GLM API 定价：每 100 万 token 输入 $0.15，输出 $0.50

你支付的费用，一张表看清

此处的 glm api 定价没有层级、席位或月度计划。你购买额度，每次请求根据使用的 token 数量从额度中扣除。

关于命名的简短说明：域名匹配人们的搜索习惯，但该服务是一个独立的 OpenAI 兼容接口，针对单一开放权重文本模型 uncensored。它不是 GLM 背后供应商的官方 API，因此这些费率并非该供应商的费率。如果你在进行比较，请在其官网查看其当前定价，并使用下文的方法。

将费率转化为成本

每百万价格的感知不太直观。更好的单位是每次请求的成本。对于任何请求，将输入 token 数乘以 $0.15，输出 token 数乘以 $0.50，然后各除以 1,000,000。四种工作负载展示了具体计算方式。

具有长上下文的检索应用

问答应用将 50,000 个检索到的文本 token 放入提示词，并返回 800 个 token。输入成本为 50,000 x $0.15 / 1M = $0.0075。输出成本为 800 x $0.50 / 1M = $0.0004。一次回答成本为 $0.0079，因此 1,000 次回答成本为 $7.90。输入侧占主导，因此缩短检索上下文比缩短回答更划算。

聊天产品

每条消息发送约 3,000 个历史和人设 token，回复为 400 个 token。每条消息成本为 $0.00045 + $0.0002 = $0.00065。每天发送 40 条消息的用户每天成本为 $0.026，30 天成本为 $0.78。你可以使用该数字设定具有合理利润的自有定价。

具有结构化输出的批量任务

你需要对 200,000 个短文档进行分类。每个提示词为 600 个 token，JSON 模式使每个回复保持在约 20 个 token。输入为 200,000 x 600 = 1.2 亿 token，成本为 120 x $0.15 = $18.00。输出为 200,000 x 20 = 400 万 token，成本为 4 x $0.50 = $2.00。整个任务成本为 $20.00，正好等于一次入门级充值。规划实际耗时时请记住速率限制：完整密钥允许每分钟 300 次请求，因此 200,000 次请求在限制下约需 667 分钟。

工具调用代理

代理每个任务进行 8 次调用，每次输入 5,000 个 token，输出 300 个。每个任务输入为 40,000 ($0.006)，输出为 2,400 ($0.0012)，因此成本为 $0.0072。一百个任务成本为 $0.72。代理是历史增长影响最大的工作负载，因为每一步都会重新发送之前的工具结果，因此在执行几十次任务后记录实际的 token 数量，并用你自己的平均值替换这些估算值。

充值与赠送

你可以选择从 $20 到 $500 的任意整数美元金额。较大的充值会在你获得的额度基础上增加百分比：

最后一列将费率除以额度与支付的比例。在 $100 时，你获得 $110，因此你支付 $100 / $110 = 0.909 的列表价格：$0.15 变为 $0.136，$0.50 变为 $0.455。15% 的赠送从 $200 开始，因此从 $200 增加到 $500 没有额外的折扣。选择与你消耗速度相匹配的金额，而不是最大的金额。

支付方式包括加密货币（TRC20 上的 USDT、Base 上的 USDC）。由于额度不会过期，如果你预计会使用，一次性充值 $200 以获取赠送是安全的；如果你偏好从低额开始，较小的充值同样安全。任一方式的设置步骤见 快速入门 页面。

选择的一个实用规则：根据上述场景的预期月度支出，充值约一到两个月的支出。对于支持类聊天产品，每个活跃用户每月成本为 $0.78，100 个活跃用户总计 $78，因此 $100 充值（增加 $110 额度）足以覆盖第一个月并有剩余。当余额标题显示剩余一周的运行时间时，再次充值。

免费试用

新账户可以在注册后，通过 API 密钥页面一键领取 $0.50 的试用额度。注册支持 Google 或邮箱加密码。该额度无需银行卡，有效期 7 天，每人限领一次。

该额度约等于 333 万输入 token 或 100 万输出 token。以请求计算，一次 2,000 输入、500 输出的聊天调用成本为 $0.00055，因此试用额度可覆盖约 900 次调用。足以在你的提示词上测试流式输出、工具调用和 JSON 模式。试用密钥的运行限制低于付费密钥，并发请求限制为 2，每分钟限制为 60，这对于手动测试来说已经足够。

前往 API 密钥页面 开始。如果你想在花费任何额度之前查看所有请求字段，快速入门 列出了这些字段。

监控你的余额

每个响应都包含一个 X-Balance-USD 头，显示你的剩余额度，以及用于支持问题的 X-Request-Id。流式响应的末尾包含一个使用情况块，因此你可以计算每次调用的确切成本。一个简单的日志记录器即可满足需求：

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.glmapi.cc/v1", api_key="YOUR_KEY")

raw = client.chat.completions.with_raw_response.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise the plot of a heist film."}],
)
r = raw.parse()
cost = r.usage.prompt_tokens * 0.15 / 1e6 + r.usage.completion_tokens * 0.50 / 1e6
print(round(cost, 6), raw.headers.get("X-Balance-USD"))

在你的监控系统中设置余额头警报，并在任何大型批量任务之前预留余量进行充值。

与其他供应商的费率对比

仅凭费率无法决定比较结果，因为不同模型家族的 token 数量不同，冗长程度也不同。使用相同的 100 个提示词，通过两个服务运行它们，并记录实际的输入和输出 token。然后应用每个供应商的两个费率。无论列表价格如何，只有该测量结果才能告诉你账单金额。

除了价格，还要在另一方检查四件事：失败或被拒的请求是否计费，额度是否过期，默认的速率限制是多少，以及模型是否会拒绝你需要回答的合法请求。拒绝是隐藏的成本项，因为它们会导致重试和提示词重写。我们的模型经过调整，可在合法成人使用中无内容拒绝地回答。它保留一个硬性限制：禁止涉及未成年人的性内容。

同样可以说，当它不是合适的工具时。它仅支持文本，没有图像、音频、嵌入或微调功能，且只有一个模型而非菜单。如果你需要这些功能，请去别处查看它们当前的定价。与隐私相关的事实是，提示词不会用于训练。

最后，也要为限制条件和价格预留预算。完整密钥允许 8 个并发请求和每分钟 300 个请求，试用密钥则为 2 个和 60 个。当有 8 个请求正在处理且回复需要 10 秒时，你每分钟大约完成 48 个回复，远低于每分钟上限，因此对于长生成任务，并发通常是更严格的限制，而短回复会先触及请求上限。流式输出请求会占用其槽位直到流结束，如果你的客户端读取缓慢，这一点很重要。如果需要更多余量，请在支持页面上提问，而不是猜测。

更多指南

• GLM API 基础 URL：连接任何 OpenAI 客户端
• GLM API Python：聊天、流式输出和工具示例
• Gemma API：常见误区与事实