Z.ai/glm-5.2-text-to-text

glm-5.2-text-to-text

Coba gratis GLM 5.2 Text-to-Text API untuk penalaran, penulisan, bantuan coding, ringkasan, dan otomasi LLM berskala melalui workflow Flaq AI yang stabil.

Text Chat

Dokumentasi

Contoh API

JavaScriptPythoncURL

Contoh Pengiriman

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'glm-5.2-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Write a four-line modern poem about a programmer drinking coffee.'
      }
    ],
    stream: true,
    max_tokens: 500,
    top_p: 0.5,
    top_k: 1
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\n').filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Contoh Pengiriman

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'glm-5.2-text-to-text',
        'messages': [
            {
                'role': 'user',
                'content': 'Write a four-line modern poem about a programmer drinking coffee.',
            }
        ],
        'stream': True,
        'max_tokens': 500,
        'top_p': 0.5,
        'top_k': 1,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Contoh Pengiriman

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2-text-to-text",
    "messages": [
      {
        "role": "user",
        "content": "Write a four-line modern poem about a programmer drinking coffee."
      }
    ],
    "stream": true,
    "max_tokens": 500,
    "top_p": 0.5,
    "top_k": 1
  }'

Mulai chat baru

Kirim pesan untuk memulai.

Harga GLM 5.2 Text to Text

Parameter	Harga	Harga asli	Diskon

Token: input	$0.9900 per 1 juta token input	$1.1000 per 1 juta token input	90%
Token: output	$3.4650 per 1 juta token output	$3.8500 per 1 juta token output	90%

README

API GLM 5.2 Text-to-Text Stabil & Terjangkau (Model Penalaran Agentic Z.ai)

API GLM 5.2 Text-to-Text di Flaq AI menyediakan akses model bahasa Z.ai untuk penalaran, bantuan coding, penulisan panjang, peringkasan, dan otomatisasi bergaya agent. Integrasi API GLM yang terjangkau ini membantu developer membangun fitur LLM yang stabil melalui route terkelola sambil menghindari pekerjaan infrastruktur khusus provider. API ini dirancang untuk produk yang membutuhkan kepatuhan instruksi praktis, bantuan engineering, dan kecerdasan teks berskala.

Fitur Utama API GLM 5.2 Text-to-Text

Alur Kerja Penalaran Lanjutan: Hasilkan jawaban mendalam untuk analisis, perencanaan, dukungan coding, dan tugas teks kompleks melalui integrasi API GLM 5.2.
Dukungan Engineering Agentic: Bangun asisten coding, alat analisis repo, dan alur otomatisasi tugas yang memanfaatkan penalaran terstruktur dan panduan implementasi.
Generasi Teks Stabil: Produksi respons andal untuk chat, peringkasan, penulisan bisnis, klasifikasi, dan kasus penggunaan transformasi konten.
Akses API Ramah Developer: Hubungkan GLM 5.2 ke layanan backend, agent AI, dan aplikasi yang menghadap pengguna melalui route API terkelola Flaq AI.
Konteks Percakapan Fleksibel: Dukung alur kerja multi-turn saat model perlu mengingat instruksi, keputusan, dan preferensi pengguna terbaru.
Integrasi LLM Hemat Biaya: Gunakan GLM 5.2 untuk fitur bahasa produksi yang terjangkau tanpa memelihara hosting model atau infrastruktur serving khusus.

Cara Menggunakan API GLM 5.2 Text-to-Text untuk Generasi Teks di Flaq AI

Masukan: Pesan bahasa alami, instruksi bergaya sistem, konteks percakapan, dan kontrol generasi opsional.
Keluaran: Respons teks untuk chat, bantuan coding, ringkasan, penjelasan, jawaban terstruktur, dan pipeline otomatisasi.
Konteks: Mendukung alur kerja percakapan untuk asisten, agent, alat dukungan, dan sistem produktivitas internal.
Kemampuan: Penalaran, bantuan kode, penulisan panjang, peringkasan, klasifikasi, sintesis pengetahuan, dan otomatisasi alur kerja melalui integrasi API GLM 5.2.

Kasus Penggunaan Terbaik untuk Integrasi API GLM 5.2 Text-to-Text

Asisten Coding & Engineering: Hasilkan rencana implementasi, jelaskan kode, susun patch, ringkas masalah teknis, dan dukung alur kerja developer.
Backend Agent AI: Dukung dekomposisi tugas, perencanaan, dukungan keputusan, dan otomatisasi multi-langkah untuk aplikasi agentic.
Kerja Pengetahuan Bisnis: Ringkas dokumen, buat laporan, tulis draf email, klasifikasikan tiket, dan ubah catatan tidak terstruktur menjadi output yang berguna.
Alat Riset & Analisis: Bandingkan informasi, sintesis temuan, nalar melalui tradeoff, dan buat analisis terstruktur dari prompt pengguna.
Otomatisasi Dukungan Pelanggan: Hasilkan balasan yang membantu, triase permintaan, dan ubah konteks dukungan menjadi tindakan berikutnya yang jelas.

Catatan Pastikan prompt mematuhi persyaratan keamanan Z.ai dan Flaq AI. Jika terjadi error, perbaiki permintaan, hapus konten yang dibatasi, lalu coba lagi.

GLM 5.2 Text-to-Text vs Kompetitor: Analisis Perbandingan

GLM 5.2 vs. GPT Text-to-Text
Model GPT adalah LLM general-purpose yang luas. API GLM 5.2 Text-to-Text menyediakan alternatif Z.ai yang berfokus pada penalaran, bantuan coding, dan alur kerja engineering agentic melalui Flaq AI.
GLM 5.2 vs. Claude Text-to-Text
Claude kuat untuk penulisan dan analisis yang hati-hati. GLM 5.2 menekankan tugas engineering praktis, penalaran terstruktur, dan otomatisasi berskala.
GLM 5.2 vs. Kimi 2.7
Kimi 2.7 adalah opsi Moonshot AI yang kuat untuk alur kerja coding dan bahasa. GLM 5.2 memberi tim route LLM lanjutan lain dengan perilaku model Z.ai dan positioning berorientasi agent.
GLM 5.2 vs. Qwen Max
Qwen Max menyediakan kemampuan bahasa lanjutan Alibaba. GLM 5.2 menawarkan keluarga model terpisah untuk tim yang membandingkan gaya penalaran, perilaku coding, dan keragaman provider.
GLM 5.2 vs. Gemini Flash
Gemini Flash memprioritaskan akses model Google yang cepat. GLM 5.2 diposisikan untuk penalaran yang lebih dalam, dukungan coding, dan alur kerja teks agentic di Flaq AI.