GLM 5.2 免费 API：如何领取免费 token 并试用 GLM-4-Plus

GLM 5.2(在 Zhipu AI 的 BigModel 平台上以 glm-4-plus 提供)是当今最强大的开放权重模型之一——753B MoE 架构,GPQA Diamond 拿下 89%,LiveCodeBench 拿下 74.3%。好消息是:开始实验不需要付费。Zhipu AI 会给每个新注册账号发放一批免费试用 token,而且 API 是 OpenAI 兼容的,现有代码只需改两行就能跑。本指南带你走完每一步,从创建 BigModel 账号到发出你的第一次成功 API 调用。

GLM 5.2 是什么,为什么重要

GLM 5.2 是 Zhipu AI(智谱 AI)的旗舰模型,2025 年 5 月发布。底层是专家混合(MoE)模型,总计 7530 亿参数,每次前向传播激活 400 亿参数。这种设计让它以推理成本的一个零头拿到大稠密模型的原始能力。

开始之前,几个值得知道的数字:

• 上下文窗口: 1,048,576 tokens(100 万)——长到能装下整个代码库或数百页文档
• GPQA Diamond: 89%——接近公开科学推理基准的顶端
• SWE-bench Pro: 62.1%——扎实的真实软件工程表现
• LiveCodeBench: 74.3%——实时编程评测中有竞争力
• 语言: 原生支持中英文,视觉能力经 GLM-4V 提供

付费价格是每百万输入 token $1.40、每百万输出 token $4.40——生产用合理,但免费试用档才是让你在投入前零成本评估模型的那个东西。

想更深入看基准数字,以及 GLM 5.2 与 GPT-4o、Claude 3.5、Gemini 1.5 Pro 的对比,见我们的 GLM 5.2 API 指南。

第 1 步:创建 BigModel 账号

免费试用 token 在 Zhipu AI 的开发者平台 open.bigmodel.cn 上。注册时中国手机号和海外邮箱都接受——不需要中国手机号也能注册。

1. 在浏览器打开 https://open.bigmodel.cn。
2. 点击注册按钮(注册 / Sign Up)。
3. 在中国以外就选 邮箱注册,有中国手机号就选 手机注册。
4. 完成验证步骤(邮箱链接或短信验证码)。
5. 填写基本资料字段并提交。

账号确认后,进入控制台。在左侧边栏找 API Keys 区域。新建一个 key 并妥善保存——平台只在创建时显示一次。

到这里,Zhipu AI 应该会自动往你账号里充入免费试用 token 额度。具体数量会随促销活动变化,所以以控制台里 open.bigmodel.cn 显示的当前数字为准,别依赖任何第三方来源。

第 2 步:安装 OpenAI Python SDK

GLM 5.2 的 API 完全兼容 OpenAI。你不需要单独的 Zhipu 专用客户端库。如果还没装,先安装标准 openai 包:

pip install openai

然后把你的 API key 导出为环境变量:

export BIGMODEL_API_KEY="your-api-key-here"

Windows(PowerShell):

$env:BIGMODEL_API_KEY = "your-api-key-here"

第 3 步:发出你的第一次 API 调用

与标准 OpenAI 调用相比,只有两处不同:base_url 和 model 名称。其余一切——请求体结构、流式、工具/函数调用、JSON 模式——完全一致。

Base URL: https://open.bigmodel.cn/api/paas/v4/ 模型名: glm-4-plus

一个最小可运行示例:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["BIGMODEL_API_KEY"],
    base_url="https://open.bigmodel.cn/api/paas/v4/",
)

response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[
        {
            "role": "system",
            "content": "You are a helpful assistant.",
        },
        {
            "role": "user",
            "content": "Explain the Mixture-of-Experts architecture in two paragraphs.",
        },
    ],
    max_tokens=512,
)

print(response.choices[0].message.content)

用 python main.py 跑它,几秒内你应该能看到一段连贯、结构清晰的解释。如果遇到 401 错误,再检查一下 BIGMODEL_API_KEY 环境变量是否设置正确,以及你复制的 key 是否完整、末尾没有空白字符。

第 4 步:启用流式输出(可选)

对于更长的响应或交互式用例,流式输出让你按 token 逐字看到结果,而不用等完整补全。改动只有一个参数:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["BIGMODEL_API_KEY"],
    base_url="https://open.bigmodel.cn/api/paas/v4/",
)

stream = client.chat.completions.create(
    model="glm-4-plus",
    messages=[
        {"role": "user", "content": "Write a short poem about large language models."},
    ],
    stream=True,
    max_tokens=256,
)

for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.content:
        print(delta.content, end="", flush=True)

print()  # newline after stream ends

流式输出在你构建面向用户的界面、想显示进度而不是转圈加载时尤其有用。

了解免费档

免费试用 token 是为评估设计的,不是为生产流量。几点要记住:

