- 1M context
- Responses API
GLM 5.2 QuickSilver Pro पर
GLM 5.2 Z.ai का large-scale reasoning flagship है: 1M-token context window, जो long-horizon agent workflows और project-level software engineering के लिए tune किया गया है। QuickSilver Pro पर कीमत $0.70 input / $2.20 output प्रति million tokens है — इस route के चुने हुए OpenRouter endpoint के बराबर, बिना markup या छूट के। QuickSilver Pro इसे non-thinking mode में serve करता है, इसलिए जवाब सीधे आते हैं, बिना किसी reasoning trace के।
- 1M context
- Tools
- Streaming
- JSON Schema output
आप चुकाते हैं · input / output प्रति 1M
$0.70 / $2.20
लिस्ट प्राइस पर
OpenRouter जैसी ही दरें
Pricing तुलना ($/1M tokens)
बार की लंबाई = दिखाई गई सबसे ऊँची क़ीमत के मुक़ाबले क़ीमत
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $0.70 | $2.20 | — |
| OpenRouter(z-ai/glm-5.2) | $0.70 | $2.20 | बराबर |
| OpenAI (GPT-4o) | $2.50 | $10.00 | 78% कम |
OpenRouter लिस्ट प्राइस का स्रोत: openrouter.ai/api/v1/models/z-ai/glm-5.2/endpoints
एक नज़र में
- Context
- 1M tokens
- Input / 1M
- $0.70
- Output / 1M
- $2.20
- Default में सोचता है
- नहीं
- Latency · लाइव
- —
Long-horizon agents और project-level coding — Z.ai का reasoning flagship, 1M-token context window के साथ।
GLM 5.2 कब सही चुनाव है?
catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।
कब इस्तेमाल करें
GLM 5.2 को long-horizon agent loops और repo-scale software engineering के लिए चुनें: multi-step refactors, कई tool calls का तालमेल बिठाने वाले plan-then-act agents, और ऐसे tasks जिन्हें इसके 1M-token context में बड़ा working set रखना होता है।
- लंबे दस्तावेज़ और codebases, 1M tokens तक के context के साथ
- Tools call करने वाले agents, strict JSON Schema output के साथ
- Chat Completions के साथ Responses API clients भी
कब कोई और model चुनें
Routine chat, short-context codegen, या single-shot tasks के लिए per-token कीमत और reasoning overhead ज़रूरत से ज़्यादा हैं — DeepSeek V4 Flash ($0.06/$0.18) या V4 Pro ($0.70/$2.10) इनमें से ज़्यादातर काम कम में कर देते हैं। शुद्ध गणितीय reasoning के लिए DeepSeek V4 Pro। ख़ास तौर पर agentic coding के लिए Kimi K2.7 Code के साथ A/B करें।
Quickstart (curl)
API key पाएँ →curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.2",
"messages": [{"role": "user", "content": "Hello!"}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.quicksilverpro.io/v1",
apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
model: "glm-5.2",
messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);curl https://api.quicksilverpro.io/v1/responses \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.2",
"input": "Hello!"
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)OpenAI-संगत। base_url बदलकर एक लाइन में migration।
Gateway का व्यवहार
इस मॉडल के लिए compatibility नोट्स।
prompt- 1M tokens तक के prompts।
- /v1/chat/completions: समर्थित
- /v1/responses: समर्थित
- streaming: समर्थित
- tools: समर्थित
- image input: इस मॉडल के लिए सूचीबद्ध नहीं
- JSON Schema: समर्थित
- reasoning: इस मॉडल के लिए सूचीबद्ध नहीं
क़ीमत कहाँ से आती है
- Provider reference
- $0.70 / $2.20openrouter.ai/api/v1/models/z-ai/glm-5.2/endpoints
- Catalog में सत्यापित
- Prompt cache · तुलना नहीं
- $0.105 read
usage.cost = prompt_tokens × $0.70/1M + completion_tokens × $2.20/1M
FAQ
सामान्य प्रश्न
GLM 5.2 reasoning करने में सक्षम मॉडल है, लेकिन QuickSilver Pro इसे non-thinking mode में serve करता है: आपको सीधा जवाब मिलता है और किसी छिपे हुए reasoning trace का bill कभी नहीं आता। Request में reasoning field देने से यह चालू नहीं होती। अगर किसी task को इसी परिवार में step-by-step reasoning चाहिए, तो GLM 5.3 इस्तेमाल करें, जहाँ reasoning हमेशा चालू रहती है।
हाँ — QuickSilver Pro पर GLM 5.2 एक OpenAI-compatible chat completions endpoint है। base_url=https://api.quicksilverpro.io/v1 सेट करें, अपनी QSP key paste करें, और model="glm-5.2" इस्तेमाल करें। Streaming, tool calling, json_schema strict mode, और usage.cost accounting सब काम करते हैं।
$0.70 input / $2.20 output और $0.105 cache read प्रति million tokens — route के चुने हुए OpenRouter endpoint (digitalocean) के बराबर, बिना markup या छूट के। Route pinned provider order या quantization filters के साथ sort: price पर सबसे सस्ता eligible endpoint चुनता है; /models की headline कीमत अलग हो सकती है। महँगे fallback hosts आपकी कीमत नहीं बदलते। base_url=https://api.quicksilverpro.io/v1 और model="glm-5.2" इस्तेमाल करें।