智谱AI通用大模型：官方开放API开发基础

m0_37559973

已于 2024-06-28 08:54:28 修改

阅读量1.1k

点赞数 9

分类专栏：大模型文章标签： ChatGLM 大语言模型

于 2024-04-17 00:29:42 首次发布

本文链接：https://blog.csdn.net/m0_37559973/article/details/137845052

版权

大模型专栏收录该内容

9 篇文章 0 订阅

订阅专栏

本文介绍了智谱AI的GLM-4大模型，其性能提升60%，支持128K上下文，同时详细讲解了如何申请APIKey、通过Maven引入SDK并提供了一个基础的代码示例。

摘要由CSDN通过智能技术生成

一、模型介绍

GLM-4是智谱AI发布的新一代基座大模型，整体性能相比GLM3提升60%，支持128K上下文，可根据用户意图自主理解和规划复杂指令、完成复杂任务。

1.1主要模型

模型名称	模型简介	上下文长度
GLM-4	提供了更强大的问答和文本生成能力。适合于复杂的对话交互和深度内容创作设计的场景。	128K
GLM-4V	实现了视觉语言特征的深度融合，支持视觉问答、图像字幕、视觉定位、复杂目标检测等各类图像理解任务	2K
GLM-3-Turbo	适用于对知识量、推理能力、创造力要求较高的场景，比如广告文案、小说写作、知识类写作、代码生成等。	128K

1.2 计费单价

Token是模型用来表示自然语言文本的基本单位，可以直观的理解为“字”或“词”；通常1个中文词语、1个英文单词、1个数字或1个符号计为 1 个token。

一般情况下ChatGLM模型中token和字数的换算比例约为1:1.6，但因为不同模型的分词不同，所以换算比例也存在差异，每一次实际处理token数量以模型返回为准，您可以从返回结果的usage中查看。

模型服务	模型名称	计费单价
通用大模型	GLM-4	0.1元 / 千tokens
	GLM-4V	0.1元 / 千tokens
	GLM-3-Turbo	0.005元 / 千tokens

实际收费情况请关注官方信息。

二、前置条件

2.1 申请API Key

所有 API 使用 API Key 进行身份验证。可以访问智谱AI开放平台 API Keys 页面查找将在请求中使用的 API Key。

三、基于SDK开发

3.1 Maven引入SDK

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.yichenkeji</groupId>
    <artifactId>yichen-demo-glm</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>11</maven.compiler.source>
        <maven.compiler.target>11</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>
        <!-- https://mvnrepository.com/artifact/cn.bigmodel.openapi/oapi-java-sdk -->
        <dependency>
            <groupId>cn.bigmodel.openapi</groupId>
            <artifactId>oapi-java-sdk</artifactId>
            <version>release-V4-2.0.2</version>
        </dependency>

    </dependencies>
</project>

3.2 代码实现

package com.yichenkeji.demo.glm;


import com.alibaba.fastjson.JSON;
import com.zhipu.oapi.ClientV4;
import com.zhipu.oapi.Constants;
import com.zhipu.oapi.service.v4.model.ChatCompletionRequest;
import com.zhipu.oapi.service.v4.model.ChatMessage;
import com.zhipu.oapi.service.v4.model.ChatMessageRole;
import com.zhipu.oapi.service.v4.model.ModelApiResponse;

import java.util.ArrayList;
import java.util.List;

public class GlmMain {
    public static final String API_KEY = "你的APK KEY";
    private static final String requestIdTemplate = "mycompany-%d";
    public static String chat(String message) {
        ClientV4 client = new ClientV4.Builder(API_KEY).build();
        List<ChatMessage> messages = new ArrayList<>();
        //构建消息对象
        ChatMessage chatMessage = new ChatMessage(ChatMessageRole.USER.value(), message);
        messages.add(chatMessage);
        //构建请求id
        String requestId = String.format(requestIdTemplate, System.currentTimeMillis());
        ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest.builder()
                .model(Constants.ModelChatGLM4)//设置模式
                .stream(Boolean.FALSE)
                .invokeMethod(Constants.invokeMethod)
                .messages(messages)
                .requestId(requestId)
                .build();
        ModelApiResponse invokeModelApiResp = client.invokeModelApi(chatCompletionRequest);
        return JSON.toJSONString(invokeModelApiResp);
    }


    public static void main(String[] args) {
        String result = chat("请做一下自我介绍");
        System.out.println(result);
    }
}