خرید API هوش مصنوعی GLM 4.5 چینی + مستندات

مدل‌های زبانی بزرگ GLM (Guo Lian Model) توسط شرکت پیشرو فناوری چینی Zhipu AI توسعه یافته‌اند. این خانواده از مدل‌ها، شامل نسخه‌های پیشرفته‌ای مانند GLM-4، GLM-4.5 و GLM-Z1 است که برای عملکردی برتر در سناریوهای کاربردی مختلف طراحی شده‌اند.

GLM-4.5 به عنوان یکی از مدل‌های برتر، ادعای عملکردی رقابتی در برابر مدل‌های پیشرو جهانی دارد. این مدل‌ها با پنجره متنی گسترده (تا 128,000 توکن) قادر به درک و تولید محتوای طولانی با کیفیت بالا هستند.

GLM-4.5-Air نوع سبک وزن جدیدترین خانواده مدل پرچمدار جی ال ام است که برای کاربردهای عامل محور نیز ساخته شده است. مانند GLM-4.5، این مدل نیز از معماری Mixture-of-Experts (MoE) بهره می‌برد، اما اندازه پارامتر آن فشرده‌تر است. GLM-4.5-Air همچنین از حالت‌های استنتاج ترکیبی پشتیبانی می‌کند

ارائه مدل‌های مختلف GLM

Zhipu AI مجموعه‌ای از مدل‌ها را ارائه می‌دهد تا نیازهای متنوع کاربران را برآورده کند. این مدل‌ها شامل گزینه‌هایی برای پاسخ‌های سریع و مقرون به صرفه (مانند GLM 4 32B) و مدل‌هایی برای ورودی‌های فوق‌العاده طولانی (مانند GLM 4.5 Air) می‌شوند.

مدل های زبانی پشتیبانی شده + نرخ مصرف:

نام مدل	هزینه (TPC)	Content-Length
glm-4	0.7TPC	128k
glm-4.5-air	0.3TPC	131k
glm-4-32b	0.5TPC	128k
TPC = Token Per Character		نحوه محاسبه توکن

API هوش مصنوعی GLM

رابط برنامه‌نویسی (API) GLM، دروازه‌ای قدرتمند برای دسترسی به توانایی‌های هوش مصنوعی پیشرفته Zhipu AI است. این API به توسعه‌دهندگان و کسب‌وکارها اجازه می‌دهد تا به راحتی قابلیت‌های تولید متن، درک زبان و استدلال هوشمند را در برنامه‌ها، ربات‌ها و سیستم‌های خود یکپارچه کنند.

خرید API هوش مصنوعی GLM

با دسترسی به API GLM، فرصتی بی‌نظیر برای توسعه‌دهندگان و شرکت‌ها فراهم می‌شود تا از پیشرفته‌ترین مدل‌های زبانی چینی بهره‌مند شوند. این API امکان استفاده از مدل‌های مختلفی مانند GLM-4، GLM-4.5 و GLM-Z1 را با هزینه‌ای شفاف و مقرون به صرفه فراهم می‌کند.

نمونه کد Python برای اتصال به API هوش مصنوعی GLM

این نمونه کد با استفاده از کتابخانه پایتونی رسمی Zhipu AI (zhipuai) است. ابتدا باید کتابخانه را با دستور pip install zhipuai نصب کنید.

	$message = [["role" => "system", "content" => "This is a test prompt."]
	,["role" => "user", "content" => "Just Say Hello."],
	["role" => "assistant", "content" => "Hello"],
	["role" => "user", "content" => "Thank you."]];
    $REQ = curl_init();

    curl_setopt_array(
        $REQ,
        array(
            CURLOPT_URL => 'https://api.talkbot.ir/v1/chat/completions',
            CURLOPT_RETURNTRANSFER => true,
            CURLOPT_ENCODING => '',
            CURLOPT_MAXREDIRS => 10,
            CURLOPT_TIMEOUT => 0,
			
            CURLOPT_FOLLOWLOCATION => true,
            CURLOPT_HTTP_VERSION => CURL_HTTP_VERSION_1_1,
            CURLOPT_CUSTOMREQUEST => 'POST',
            CURLOPT_POSTFIELDS =>
            '{
                "model": "glm-4",
                "messages": '.json_encode($message) .',
                "temperature": 0.3,
                "stream": false,
				"max-token": 4000,
                "top_p": 1.0,
                "frequency_penalty": 0.0,
                "presence_penalty": 0.0
            }',
            CURLOPT_HTTPHEADER => array(
                'Content-Type: application/json',
		'Authorization: Bearer ' .  'sk-a789804145201421agf55554213v7' // Replace with your actual API key
                
            ),
        )
    );

	echo $Response = curl_exec($REQ);

    $error = curl_error($REQ);

    $data = json_decode($Response, true); 

نمونه کد Python اتصال به API هوش مصنوعی

import json
import requests


messages = [
    {"role": "system", "content": "This is a test prompt."},
    {"role": "user", "content": "Just Say Hello."},
    {"role": "assistant", "content": "Hello"},
    {"role": "user", "content": "Thank you."}
]


url = 'https://api.talkbot.ir/v1/chat/completions'


payload = json.dumps({
    "model": "glm-4",
    "messages": messages,
    "max-token": 4000,
    "temperature": 0.3,
    "stream": False,
    "top_p": 1.0,
    "frequency_penalty": 0.0,
    "presence_penalty": 0.0
})


headers = {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-a789834145201421ag635554213v8'  # Replace with your actual API key
}


response = requests.post(url, data=payload, headers=headers)


if response.ok:
    print(response.text)
else:
    print(f'An error occurred: {response.text}')

# You may want to parse the JSON response 
data = response.json()
	  

نمونه خروجی API:

پاسخ API به صورت یک شیء JSON استاندارد است. ساختار آن شبیه به زیر است:

{
  "id": "2f7ffcc3434c472b90a45934056f74f7",
  "object": "chat.completion",
  "created": 1708684538,
  "model": "glm-4",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "This is an AI response for you. How can I assist you?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 68,
    "completion_tokens": 205,
    "total_tokens": 273
  }
}
	 

آزمایش رایگان:

برای آزمایش و تست رایگان این وب سرویس (API) ابتدا در سایت ثبتنام کنید، و سپس از طریق کنترل پنل کاربری، کلید اختصاصی خود را ایجاد کنید. پس از ایجاد کلید، آن را در نمونه کدهای بالا جایگزاری کرده و خروجی را مشاهده کنید. امکان استفاده از کلید آزمایشی فقط تا 15000 توکن میسر است.

سایر وب سرویس ها:

با خرید بسته یاقوتی و یا یکی از بسته های فرایاقوتی، شما علاوه بر وب سرویس یا API پیش رو، از وب سرویس های زیر نیز میتوانید استفاده کنید.