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

glm-5.2-text-to-text

免费试用 GLM 5.2 Text-to-Text API，用于推理、写作、代码辅助、摘要，以及通过稳定 Flaq AI 工作流完成可扩展 LLM 自动化。适合智能问答、内容生产、研发辅助、业务分析和批量文本处理，让团队更快构建稳定可靠的 AI 应用流程。

Text Chat

文档

API 示例

JavaScriptPythoncURL

提交示例

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);
    }
  }
}

提交示例

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)

提交示例

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
  }'

开始新对话

发送一条消息开始对话。

GLM 5.2 Text to Text 价格

参数	价格	原价	折扣

Token: input	$0.9900 / 100 万输入 token	$1.1000 / 100 万输入 token	90%
Token: output	$3.4650 / 100 万输出 token	$3.8500 / 100 万输出 token	90%

README

稳定且经济实惠的 GLM 5.2 Text-to-Text API（Z.ai 智能体推理模型）

Flaq AI 上的 GLM 5.2 Text-to-Text API 为推理、编码帮助、长文写作、摘要和智能体式自动化提供 Z.ai 语言模型访问能力。这个经济实惠的 GLM API 集成帮助开发者通过托管路由构建稳定的 LLM 功能，同时避免特定提供商基础设施工作。它面向需要实用指令遵循、工程辅助和可扩展文本智能的产品。

GLM 5.2 Text-to-Text API 的核心功能

高级推理工作流： 通过 GLM 5.2 API 集成为分析、规划、编码支持和复杂文本任务生成深思熟虑的回答。
智能体工程支持： 构建受益于结构化推理和实现指导的编码助手、仓库分析工具和任务自动化流程。
稳定文本生成： 为聊天、摘要、商务写作、分类和内容转换用例生成可靠响应。
开发者友好 API 访问： 通过 Flaq AI 的托管 API 路由，将 GLM 5.2 连接到后端服务、AI 智能体和面向用户的应用。
灵活对话上下文： 支持模型需要记住近期指令、决策和用户偏好的多轮工作流。
高性价比 LLM 集成： 使用 GLM 5.2 构建经济实惠的生产语言功能，无需维护模型托管或自定义服务基础设施。

如何在 Flaq AI 上使用 GLM 5.2 Text-to-Text API 进行文本生成

输入： 自然语言消息、任务指令、对话历史和可选生成偏好。
输出： 用于聊天、编码帮助、摘要、解释、结构化回答和自动化管线的文本响应。
上下文： 支持用于交互式应用和智能体工作流的多轮对话模式。
能力： 通过 GLM 5.2 API 集成实现推理、代码辅助、长文写作、摘要、分类、知识综合和工作流自动化。

GLM 5.2 Text-to-Text API 集成的最佳使用场景

编码与工程助手： 生成实现计划、解释代码、起草补丁、总结技术问题并支持开发者工作流。
AI 智能体后端： 为智能体应用提供任务拆解、规划、决策支持和多步自动化能力。
业务知识工作： 总结文档、生成报告、起草邮件、分类工单，并将非结构化笔记转换为有用输出。
研究与分析工具： 比较信息、综合发现、推理权衡，并从用户提示词创建结构化分析。
客户支持自动化： 生成有帮助的回复、分流请求，并将支持上下文转换为清晰的下一步行动。

注意请确保提示词符合 Z.ai 与 Flaq AI 安全要求。如果发生错误，请优化请求、移除受限内容后重试。

GLM 5.2 Text-to-Text 与竞品对比：比较分析

GLM 5.2 vs. GPT Text-to-Text
GPT 模型是广泛适用的通用 LLM。GLM 5.2 Text-to-Text API 通过 Flaq AI 提供聚焦推理、编码帮助和智能体工程工作流的 Z.ai 替代方案。
GLM 5.2 vs. Claude Text-to-Text
Claude 擅长谨慎写作和分析。GLM 5.2 强调实用工程任务、结构化推理和可扩展自动化。
GLM 5.2 vs. Kimi 2.7
Kimi 2.7 是用于编码和语言工作流的强大 Moonshot AI 选项。GLM 5.2 为团队提供另一条高级 LLM 路径，具备 Z.ai 模型行为和智能体导向定位。
GLM 5.2 vs. Qwen Max
Qwen Max 提供 Alibaba 的高级语言能力。GLM 5.2 为比较推理风格、编码行为和提供商多样性的团队提供独立模型家族。
GLM 5.2 vs. Gemini Flash
Gemini Flash 优先提供快速 Google 模型访问。GLM 5.2 在 Flaq AI 上定位于更深推理、编码支持和智能体式文本工作流。