GLM-4.6V-Flash API
对话、流式、工具调用与 Anthropic Messages 接入。
模型 ID：glm-4-6v-flash
上下文：128K token。支持文本和图片输入、文本输出。
OpenAI Chat Completions
python
from openai import OpenAI
import os
client = OpenAI(api_key=os.environ["MODELFOLD_API_KEY"], base_url="https://modelfold.ai/v1")
result = client.chat.completions.create(model="glm-4-6v-flash", max_tokens=1024, messages=[{"role":"user","content":"Hello"}])
print(result.choices[0].message.content)设置 stream=True 后按 SSE 逐段读取。tools 和 tool_choice 使用 OpenAI 函数格式；由应用执行模型返回的工具调用。
Anthropic Messages
python
from anthropic import Anthropic
import os
client = Anthropic(api_key=os.environ["MODELFOLD_API_KEY"], base_url="https://modelfold.ai/anthropic")
message = client.messages.create(model="glm-4-6v-flash", max_tokens=1024, messages=[{"role":"user","content":"Hello"}])
print(message.content)原生路径为 POST /anthropic/v1/messages。同样支持 stream: true，工具使用 Anthropic 的 input_schema。不支持 Responses API 和服务端 count_tokens，请在客户端估算。
参数
| 字段 | 说明 |
|---|---|
| model | glm-4-6v-flash |
| messages | 必填；会话历史请由调用方传入。 |
| max_tokens | 输出上限，包含思考 token。 |
| thinking.type | enabled / disabled |
| stream | true / false |
| tools / tool_choice | 函数定义与选择策略。 |
用量与缓存
按实际输入、缓存输入与输出 token 汇总结算；失败请求自动撤销，自动重试只结算一次。
首次请求通常不命中缓存。复用相同前缀才可能在后续请求命中；以 usage 中的缓存 token 为准，不保证缓存命中。思考 token 计入输出。
视觉输入
OpenAI 使用 {"type":"image_url","image_url":{"url":"data:image/png;base64,..."}} 内容块；Anthropic 使用 image 和 base64 source。