độ dài đầu ra ngắn hơn. Hiệu suất của mô hình trên MATH-500 cho thấy khả năng suy luận hiệu quả, nhưng các ứng dụng thời gian thực cần được kiểm tra trong điều kiện tải dự kiến.
Điểm mạnh: Khả năng suy luận toán học cao (điểm MATH-500 là 96.5). Cửa sổ ngữ cảnh lớn 128K cho phép xử lý văn bản dài. Đầu ra tối đa 96.000 token cho phép tạo tài liệu dài đầy đủ. Định giá không biên lợi nhuận trên OrcaRouter giúp chi phí minh bạch. Hạn chế: Chỉ hỗ trợ văn bản; không thể xử lý hình ảnh, âm thanh hoặc video. Chi phí đầu ra cao (1,10 USD cho mỗi 1 triệu token) có thể không phù hợp cho các ứng dụng thường xuyên tạo phản hồi rất dài. Điểm chuẩn cho các lĩnh vực khác (ví dụ: kiến thức tổng quát, tạo mã) không được cung cấp, do đó khả năng đa năng tổng thể chưa rõ. Giống như tất cả các mô hình ngôn ngữ, nó có thể tạo ra đầu ra không chính xác hoặc thiên vị. Theo mặc định, nó không có quyền truy cập internet hoặc kiến thức thời gian thực. Người dùng nên xác thực đầu ra cho các ứng dụng quan trọng.
Giá cho GLM 4.5 Air được tính theo mức giá của nhà cung cấp với mức chênh lệch bằng không trên OrcaRouter. Chi phí là $0.20 cho mỗi 1 triệu token đầu vào và $1.10 cho mỗi 1 triệu token đầu ra. Token đầu vào bao gồm tất cả văn bản trong lời nhắc (tin nhắn hệ thống, người dùng và trợ lý cho đến phản hồi cuối cùng). Token đầu ra là văn bản được tạo ra. Không có phí bổ sung hoặc phụ phí nền tảng. Bạn trả chính xác mức giá của nhà cung cấp. Mô hình giá minh bạch này cho phép bạn dự đoán chi phí dựa trên mức sử dụng token. Việc tính phí thường dựa trên số lượng token được tiêu thụ trong mỗi lần gọi API. Các chính sách bộ nhớ đệm có thể áp dụng trên OrcaRouter; hãy kiểm tra tài liệu nền tảng để biết chi tiết về việc liệu các cuộc gọi lặp lại với đầu vào giống hệt nhau có được giảm giá hay không.
Sự đánh đổi chính là giữa khả năng và chi phí. GLM 4.5 Air cung cấp giới hạn đầu ra cao và khả năng suy luận mạnh mẽ, nhưng chi phí token đầu ra ($1.10 per 1M) tương đối cao. Đối với các tác vụ tạo ra nhiều token đầu ra từ đầu vào ngắn, chi phí có thể tích lũy nhanh chóng. Ngược lại, các tác vụ có đầu vào lớn nhưng đầu ra ngắn sẽ hưởng lợi từ chi phí đầu vào thấp hơn ($0.20 per 1M). Định giá không tăng thêm trên OrcaRouter có nghĩa là bạn không phải trả thêm ngoài mức giá của nhà cung cấp, nhưng bạn vẫn cần quản lý việc sử dụng token. Nếu ứng dụng của bạn chủ yếu yêu cầu các phản hồi ngắn gọn, một mô hình có chi phí đầu ra thấp hơn có thể kinh tế hơn. Đối với các ứng dụng yêu cầu đầu ra dài hoặc suy luận nặng, GLM 4.5 Air có thể tiết kiệm chi phí mặc dù chi phí đầu ra cao hơn nhờ hiệu suất của nó.
OrcaRouter có thể triển khai các chính sách bộ nhớ đệm nhằm giảm chi phí cho các token đầu vào trùng lặp. Các thông tin chi tiết về mức giảm giá cụ thể cho GLM 4.5 Air hiện không được cung cấp. Thông thường, chiết khấu bộ nhớ đệm áp dụng cho các token prompt đã được xử lý trước đó, giúp giảm chi phí đầu vào thực tế. Người dùng nên tham khảo tài liệu hoặc bộ phận hỗ trợ của OrcaRouter để xác nhận các thực hành bộ nhớ đệm hiện tại. Vì chi phí đầu vào cơ bản đã thấp ở mức $0,20 cho mỗi 1 triệu token, bộ nhớ đệm có thể tiếp tục giảm chi phí cho các ứng dụng có prompt lặp đi lặp lại. Các token đầu ra thường không được lưu vào bộ nhớ đệm vì chúng thay đổi theo từng lần gọi. Luôn xác minh các điều khoản thanh toán mới nhất trực tiếp với OrcaRouter để hiểu rõ các khoản giảm giá hoặc khuyến mãi hiện có.
