一、前言：

智谱AI与清华KEG实验室发布的ChatGLM大语言模型，支持8k上下文，在内容创作、文本理解、信息抽取等任务上表现突出。经过海量中英标识符的预训练与人类偏好对齐训练，相比一代模型在 MMLU、C-Eval、GSM8K 分别取得了16%、36%、280%的提升，并登顶中文任务榜单C-Eval。

二、获取API Key：

1、打开网址：智谱AI开放平台 注册账号登录

2、登录——右上角（查看API Key）

3、注册后赠送100万token，实名认证后多赠送400万（有效期一个月）

​

​

​

三、安装及调用：

首先请通过如下方式进行安装：

pip install zhipuai

我们升级了最新的模型 GLM-4、GLM-3-Turbo，支持了System Prompt、Function Call、Retrieval、Web_Search等新功能。使用以上新功能需升级最新版本的 Python SDK。如您已安装老版本SDK，请您更新到最新版SDK。

pip install --upgrade zhipuai

调用方式

示例1：

from zhipuai import ZhipuAIclient = ZhipuAI(api_key="") # 填写您自己的APIKeyresponse = client.chat.completions.create( model="glm-4", # 填写需要调用的模型名称 messages=[ {"role": "user", "content": "作为一名营销专家，请为我的产品创作一个吸引人的slogan"}, {"role": "assistant", "content": "当然，为了创作一个吸引人的slogan，请告诉我一些关于您产品的信息"}, {"role": "user", "content": "智谱AI开放平台"}, {"role": "assistant", "content": "智启未来，谱绘无限一智谱AI，让创新触手可及!"}, {"role": "user", "content": "创造一个更精准、吸引人的slogan"} ],)print(response.choices[0].message)

示例2：

from zhipuai import ZhipuAIclient = ZhipuAI(api_key="") # 填写您自己的APIKeyresponse = client.chat.completions.create( model="glm-4v", # 填写需要调用的模型名称 messages=[ { "role": "user", "content": [ { "type": "text", "text": "图里有什么" }, { "type": "image_url", "image_url": { "url" : "https://img1.baidu.com/it/u=1369931113,3388870256&fm=253&app=138&size=w931&n=0&f=JPEG&fmt=auto?sec=1703696400&t=f3028c7a1dca43a080aeb8239f09cc2f" } } ] } ])print(response.choices[0].message)

示例3：

from zhipuai import ZhipuAIclient = ZhipuAI(api_key="") # 请填写您自己的APIKeyresponse = client.chat.completions.create( model="glm-3-turbo", # 填写需要调用的模型名称 messages=[ {"role": "system", "content": "你是一个乐于解答各种问题的助手，你的任务是为用户提供专业、准确、有见地的建议。"}, {"role": "user", "content": "我对太阳系的行星非常感兴趣，特别是土星。请提供关于土星的基本信息，包括其大小、组成、环系统和任何独特的天文现象。"}, ], stream=True,)for chunk in response: print(chunk.choices[0].delta)

四、接口说明：

模型编码：glm-4

根据输入的自然语言指令完成多种语言类任务，推荐使用 SSE 或异步调用方式请求接口

接口参数请求

System Message格式

User Message格式

Assisant Message格式

Tool Message格式

tool message 代表工具被调用后返回的结果。模型根据tool message向用户输出自然语言格式的消息。

模型同步调用响应内容

内容生成流式响应块内容