从需求走向可修改的代码
GLM-4.6 不只适合补全短函数，也可围绕需求说明、现有代码和报错信息组织修改方案。它支持主流编程语言，并重视前端页面的视觉效果与逻辑布局，适合先生成页面或功能草案，再通过多轮反馈细化交互与实现。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生上下文
- 200K tokens
- 原生最大输出
- 128K tokens
- 原生输入与输出
- 文本输入、文本输出
- 原生推理控制
- thinking.type：enabled / disabled，默认 enabled
- 编程语言
- 支持 Python、JavaScript、Java 等主流语言
- 平台生成入口
- /glm/chat/completions；支持普通回复与流式响应
- 平台会话入口
- /aichat/conversations、/aichat2/conversations；支持托管多轮对话
上下文、输出上限与思考开关为原生规格；本平台提供文本生成及会话工作流，调用参数与长度预算按所选入口执行。
核心能力
了解 glm-4.6 能为你的工作带来什么。
长材料分析与工具协作
较大的上下文窗口便于同时处理多段资料、项目约束与讨论历史，减少频繁拆分材料的需要。模型支持推理中使用工具，可用于任务拆解、检索结果整合和跨工具协作；执行搜索或业务操作时，需要相应工具与运行环境配合。
自然写作与跨语言表达
它强调可读性、风格适配和多轮角色一致性，适合小说、剧本及品牌文案的持续修改。翻译方面优化了法语、俄语、日语、韩语和非正式表达，可结合术语表与语气要求，保持长段落的语义连贯和本地化表达。
适用场景
从具体任务出发，找到模型发挥作用的位置。
前端原型与功能迭代
输入页面目标、组件需求、现有代码与验收条件，让模型交付布局代码、交互逻辑和修改说明。随后补充截图的文字描述或测试报错，继续调整方案。适用于产品原型和开发辅助，生成代码仍需在项目环境中运行测试。
长文档梳理与报告草稿
将文档正文、会议记录和分析问题整理成文本，要求模型提取主题、比较观点并生成报告草稿。可以指定章节结构和原文引用要求，获得摘要、差异清单与待确认事项；关键结论应保留对应材料，方便后续人工复核。
跨语言内容与角色运营
输入商品说明、目标语言、术语表和品牌口吻，生成本地化文案或短剧译稿；也可提供角色设定与历史对话，持续创作台词。交付物以文本为主，适合编辑团队进一步润色，不把翻译或角色写作等同于语音合成。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
从 GLM-4.5 升级时怎么选
如果任务经常同时涉及较长资料、代码和多步推理，GLM-4.6 更值得考虑：原生上下文由 GLM-4.5 的 128K 扩展至 200K，并改进实际编程与工具使用。对短问答或固定模板任务，建议用自己的样例比较交付质量，不必仅因版本更新就更换。
与 GLM-4.7 如何取舍
通用对话、内容创作，以及兼顾文本分析和代码辅助的应用，可先选择 GLM-4.6。若核心任务是代码生成、工具调用或 Agent 编排，可将 GLM-4.7 纳入对比测试。重点观察修改正确性、工具完成情况与输出风格，不把系列新版本的规格套用到 GLM-4.6。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- GLM-4.6 的原生模态是文本，不应作为图像识别或音频生成模型使用。处理扫描材料时，先完成文字提取；分析图片时，可提供文字描述，或选择具有视觉能力的型号，避免将接口中的附件字段当作原生识图能力。
- 200K 上下文与 128K 最大输出是不同规格，不意味着可以同时用满两者。长任务需要给回复预留预算，并优先保留关键材料；托管会话也不等于永久完整记忆，重要约束适合在后续任务中再次明确。
- 代码生成和工具规划不等于自动执行程序、部署网页或完成搜索。直接生成入口中的函数调用需要应用执行并回传结果；涉及写入、发布等动作，应配置授权和确认环节，代码则需经过测试后再投入使用。
常见问题
解答使用 glm-4.6 时的常见疑问。
GLM-4.6 能直接看图片或生成语音吗？
它的原生输入与输出都是文本，适合问答、代码、写作和文本分析。图片识别或语音生成应使用相应能力的型号；即使调用结构包含图片、音频字段，也不能据此认为 GLM-4.6 具备这些能力。
200K 上下文意味着可以输出 200K 吗？
不是。上下文窗口描述任务可使用的整体文本范围，原生最大输出另为 128K tokens。实际请求还需要考虑输入、历史对话与回复预算；长材料任务可先明确摘要或章节目标，避免一次要求过多内容。
GLM-4.6 的思考开关怎么理解？
原生用法提供 thinking.type，可设为 enabled 或 disabled，默认开启。它与 reasoning_effort 不是同一个控制方式，不应直接互换。设计应用时应区分原生思考设置与所选调用入口的推理参数。
调用 GLM-4.6 时如何继续多轮对话？
使用 /glm/chat/completions 时，在 messages 中按顺序提交必要历史，读取助手回复文本。若希望托管会话，可使用两个 conversations 入口，开启 stateful，并在后续请求中携带返回的 id 继续讨论。
GLM-4.6 支持工具调用，是否就会自动联网？
工具调用能力表示模型能选择工具并组织调用参数，不等于每次提问都会联网。直接生成入口需要声明工具并处理执行结果；使用带工具的会话工作流时，也应明确检索目标、授权范围及所需交付物。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.35per 1M tokens
Official $0.35
Output
$0.53per 1M tokens
Official $0.53
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.