Để sử dụng GLM 4.5 Air, hãy gửi các yêu cầu HTTP đến đầu cuối API tương thích OpenAI của OrcaRouter: https://api.orcarouter.ai/v1. Bao gồm một khóa API hợp lệ trong header Authorization. Chỉ định model là "z-ai/glm-4.5-air" trong phần thân yêu cầu. API hỗ trợ các tham số hoàn tất hội thoại chuẩn của OpenAI: messages (mảng các đối tượng với role và content), temperature, max_tokens, top_p, stop, frequency_penalty, presence_penalty, và các tham số khác. Ví dụ: đặt "max_tokens" lên đến 96000 để sử dụng toàn bộ dung lượng đầu ra. API trả về phản hồi JSON với kết quả hoàn tất được tạo ra. Hỗ trợ phát trực tuyến bằng cách đặt "stream": true. Đảm bảo thư viện client của bạn sử dụng đúng URL cơ sở và tên model. API của OrcaRouter tương thích với các SDK client của OpenAI, do đó việc di chuyển rất đơn giản.
GLM 4.5 Air hỗ trợ một loạt tham số thông qua API tương thích OpenAI của OrcaRouter. Bắt buộc: model ("z-ai/glm-4.5-air") và messages. Các tham số tùy chọn bao gồm: temperature (0.0 đến 2.0, mặc định 1.0) để kiểm soát độ ngẫu nhiên; top_p (0.0 đến 1.0) cho lấy mẫu hạt nhân; max_tokens (tối đa 96000) để giới hạn độ dài đầu ra; stop (danh sách các chuỗi để dừng sinh); frequency_penalty và presence_penalty (cả hai -2.0 đến 2.0) để phạt lặp token; và stream (boolean) để phân phối token theo thời gian thực. Cửa sổ ngữ cảnh là 128000 token, vì vậy hãy đảm bảo tổng số token trong messages cộng với đầu ra được sinh không vượt quá giới hạn đó; nếu không, yêu cầu sẽ bị cắt bớt hoặc từ chối. OrcaRouter cũng có thể hỗ trợ các tham số bổ sung như logit_bias hoặc user; hãy kiểm tra tài liệu. Luôn tham khảo tài liệu tham khảo API mới nhất để biết chi tiết chính xác.
Việc chuyển đổi sang GLM 4.5 Air trên OrcaRouter rất đơn giản nếu bạn đã sử dụng API tương thích OpenAI. Thay đổi base URL thành https://api.orcarouter.ai/v1, thay tên model bằng "z-ai/glm-4.5-air", và sử dụng khóa API OrcaRouter của bạn. Không cần thay đổi nào khác về cấu trúc yêu cầu nếu bạn sử dụng các tham số tiêu chuẩn. Định dạng phản hồi giống hệt với chat completions của OpenAI. Nếu bạn đang chuyển đổi từ một nền tảng không phải OpenAI, bạn sẽ cần điều chỉnh mã của mình để sử dụng định dạng chat completions. OrcaRouter cũng hỗ trợ function calling và tool use, mặc dù không phải tất cả các model đều làm vậy; hãy kiểm tra xem GLM 4.5 Air có hỗ trợ các tính năng này không. Hãy thử nghiệm với các yêu cầu nhỏ trước để xác thực hành vi và chi phí. OrcaRouter cung cấp thanh toán dựa trên tín dụng, vì vậy hãy đảm bảo bạn có đủ số dư trước khi chuyển đổi.
Trong danh mục của OrcaRouter, GLM 4.5 Air nổi bật nhờ sự kết hợp của cửa sổ ngữ cảnh lớn (128K), giới hạn đầu ra cao (96K) và suy luận toán học mạnh mẽ (MATH-500 96.5). So với các mô hình nhỏ hơn, nó cung cấp khả năng suy luận sâu hơn nhưng với chi phí cao hơn cho mỗi token đầu ra. So với các mô hình lớn hơn hoặc tiên tiến, nó có thể thiếu chiều rộng kiến thức tổng quát hoặc khả năng đa phương thức, nhưng nó hiệu quả hơn về chi phí cho các tác vụ chỉ văn bản, nặng về suy luận. Mức giá không tăng thêm làm cho nó có tính cạnh tranh so với các mô hình có khả năng tương tự có thể bao gồm phí nền tảng. Đối với các ứng dụng không yêu cầu toán học hoặc đầu ra dài, có các lựa chọn thay thế rẻ hơn. Đối với các tác vụ cần đầu vào đa phương thức, các mô hình khác có xử lý hình ảnh sẽ tốt hơn. Nhìn chung, nó chiếm một vị trí thích hợp như một công cụ suy luận chuyên dụng với giới hạn token hào phóng.
