GLM-5 ist die neue Generation der universellen Modelle aus der GLM-Reihe von Zhipu. Viele Teams interessieren drei Dinge: Woher kommt der Key, welche Base URL wird eingetragen, und lässt sich das vorhandene OpenAI SDK weiterverwenden? Die Antwort: Die GLM-Reihe bietet seit Langem eine OpenAI-kompatible Schnittstelle; in den meisten Fällen müssen nur Base URL, Key und Modellname geändert werden.

Dieser Artikel folgt der Reihenfolge der Integration: zuerst die Form der GLM-5 API, dann Key beschaffen und eine Anfrage zum Laufen bringen, schließlich Fehlerbehebung und Kostenkontrolle.

Hinweis: Zhipu und GLM sind Marken der jeweiligen Rechteinhaber; dieser Artikel dient ausschließlich der technischen Einbindung. Modellnamen, Kontextlänge und Abrechnungsregeln richten sich nach der offiziellen Dokumentation und den Modellpreisen auf dieser Website; die Modellnamen in den Beispielen sind vor der Verwendung im Kontrollzentrum zu prüfen.

1. Was die GLM-5 API ist

Die GLM-5 API ist die Modellschnittstelle der Zhipu Open Platform für Entwickler. Typische Fähigkeiten:

  • mehrstufige Dialoge und Befehlsbefolgung;
  • Zusammenfassung, Umschreibung und Übersetzung langer Texte;
  • strukturierte Extraktion und JSON-Ausgaben;
  • Codegenerierung und Codeerklärung;
  • Inferenzknoten in Agents und Workflows.

Sie ist nicht mit dem Webprodukt gleichzusetzen: Das Webprodukt wird per Konto abonniert, die API nach Tokens oder Aufrufvolumen abgerechnet; der Key ist nur ein Aufrufnachweis und kein Mitgliedschaftsrecht. Vor der Integration Zweck, Parallelität und Budget klären und dann zwischen direktem Herstellerzugang und Gateway entscheiden.

2. Zwei Wege zum GLM API Key

Weg 1: Zhipu Open Platform

  1. Registrieren und anmelden, danach die Identitäts- oder Unternehmensprüfung abschließen (nach Plattformvorgabe).
  2. Im Kontrollzentrum einen API Key erstellen und nach Projekt oder Umgebung benennen.
  3. Kontostand und verfügbare Modelle prüfen, bei Bedarf aufladen.
  4. Den Key in eine serverseitige Umgebungsvariable schreiben, nicht ins Frontend.

Die Base URL der offiziellen Schnittstelle ist üblicherweise https://open.bigmodel.cn/api/paas/v4; maßgeblich ist die aktuelle offizielle Dokumentation.

Weg 2: ZSQH AI Gateway

Wenn Sie bereits mehrere Modelle nutzen oder einheitliche Abrechnung und Key-Verwaltung wünschen, können Sie sich beim ZSQH AI Gateway registrieren, einen Key erstellen und auf der Seite Modellpreise prüfen, ob die GLM-Reihe freigeschaltet ist und wie der Modellname lautet.

Beide Wege haben Vor- und Nachteile: Bei nur einem Modell und stabilem Zugang zum Hersteller ist die Direktanbindung einfacher; bei Modellwechseln, einheitlichen Kontingenten und einem stabilen Zugang aus China ist das Gateway bequemer.

3. OpenAI-kompatible Konfiguration

Die Schnittstellenform von GLM ähnelt den OpenAI Chat Completions; bei der Migration sind vor allem drei Punkte zu ändern:

Konfiguration Direkt beim Hersteller ZSQH-Gateway
Base URL https://open.bigmodel.cn/api/paas/v4 https://ai.zhongshangqihang.com/v1
API Key auf der Zhipu-Plattform erstellt im Gateway-Kontrollzentrum erstellt
Modellname laut offizieller Dokumentation laut Preisseite auf dieser Website
SDK OpenAI SDK nutzbar OpenAI SDK nutzbar

Beachten Sie das Ende der Base URL: Manche SDKs hängen /chat/completions automatisch an, andere erwarten den vollständigen Pfad. Wer offizielle Adresse und Gateway-Adresse mischt, sieht meist 401 oder 404.

4. Aufruf mit curl

export ZSQH_API_KEY="sk-IHR-SCHLUESSEL"

curl "https://ai.zhongshangqihang.com/v1/chat/completions" \
  -H "Authorization: Bearer $ZSQH_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5",
    "messages": [
      {"role": "system", "content": "Sie sind ein deutscher Technikredakteur und antworten konkret."},
      {"role": "user", "content": "Nennen Sie drei Punkte, für welche Teams ein API-Gateway geeignet ist."}
    ],
    "temperature": 0.6,
    "max_tokens": 800
  }'

Ersetzen Sie model durch die tatsächlich verfügbare GLM-5-Modellkennung aus der Preisseite; bei „model not found“ zuerst Groß-/Kleinschreibung und Versionssuffix prüfen.

5. Aufruf mit Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ZSQH_API_KEY"],
    base_url="https://ai.zhongshangqihang.com/v1",
)

resp = client.chat.completions.create(
    model="glm-5",  # laut Preisseite auf dieser Website
    messages=[
        {"role": "system", "content": "Sie sind ein Assistent zur Qualitätsprüfung im Kundenservice und geben nur JSON aus."},
        {"role": "user", "content": "Bewerten Sie die Stimmung dieses Satzes: Die Lieferung war langsam, aber der Service war freundlich."},
    ],
    temperature=0.2,
    response_format={"type": "json_object"},
)

print(resp.choices[0].message.content)

Ältere SDK-Versionen unterstützen response_format möglicherweise nicht; aktualisieren Sie zuerst das openai-Paket. Unterstützt das Gateway den JSON-Modus nicht, das Ausgabeformat im Prompt vorgeben und im Code eine Parsing-Absicherung einbauen.

