Skip to main content
模型推理

优速模式

高速模式为对输出速度敏感的场景提供更高的 TPS。

使用方式

优速模式具备以下关键特性:
  • 高速输出:TPS 提升至标准 API 的 1.5~2 倍;适用于 AI 编程助手、Agent 多步推理、实时对话等对输出速度敏感的场景。
  • 按 token 计费:计费逻辑与标准 API 一致,按输入与输出 token 计费。
  • 特殊限流:调用量达到限流值时,若平台仍有剩余资源,则不会触发限流,因此实际可用 TPS 不低于限流值。
调用时将 model 参数指定为支持的模型的 model ID 即可开启,无需额外参数。接入域名格式为 https://{workspace_id}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1,其中 {workspace_id}可在业务空间管理页面切换到对应地域后查看。 基础调用示例:
glm 5.2 的 prime 模式的模型名称仍然为 glm-5.2-fast-preview。
curl -X POST https://{workspace_id}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2-fast-preview",
    "messages": [{"role": "user", "content": "你是谁"}],
    "stream": false
}'

支持的模型

模型支持的能力、使用限制与原版模型相同
  • 华北2(北京)
  • 新加坡

文本生成模型

模型计费(每百万Token)

输入单价

输出单价

缓存命中

qwen3.8-max-prime

24元

72元

3元

glm-5.2-fast-preview

16元

56元

4元

视频生成模型

模型计费(元/秒)

480P

720P

1080P

wan3.0-video-prime

0.45元/秒

0.9元/秒

1.8元/秒

使用示例

模型支持的能力、使用限制与原版模型相同
流式调用示例:
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ.get("API_KEY"),
    base_url=os.environ.get("BASE_URL"),
)

completion = client.chat.completions.create(
    model="glm-5.2-fast-preview",
    messages=[{"role": "user", "content": "你是谁"}],
    stream=True,
)

# glm-5.2 默认返回 reasoning_content 思考字段;
# 流式输出时思考内容与回答内容分别通过 delta.reasoning_content 与 delta.content 推送。
for chunk in completion:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta
    if hasattr(delta, "reasoning_content") and delta.reasoning_content:
        print(delta.reasoning_content, end="", flush=True)
    if hasattr(delta, "content") and delta.content:
        print(delta.content, end="", flush=True)

返回示例:
{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "model": "glm-5.2-fast-preview",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "reasoning_content": "...",
      "content": "..."
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 14,
    "completion_tokens": 137,
    "total_tokens": 151,
    "prompt_tokens_details": { "cached_tokens": 0 },
    "completion_tokens_details": { "reasoning_tokens": 127 }
  }
}

计费说明

关于快速模式的计费规则与价格表,请参见 模型调用计费

错误码

关于快速模式调用过程中可能出现的错误码及对应的解决方法,请参见 错误码
Token Plan
模型体验
  • 3D模型生成
  • 音乐生成
模型调优
模型压缩目录节点
用量统计与性能监控
资产中心
服务支持