第36章 Prime 模式

Prime 模式为对输出速度敏感的场景提供更高的 TPS。 ​使用方式 Prime 模式具备以下关键特性： 高速输出：TPS 提升至标准 API 的 1.5~2 倍；适用于 AI 编程助手、Agent 多步推理、实时对话等对输出速度敏感的场景。 按 token 计费：计费逻辑与标准 API 一致，按输入与输出 token 计费。 特殊限流：调用量达到限流值时，若平台仍有剩余资源，则不会触发限流，因此实际可用 TPS 不低于限流值。 调用时将 model 参数指定为支持的模型的 model ID 即可开启，无需额外参数。接入域名格式为 https://{workspace_id}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1，其中 {workspace_id}可在业务空间管理页面切换到对应地域后查看。 基础调用示例： glm 5.2 的 prime 模式的模型名称仍然为 glm-5.2-fast-preview。 Copycurl -X POST https://{workspace_id}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions \ -H "Authorization: Bearer $API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "glm-5.2-fast-preview", "messages": [{"role": "user", "content": "你是谁"}], "stream": false }' ​支持的模型 模型支持的能力、使用限制与原版模型相同 华北2（北京）新加坡文本生成模型模型计费（每百万Token）输入单价输出单价缓存命中glm-5.3-prime¥16¥56¥4glm-5.2-fast-preview¥16¥56¥4视频生成模型模型计费（元/秒）480P720P1080Pwan3.0-video-prime0.45元/秒0.9元/秒1.8元/秒文本生成模型模型计费（每百万Token）输入单价输出单价缓存命中glm-5.3-prime¥20.42¥64.17¥4.08glm-5.2-fast-preview¥20.984¥65.948¥4.196视频生成模型模型计费（元/秒）480P720P1080Pwan3.0-video-prime0.496元/秒1.02元/秒2.04元/秒 ​使用示例 模型支持的能力、使用限制与原版模型相同 流式调用示例： Copyfrom openai import OpenAI import os client = OpenAI( api_key=os.environ.get("API_KEY"), base_url=os.environ.get("BASE_URL"), ) completion = client.chat.completions.create( model="glm-5.2-fast-preview", messages=[{"role": "user", "content": "你是谁"}], stream=True, ) # glm-5.2 默认返回 reasoning_content 思考字段； # 流式输出时思考内容与回答内容分别通过 delta.reasoning_content 与 delta.content 推送。 for chunk in completion: if not chunk.choices: continue delta = chunk.choices[0].delta if hasattr(delta, "reasoning_content") and delta.reasoning_content: print(delta.reasoning_content, end="", flush=True) if hasattr(delta, "content") and delta.content: print(delta.content, end="", flush=True) 返回示例： Copy{ "id": "chatcmpl-xxx", "object": "chat.completion", "model": "glm-5.2-fast-preview", "choices": [{ "index": 0, "message": { "role": "assistant", "reasoning_content": "...", "content": "..." }, "finish_reason": "stop" }], "usage": { "prompt_tokens": 14, "completion_tokens": 137, "total_tokens": 151, "prompt_tokens_details": { "cached_tokens": 0 }, "completion_tokens_details": { "reasoning_tokens": 127 } } } ​计费说明 关于快速模式的计费规则与价格表，请参见 模型调用计费。 ​错误码 关于快速模式调用过程中可能出现的错误码及对应的解决方法，请参见 错误码。