概览
GLM-5V-Turbo 是智谱首个多模态 Coding 基座模型，面向视觉编程任务打造。能够原生处理图片、视频、文本等多模态输入，同时擅长长程规划、复杂编程和动作执行；深度适配 Agent 工作流，能够与 Claude Code、OpenClaw 等 Agent 深度协同，完成”看懂环境→规划动作→执行任务”的完整闭环。
定位
多模态 Coding 基座
输入模态
视频、图像、文本、文件
输出模态
文本
上下文窗口
200K
最大输出 Tokens
128K
GLM-5V-Turbo 价格详情请前往价格界面
能力支持
深度思考
支持开启或关闭思考模式，可灵活开关深层推理分析
视觉理解
强大的视觉理解能力，支持图片，视频，文件
流式输出
支持实时流式响应，提升用户交互体验
Function Call
强大的工具调用能力，支持多种外部工具集成
上下文缓存
智能缓存机制，优化长对话性能
推荐场景
前端复刻
前端复刻
发送设计稿或参考图，模型直接理解布局、配色、组件层级与交互逻辑，生成完整可运行的前端工程，原型图还原结构与功能，高保真设计稿追求像素级视觉一致性。
GUI 自主探索复刻
GUI 自主探索复刻
支持结合 Claude Code 等框架，自主浏览目标网站、梳理页面跳转关系、采集视觉素材与交互细节，并基于探索结果直接生成代码，实现从“看图复刻”到“自主探索复刻”的升级。
代码调试
代码调试
支持将 Bug 页面截图输入，自动识别样式错位、组件重叠、颜色偏差等渲染异常，辅助定位前端问题并生成修复代码，提升调试效率。
OpenClaw
OpenClaw
接入 GLM-5V-Turbo 后，OpenClaw 可以看懂网页布局、GUI 元素和图表信息，帮助 Agent 在真实环境中完成感知、规划与执行一体化的复杂任务。
使用资源
体验中心：快速测试模型在业务场景上的效果接口文档：API 调用方式
详细介绍
多模态 Coding 基座
在多模态 Coding 与 Agentic 任务，以及纯文本 Coding 两大维度的评测基准上，GLM-5V-Turbo 均以更小尺寸取得了优秀表现。
- 多模态 Coding 与 Agentic 任务
- 纯文本 Coding 任务
GLM-5V-Turbo 在设计稿还原、视觉代码生成、多模态检索与问答、视觉探查等基准上均取得领先表现；在衡量真实 GUI 环境操控能力的 AndroidWorld、WebVoyager 等基准上同样表现突出。
GLM-5V-Turbo在 CC-Bench-V2 的 Backend、Frontend 和 Repo Exploration 三项核心基准测试中均保持稳定表现，这表明视觉能力的引入并未带来纯文本能力的退化。与此同时，模型在衡量龙虾 Agent 任务执行质量的 PinchBench、ClawEval 和 ZClawBench 上也取得了优异成绩，进一步验证了其在复杂任务执行场景中的综合能力。
四个层面的系统性升级
GLM-5V-Turbo 能够兼顾视觉与 Coding 能力，并以更小的参数量取得性能领先，关键在于模型架构、训练方法、数据构造、工具链四个层面的系统性升级：
- 原生多模态融合：从预训练到后训练持续强化视觉与文本协同，结合新一代 CogViT 视觉编码器与推理友好的 MTP 结构，提升多模态理解与推理效率。
- 30+ 任务协同强化学习：在强化学习阶段同时优化 30+ 任务类型，同时覆盖 STEM、grounding、video、GUI Agent、coding Agent 等类型，带来更稳健的感知、推理与 Agentic 执行能力提升。
- Agentic数据与任务构造：围绕 Agent 数据稀缺和验证困难问题，构建多层级、可控、可验证的数据体系，并在预训练阶段注入 Agentic 元能力，增强动作预测与执行表现。
- 多模态工具链扩展：新增画框、截图、读网页（含图片识别）等多模态 tools，将 Agent 能力从纯文本扩展到视觉交互，支持更完整的感知—规划—执行闭环。
官方 Skill
除视觉编程与龙虾任务外，GLM-5V-Turbo 在多模态搜索、深度研究、GUI Agent、感知 Grounding 等更广泛的 Agentic 场景中也取得了显著提升。为此，我们提供了一组官方 Skills。
图像 Captioning
图像 Captioning
自动分析图像内容并生成自然语言描述的能力；不仅能识别图像中的物体，还能理解物体间的关系、场景氛围及动作，将其转化为准确、流畅的文字说明