GLM 4.5 Air là một biến thể của dòng GLM-4 của Z.ai. Mặc dù không có so sánh cụ thể, nhưng danh hiệu "Air" thường gợi ý một phiên bản nhẹ hơn hoặc tối ưu về chi phí so với mô hình GLM-4 cơ bản. Nó có thể hy sinh một số hiệu suất để có độ trễ thấp hơn hoặc chi phí thấp hơn, mặc dù điểm số MATH-500 là 96.5 cho thấy nó vẫn giữ được khả năng suy luận mạnh mẽ. Cửa sổ ngữ cảnh (128K) và giới hạn đầu ra (96K) rất hào phóng, có thể lớn hơn so với các phiên bản GLM-4 trước đó. Mức giá ($0.20/$1.10 cho mỗi 1M token) có tính cạnh tranh. Nếu không có so sánh điểm chuẩn trực tiếp, người dùng nên thử nghiệm cả hai mô hình trên các tác vụ cụ thể của họ. Sự khác biệt chính có thể là về tốc độ, hiệu quả hoặc dữ liệu đào tạo hơi khác nhau. OrcaRouter có thể cung cấp các mô hình GLM-4 khác với giá khác nhau; so sánh chi phí token và hiệu suất để chọn lựa phù hợp nhất.
GLM 4.5 Air là mô hình độc quyền từ Z.ai, không phải mã nguồn mở. So với các mô hình mã nguồn mở như dòng Llama hay Mistral, nó mang lại lợi thế là được OrcaRouter lưu trữ và quản lý, không có chi phí tự triển khai. Giá của nó được tính theo token, trong khi các mô hình mã nguồn mở yêu cầu chi phí hạ tầng tính toán. Điểm MATH-500 cao, nhưng các mô hình mã nguồn mở có thể có những thế mạnh khác (ví dụ: kiến thức rộng hơn). Cửa sổ ngữ cảnh (128K) lớn nhưng một số mô hình mã nguồn mở cung cấp ngữ cảnh tương tự hoặc lớn hơn. Giới hạn đầu ra 96K token cao bất thường so với hầu hết các mô hình mã nguồn mở, thường giới hạn ở 4K-32K. Đối với người dùng cần tạo nội dung rất dài mà không phải quản lý hạ tầng, GLM 4.5 Air rất tiện lợi. Đối với những ai yêu cầu khả năng tùy chỉnh hoặc chủ quyền dữ liệu, các mô hình mã nguồn mở có thể được ưa chuộng hơn.
GLM 4.5 Air chỉ hỗ trợ văn bản, do đó không thể xử lý hình ảnh, âm thanh hoặc video. Nếu ứng dụng của bạn yêu cầu hiểu nội dung trực quan (ví dụ: phân tích biểu đồ, đọc chữ viết tay, giải thích ảnh), bạn sẽ cần một mô hình đa phương thức như GPT-4V hoặc Claude 3. Tương tự, nó không thể tạo hình ảnh hoặc giọng nói. Đối với các tác vụ kết hợp suy luận văn bản và hình ảnh, một mô hình đa phương thức là cần thiết. Điểm mạnh của GLM 4.5 Air hoàn toàn nằm ở khả năng suy luận và tạo văn bản. Người dùng nên đánh giá xem trường hợp sử dụng của họ có thực sự cần đầu vào đa phương thức hay chỉ văn bản là đủ. Nếu chỉ văn bản là đủ, GLM 4.5 Air có thể tiết kiệm chi phí hơn cho các tác vụ nặng về suy luận so với các mô hình đa phương thức, vốn thường tính phí token cao hơn và có thể bao gồm các khả năng thị giác không được sử dụng.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
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| Đầu vào / 1M tokens | $0.200 |
| Đầu ra / 1M tokens | $1.10 |
| Đọc cache / 1M | $0.030 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/z-ai/glm-4.5-airMở @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