Token 额度: 初始发放覆盖相当可观的评估量,但不是无限的。到 open.bigmodel.cn 的控制台查看实时用量和剩余余额。

速率限制: 免费档的速率限制低于付费套餐。按官方文档,限制因账号档位而异。如果碰到 429(速率超限)错误,加一个带指数退避的短暂重试,或者稍等片刻再重试。

有效期: 免费试用额度可能有到期日。Zhipu AI 控制台会在每笔额度旁边显示有效期窗口。在过期前用掉你的额度。

token 怎么算: GLM 5.2 对中文和英文文本的分词方式不同。粗略参考:一个英文单词约 1–1.5 个 token;一个汉字约 1.5–2 个 token。图片(经 GLM-4V)按分辨率单独计费。

免费档用完后,API 会返回额度超限错误,而不是悄悄继续。到那时你可以升级付费套餐,每百万输入 token $1.40——对这个能力级别、带 1M 上下文的模型来说,定价很有竞争力。

社区方案 vs 付费方案

免费档功能齐全——你拿到的是同一个 glm-4-plus 模型、同一个 1M 上下文窗口、视觉和工具调用。实际区别只有额度上限和更低的速率限制。

不注册也能试 GLM 5.2

如果你想在创建 BigModel 账号之前先测测 GLM 5.2,glm5.app 提供一个免注册 playground,你可以直接把提示词发给 GLM-4-Plus 并立即看到响应。适合快速验证、提示词实验,以及和没有 API 凭证的同事分享结果。

在 glm5.app 免费试用 GLM 5.2——无需账号

常见问题与解决

401 Unauthorized API key 错误、缺失或尚未激活。在 BigModel 控制台重新生成 key,并重新导出环境变量。

429 Rate Limited 你超出了免费档的请求速率。等几秒再试,或实现指数退避。付费套餐的限制要高得多。

Model not found 再确认你用的是 model="glm-4-plus"(不是 glm-5.2 或 gpt-4)。BigModel 平台上的模型名就是 glm-4-plus。

SSL 或连接错误 Base URL 必须是精确的 https://open.bigmodel.cn/api/paas/v4/,包括末尾斜杠。有些 OpenAI SDK 版本对末尾斜杠敏感——如果看到路径相关的 404 错误,试试加上或去掉它。

额度用尽 你的免费试用额度用完了。登录控制台查余额,考虑升级到按量付费方案。

本地使用开放权重版本

如果你根本不想调用托管 API,Zhipu AI 也在 HuggingFace 上以 MIT 许可发布了较小变体 GLM-4-9B-Chat 的开放权重,地址是 https://huggingface.co/THUDM。这不是完整的 GLM-4-Plus 模型(那需要大规模基础设施),但对很多 NLP 任务够用,量化后能跑在单块消费级 GPU 上。

要完整 753B MoE 架构的生产级质量,open.bigmodel.cn 的托管 API 仍是务实路径。

下一步

确认免费档 API 调用没问题之后,有几个方向值得探索:

• 长上下文: GLM 5.2 的 1M token 上下文窗口是它的标志性强项之一。试着喂它一份大文档或代码库,问跨主题的问题。
• 工具调用: API 支持 OpenAI 风格的函数定义。给模型装上搜索、计算器或数据库工具,观察它如何编排。
• 视觉(GLm-4V): 用标准 content-array 格式把 base64 编码的图片附加到消息里。GLM-4V 可以用中英文描述、分析和推理图片。
• 批量处理: 对离线工作负载,按官方文档 BigModel 平台提供批量端点,每 token 定价更低——如果你要处理数千份文档,值得一看。

详细的端点文档、流式边界情况和生产部署模式,见本站的 GLM 5.2 API 集成指南。

准备好走出 playground、开始构建了吗?BigModel 免费档给你足够 token 做完整功能原型。等你准备好扩容,付费方案比同能力级别的闭源模型更便宜。

开始用 GLM 5.2 构建——在 glm5.app 体验 playground

Sources

• Zhipu AI BigModel developer platform: https://open.bigmodel.cn
• GLM-4-9B-Chat open weights (MIT license): https://huggingface.co/THUDM
• GLM-4-Plus API documentation (Chinese): https://open.bigmodel.cn/dev/api
• GPQA Diamond benchmark (Google DeepMind): https://arxiv.org/abs/2311.12022
• SWE-bench leaderboard: https://www.swebench.com
• LiveCodeBench: https://livecodebench.github.io
• OpenAI Python SDK (used for OpenAI-compatible calls): https://github.com/openai/openai-python