glm-4-5-air
Chat de texto, programación, extracción estructurada y llamadas a herramientas.
Precio: Entrada: 48 créditos / 1 M de tokens (≈ $0.24); salida: 264 créditos / 1 M de tokens (≈ $1.32).
Precios actualizados
¿En qué puedo ayudarte hoy?
Esta página de demostración no incluye todas las funciones de memoria del cliente. Para disfrutar de la experiencia completa, utiliza el cliente o la CLI.
GLM-4.5-Air API
Chat de texto, programación, extracción estructurada y llamadas a herramientas.
Parámetros
| Parámetro | Descripción |
|---|---|
| model | glm-4-5-air |
| messages | user / assistant / system; text |
| context | 128K tokens; entrada y salida de texto. |
| max_tokens | integer |
| stream | true / false (SSE) |
| thinking.type | enabled / disabled |
| tools / tool_choice | function / auto |
Precios
Tarifa actual por millón de tokens: entrada 48 créditos, entrada en caché 7.2 créditos y salida 264 créditos. Se reservan créditos antes de ejecutar y se liquida una vez según el uso real, redondeando al entero superior. Las solicitudes fallidas se reembolsan.
Ejemplos de código · OpenAI
curl https://modelfold.ai/v1/chat/completions \ -H "Authorization: Bearer $MODELFOLD_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"glm-4-5-air","messages":[{"role":"user","content":"Hello"}],"max_tokens":1024,"stream":true}'
Ejemplos reales de la API 1
Instrucción: Explain idempotency keys in one short sentence. Respuesta: An idempotency key is a unique token sent by a client to ensure that a request can only be processed once by a server, preventing duplicate side effects.
Ejemplos reales de la API 2
Instrucción: Extract JSON with item and quantity: 3 blue notebooks. Output JSON only. Respuesta: ```json { "item": "blue notebooks", "quantity": 3 } ```
Ejemplos de código · Anthropic
from anthropic import Anthropic client = Anthropic(api_key="YOUR_MODELFOLD_KEY", base_url="https://modelfold.ai/anthropic") message = client.messages.create(model="glm-4-5-air", max_tokens=1024, messages=[{"role":"user","content":"Hello"}]) print(message.content)
Preguntas frecuentes
¿Cómo uso streaming y herramientas?⌄
Usa stream: true para SSE. Envía tools y tool_choice para llamadas a funciones. Tu aplicación debe ejecutar las herramientas.
¿La API conserva la conversación?⌄
No guarda la conversación automáticamente. Incluye los mensajes anteriores de user y assistant en messages.
¿Se aplica caché en la primera llamada?⌄
La primera solicitud normalmente no tiene caché. Reutilizar un prefijo idéntico puede producir aciertos posteriores. Consulta el uso devuelto por la API; no se garantiza un acierto.
¿Admite el protocolo Anthropic?⌄
Sí. Usa /anthropic como base_url del SDK de Anthropic, con la misma clave de ModelFold y el ID de este modelo. No admite Responses API.
¿Puede leer imágenes?⌄
Es un modelo de texto. Usa GLM-4.6V para imágenes.
| Entrada | 48 créditos 1M tokens≈ $0.24 |
| Entrada en caché | 7.2 créditos 1M tokens≈ $0.04 |
| Salida | 264 créditos 1M tokens≈ $1.32 |
Se cobra por token, con tarifas separadas para entrada y salida. Los tokens de razonamiento cuentan como salida. El entorno de pruebas aplica exactamente el mismo cálculo.
Leer la documentación de la API →AI Agents · Claude Code / Cursor / Trae →curl https://modelfold.ai/v1/chat/completions \
-H "Authorization: Bearer $MODELFOLD_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"glm-4-5-air","messages":[{"role":"user","content":"Hello"}]}'