6. Modellnamen auswählen

Die GLM-Reihe umfasst üblicherweise universelle, leichte und auf Reasoning spezialisierte Varianten, deren Namen Versionsnummern und Datumssuffixe tragen. Auswahlhilfe:

Szenario Auswahlgedanke Hinweis
Kundenservice, Zusammenfassung, Umschreibung Universelles Dialogmodell Zunächst niedrige Temperature
Komplexes Reasoning, Mathematik Reasoning-Modell Langsamer, höherer Tokenverbrauch
Klassifizierung mit hoher Parallelität Leichtes Modell Erst Genauigkeit testen, dann skalieren
Codeaufgaben Version mit starker Codeleistung Bei langem Kontext auf Abschneiden achten

Welcher Modellname verfügbar ist, wie lang der Kontext und wie hoch der Einzelpreis ist, steht ausschließlich auf der Preisseite dieser Website. Übernehmen Sie keine alten Modellnamen aus Online-Tutorials; die GLM-Versionen entwickeln sich schnell.

7. Häufige Fehler

Fehler Häufige Ursache Vorgehen
401 (nicht authentifiziert) Key falsch, Bearer fehlt, Key gelöscht Key neu kopieren, Request-Header prüfen
404 Not Found Base URL mit zu viel oder zu wenig /v1 Adresse laut Dokumentation vereinheitlichen
model not found Modellname existiert nicht oder keine Berechtigung Modellname von der Preisseite kopieren
429 Too Many Requests Parallelität oder Rate überschritten Parallelität senken, exponentieller Backoff
insufficient balance Guthaben reicht nicht Aufladen oder anderen Key verwenden
Antwort bricht ab Timeout, Netz, lange Ausgabe Timeout erhöhen, Streaming nutzen

Beginnen Sie die Fehlersuche bei der Authentifizierung: zuerst mit einer minimalen Anfrage den Key prüfen, dann den Modellnamen, erst zuletzt das Netz verdächtigen. So vermeiden Sie wiederholte Codeänderungen in die falsche Richtung.

8. Kostenkontrolle

  1. max_tokens setzen, damit das Modell nicht unbegrenzt ausgibt.
  2. Den System-Prompt knapp halten; wiederkehrende lange Anweisungen cachen oder als Vorlage führen.
  3. Batch-Aufgaben mit dem leichten Modell erledigen, schwierige Fälle später hochstufen.
  4. Den Tokenverbrauch jeder Anfrage erfassen und die Abrechnung nach Geschäftsbereich aufteilen.
  5. Für Keys Obergrenzen setzen, damit außergewöhnliche Aufrufe automatisch begrenzt werden.
  6. Vor dem Livegang einen Spitzenlasttest durchführen und die Drosselungsschwelle prüfen.

Kosten sind nicht nur der Einzelpreis: Wiederholungen, langer Kontext und nutzlose Ausgaben vergrößern die Rechnung. Erst Erfolgsquote und durchschnittliche Tokenzahl senken, dann über den Preis sprechen.

9. Sicherheit und Teamzusammenarbeit

  • Keys nach Umgebung trennen: Test, Vorproduktion und Produktion jeweils eigener Key, keine Wiederverwendung.
  • Keys nach Projekt trennen, um Tokens und Kosten je Geschäft zu erfassen.
  • Keys in serverseitigen Umgebungsvariablen oder einem Secret-Manager halten, nicht in Git und nicht im Frontend-Paket.
  • Im Log keine vollständigen Keys und keine Originalnutzertexte ausgeben, bei Bedarf anonymisieren.
  • Kontingentwarnungen einrichten und Verantwortliche benachrichtigen, wenn das Guthaben unter einen Schwellwert fällt.
  • Bei Personalwechsel oder Key-Leak sofort deaktivieren und rotieren.

Das häufigste Risiko im Team ist nicht das Modell selbst, sondern ein Key, der in Chat-Tools, Dokumenten oder Frontend-Code landet. Der Schritt „Keys erscheinen nur serverseitig“ im Integrationsprozess spart mehr Arbeit als jede nachträgliche Suche.

Häufige Fragen

Lässt sich die GLM-5 API direkt mit dem OpenAI SDK nutzen?

In den meisten Fällen ja; ändern Sie base_url, api_key und model. Einzelne Parameter wie bestimmte Reasoning-Schalter oder multimodale Felder können inkompatibel sein; maßgeblich sind die offizielle oder die Dokumentation auf dieser Website.

Sind GLM API Key und Web-Mitgliedschaft austauschbar?

Nein. Die Web-Mitgliedschaft ist ein Produktabonnement, der API Key ein Entwicklernachweis; Abrechnung und Berechtigungen werden getrennt verwaltet.

Kann ein Key auch andere Modelle aufrufen?

Im ZSQH-Gateway kann ein Key mehrere freigeschaltete Modelle aufrufen; das Modell wird in der Anfrage angegeben. Der genaue Umfang steht auf der Preisseite und im Kontrollzentrum.

Ist für Aufrufe aus China eine zusätzliche Konfiguration nötig?

Das hängt von Netzumgebung und Servicebedingungen ab. Im Produktivbetrieb Timeouts, Wiederholungen und einen Ausweichkanal vorsehen und nicht alle Anfragen über einen einzigen Zugang leiten.

Nächste Schritte

Beim ZSQH AI Gateway registrieren, einen Test-Key erstellen, mit curl eine minimale Anfrage ausführen und anschließend in den Geschäftscode integrieren. Modellnamen und Preise richten sich nach den Modellpreisen.

Weiterlesen: