GLM-5.1-HighSpeed：400 tokens/s 刷新全球大模型 API 速度上限

原文链接：https://docs.bigmodel.cn/cn/guide/models/text/glm-5.1-highspeed

概览

GLM-5.1-HighSpeed 是智谱旗舰模型 GLM-5.1 的高速版本。通过在推理引擎、调度系统与底层基础设施三个层面的系统级优化，模型输出速度达到 400 tokens/s，刷新当前全球大模型厂商 API 的速度上限。同时，这也是国产大模型首次将旗舰级能力与极低延迟同时带入生产环境，打破了响应速度与模型质量不可兼得的局限。

GLM-5.1-HighSpeed 模型目前仅面向智谱 BigModel 开放平台部分企业客户定向开放。

模型规格

能力支持

推荐场景

1. AI 编程

面向 Coding Agent、多轮代码生成与大型工程重构场景，显著降低长链路任务等待时间，实现代码、接口与调用链的实时生成与协同修改。

2. 实时交互

支持游戏生成、实时 UI 构建与动态内容反馈等低延迟交互场景，让模型能够随用户输入即时响应并持续改变系统状态与界面。

3. 商业决策

适用于实时数据分析、运营问答与多 Agent 并行推演等场景，可快速完成信息汇总、策略生成与多维度方案比对，提升决策效率。

4. 实时语音

在语音助手、实时客服与 AI 陪练等场景中，可在语音识别与合成链路中快速完成理解与回复生成，带来更加自然流畅的实时交互体验。

调用示例

cURL 基础调用

curl -X POST "https://open.bigmodel.cn/api/paas/v4/chat/completions" \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer your-api-key" \
    -d '{
        "model": "glm-5.1-highspeed",
        "messages": [
            {
                "role": "user",
                "content": "作为一名营销专家，请为我的产品创作一个吸引人的口号"
            },
            {
                "role": "assistant",
                "content": "当然，要创作一个吸引人的口号，请告诉我一些关于您产品的信息"
            },
            {
                "role": "user",
                "content": "智谱AI 开放平台"
            }
        ],
        "thinking": {
            "type": "enabled"
        },
        "max_tokens": 65536,
        "temperature": 1.0
    }'

Python SDK 调用

from zai import ZhipuAiClient

client = ZhipuAiClient(api_key="your-api-key")

response = client.chat.completions.create(
    model="glm-5.1-highspeed",
    messages=[
        {"role": "user", "content": "作为一名营销专家，请为我的产品创作一个吸引人的口号"},
        {"role": "assistant", "content": "当然，要创作一个吸引人的口号，请告诉我一些关于您产品的信息"},
        {"role": "user", "content": "智谱开放平台"}
    ],
    thinking={
        "type": "enabled",
    },
    max_tokens=65536,
    temperature=1.0
)

print(response.choices[0].message)

Python SDK 流式调用

from zai import ZhipuAiClient

client = ZhipuAiClient(api_key="your-api-key")

response = client.chat.completions.create(
    model="glm-5.1-highspeed",
    messages=[
        {"role": "user", "content": "作为一名营销专家，请为我的产品创作一个吸引人的口号"},
        {"role": "assistant", "content": "当然，要创作一个吸引人的口号，请告诉我一些关于您产品的信息"},
        {"role": "user", "content": "智谱开放平台"}
    ],
    thinking={
        "type": "enabled",
    },
    stream=True,
    max_tokens=65536,
    temperature=1.0
)

for chunk in response:
    if chunk.choices[0].delta.reasoning_content:
        print(chunk.choices[0].delta.reasoning_content, end='', flush=True)
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end='', flush=True)

Java SDK 调用

ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU()
    .apiKey("your-api-key")
    .build();

ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
    .model("glm-5.1-highspeed")
    .messages(Arrays.asList(
        ChatMessage.builder()
            .role(ChatMessageRole.USER.value())
            .content("作为一名营销专家，请为我的产品创作一个吸引人的口号")
            .build(),
        ChatMessage.builder()
            .role(ChatMessageRole.ASSISTANT.value())
            .content("当然，要创作一个吸引人的口号，请告诉我一些关于您产品的信息")
            .build(),
        ChatMessage.builder()
            .role(ChatMessageRole.USER.value())
            .content("智谱开放平台")
            .build()
    ))
    .thinking(ChatThinking.builder().type("enabled").build())
    .maxTokens(65536)
    .temperature(1.0f)
    .build();

ChatCompletionResponse response = client.chat().createChatCompletion(request);