视觉 Grounding
视觉 Grounding
根据自然语言描述，在图像中精准定位对应物体或区域的能力；建立了文本与视觉像素之间的对应关系，通常以边界框的形式标出目标位置，用于实现更具象化的交互体验或辅助细粒度的图像分析
基于文档的写作
基于文档的写作
根据用户提供的文档资料(如 PDF、Word 等)，理解并提取关键信息，进而生成特定格式文本的能力；可确保生成内容紧扣文档事实，常用于文档解读、报告生成、新闻稿撰写或方案策划等
简历筛选
简历筛选
阅读候选人简历，并将其与职位要求进行智能比对的能力；快速提取教育背景、工作经历、技能标签等关键要素，评估人岗匹配度并给出排序或建议，大幅提升招聘效率
提示词生成
提示词生成
根据参考图片/视频和意图描述，自动构建高质量、结构化Prompt的能力；通过理解图片/视频内容和特点、优化措辞、补充细节等，生成更易于被AI模型理解的指令，从而激发模型产出更精准、优质的图片/视频生成结果
应用示例
- 前端复刻
- 网站生成
- 文档理解与写作
- 视频对象追踪
输入
请根据图片里的设计稿 复刻出移动端的页面，左边为欢迎页，中间为首页图，你还需要mock出剩下两个页面。
输出
输入
根据这个文章的内容做一个学术网站。
输出
输入
阅读文档，撰写宣传文案；要求: 小红书风格，不少于500字，最后对未来发展趋势进行展望。
输出
打工人狂喜！0.9B参数的文档理解神器GLM-OCR，直接把效率拉满🔥
家人们谁懂啊！之前处理复杂文档、多语言表格、数学公式，要么用大模型慢到怀疑人生，要么用传统OCR识别得一塌糊涂，直到我挖到了GLM-OCR——这个0.9B参数的轻量多模态模型，直接把我的文档处理效率拉满，性能还吊打一堆大参数模型！
核心优势：小身材，大能量💪
GLM-OCR是智谱AI和清华大学联合打造的，只有0.9B参数，但性能真的绝了！在OmniDocBench v1.5上拿下94.6的高分，比很多几十亿参数的模型都强劲，文档解析、表格识别、公式识别、关键信息提取全场景覆盖，而且推理速度超快——平均推理加速50%，吞吐量直接拉满，处理文档再也不用等半天！
它还有个黑科技：Multi-Token Prediction（MTP）机制，一次预测多个token，既提升推理速度，又保证输出结构稳定，再也不用担心识别出来的内容乱七八糟！
实际场景：从复杂文档到公式，全搞定✅
1. 复杂文档解析
之前处理那种带多语言、手写体、特殊符号的餐厅菜单，老OCR要么把意大利语识别成乱码，要么漏掉价格细节，GLM-OCR直接精准还原，连“€5.10€”这种价格符号都没错，还能保留原文的换行、大小写，细节拉满！
2. 表格识别
那种临床摘要表格，列层级复杂、还有合并单元格，GLM-OCR直接还原表格结构，列分组、数值对应清清楚楚，直接转成机器可读的格式，做数据分析再也不用手动录入！
3. 公式识别
科研党狂喜！把论文里的数学公式图片丢进去，直接转成LaTeX格式，矩阵、行列式、多级下标都精准识别，再也不用手动敲公式，写论文效率直接翻倍！
4. 关键信息提取
处理报关单这种复杂表单，只要给个JSON格式的提示词，直接提取出船名、信用代码这些关键信息，输出严格符合格式，直接对接系统，自动化办公不是梦！
部署友好：从本地到云端，随便选🛠️
GLM-OCR太懂打工人了！支持本地部署、MaaS API，还有完整的SDK，不管你是要在公司服务器上跑，还是要用云服务，都能轻松搞定。而且它分轻量版和PP-DocLayoutV3版，轻量版适合资源受限的边缘设备，PP版适合大规模生产环境，还能用LLaMA-Factory微调，适配自己的业务场景，真的太贴心了！
未来展望：文档理解的下一步🚀
GLM-OCR已经这么强了，未来还会往这些方向进化：
极致轻量化：进一步压缩模型体积，让手机、平板这类端侧设备也能流畅运行，随时随地处理文档；
多模态融合升级：结合音频、视频等多模态信息，处理带讲解视频的课件、带语音备注的合同等复杂场景；
全场景覆盖：支持更多小众语言、特殊格式，比如古籍、工程图纸，让文档理解无死角；
生态深度集成：和Word、飞书、钉钉等办公软件打通，实现文档处理的自动化闭环，打工人彻底解放双手！
总之，GLM-OCR真的是文档理解领域的宝藏模型，不管你是打工人、科研党还是开发者，都值得试试！真的绝了！👏
输入
对视频中小马的对象追踪结果，以JSON格式输出。
输出
{
"0": [
{
"label": "horse-0",
"bbox_2d": [574, 512, 641, 602]
}
