智谱AI通用大模型：官方开放API开发基础

目录

一、模型介绍

1.1主要模型

1.2 计费单价

二、前置条件

2.1 申请API Key

三、基于SDK开发

3.1 Maven引入SDK

3.2 代码实现

3.3 运行代码

---

一、模型介绍

       GLM-4是智谱AI发布的新一代基座大模型，整体性能相比GLM3提升60%，支持128K上下文，可根据用户意图自主理解和规划复杂指令、完成复杂任务。

1.1主要模型

模型名称	模型简介	上下文长度
GLM-4	提供了更强大的问答和文本生成能力。适合于复杂的对话交互和深度内容创作设计的场景。	128K
GLM-4V	实现了视觉语言特征的深度融合，支持视觉问答、图像字幕、视觉定位、复杂目标检测等各类图像理解任务	2K
GLM-3-Turbo	适用于对知识量、推理能力、创造力要求较高的场景，比如广告文案、小说写作、知识类写作、代码生成等。	128K

1.2 计费单价

        Token是模型用来表示自然语言文本的基本单位，可以直观的理解为“字”或“词”；通常1个中文词语、1个英文单词、1个数字或1个符号计为 1 个token。

        一般情况下ChatGLM模型中token和字数的换算比例约为1:1.6，但因为不同模型的分词不同，所以换算比例也存在差异，每一次实际处理token数量以模型返回为准，您可以从返回结果的usage中查看。

模型服务	模型名称	计费单价
通用大模型	GLM-4	0.1元 / 千tokens
	GLM-4V	0.1元 / 千tokens
	GLM-3-Turbo	0.005元 / 千tokens

        实际收费情况请关注官方信息。

二、前置条件

2.1 申请API Key

        所有 API 使用 API Key 进行身份验证。可以访问智谱AI开放平台 API Keys 页面查找将在请求中使用的 API Key。

三、基于SDK开发

3.1 Maven引入SDK

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><groupId>com.yichenkeji</groupId><artifactId>yichen-demo-glm</artifactId><version>1.0-SNAPSHOT</version><properties><maven.compiler.source>11</maven.compiler.source><maven.compiler.target>11</maven.compiler.target><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding></properties><dependencies><!-- https://mvnrepository.com/artifact/cn.bigmodel.openapi/oapi-java-sdk --><dependency><groupId>cn.bigmodel.openapi</groupId><artifactId>oapi-java-sdk</artifactId><version>release-V4-2.0.2</version></dependency></dependencies>
</project>

3.2 代码实现

package com.yichenkeji.demo.glm;import com.alibaba.fastjson.JSON;
import com.zhipu.oapi.ClientV4;
import com.zhipu.oapi.Constants;
import com.zhipu.oapi.service.v4.model.ChatCompletionRequest;
import com.zhipu.oapi.service.v4.model.ChatMessage;
import com.zhipu.oapi.service.v4.model.ChatMessageRole;
import com.zhipu.oapi.service.v4.model.ModelApiResponse;import java.util.ArrayList;
import java.util.List;public class GlmMain {public static final String API_KEY = "你的APK KEY";private static final String requestIdTemplate = "mycompany-%d";public static String chat(String message) {ClientV4 client = new ClientV4.Builder(API_KEY).build();List<ChatMessage> messages = new ArrayList<>();//构建消息对象ChatMessage chatMessage = new ChatMessage(ChatMessageRole.USER.value(), message);messages.add(chatMessage);//构建请求idString requestId = String.format(requestIdTemplate, System.currentTimeMillis());ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder().model(Constants.ModelChatGLM4)//设置模式.stream(Boolean.FALSE).invokeMethod(Constants.invokeMethod).messages(messages).requestId(requestId).build();ModelApiResponse invokeModelApiResp = client.invokeModelApi(chatCompletionRequest);return JSON.toJSONString(invokeModelApiResp);}public static void main(String[] args) {String result = chat("请做一下自我介绍");System.out.println(result);}
}

3.3 运行代码