],
"1": [
{
"label": "horse-0",
"bbox_2d": [556, 469, 605, 585]
}
],
"2": [
{
"label": "horse-0",
"bbox_2d": [532, 458, 579, 562]
}
],
"3": [
{
"label": "horse-0",
"bbox_2d": [518, 497, 592, 637]
}
],
"4": [
{
"label": "horse-0",
"bbox_2d": [534, 597, 614, 758]
}
],
"5": [
{
"label": "horse-0",
"bbox_2d": [529, 627, 602, 779]
}
],
"6": [
{
"label": "horse-0",
"bbox_2d": [509, 609, 582, 787]
}
],
"7": [
{
"label": "horse-0",
"bbox_2d": [472, 593, 579, 809]
}
],
"8": [
{
"label": "horse-0",
"bbox_2d": [450, 605, 592, 825]
}
],
"9": [
{
"label": "horse-0",
"bbox_2d": [455, 600, 614, 838]
}
],
"10": [
{
"label": "horse-0",
"bbox_2d": [448, 569, 659, 852]
}
],
"11": [
{
"label": "horse-0",
"bbox_2d": [436, 562, 686, 862]
}
],
"12": [
{
"label": "horse-0",
"bbox_2d": [419, 553, 709, 889]
}
],
"13": [
{
"label": "horse-0",
"bbox_2d": [409, 554, 721, 924]
}
],
"14": [
{
"label": "horse-0",
"bbox_2d": [398, 555, 705, 930]
}
],
"15": [
{
"label": "horse-0",
"bbox_2d": [435, 531, 763, 920]
}
],
"16": [
{
"label": "horse-0",
"bbox_2d": [480, 533, 779, 909]
}
],
"17": [
{
"label": "horse-0",
"bbox_2d": [528, 574, 769, 900]
}
]
}
调用示例
基础与流式
- cURL
- Python
- Java
- Python(旧)
基础调用流式调用
curl -X POST \
https://open.bigmodel.cn/api/paas/v4/chat/completions \
-H "Authorization: Bearer your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5v-turbo",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG"
}
},
{
"type": "text",
"text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format"
}
]
}
],
"thinking": {
"type":"enabled"
}
}'
curl -X POST \
https://open.bigmodel.cn/api/paas/v4/chat/completions \
-H "Authorization: Bearer your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5v-turbo",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG"
}
},
{
"type": "text",
"text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format"
}
]
}
],
"thinking": {
"type":"enabled"
},
"stream": true
}'
安装 SDK验证安装基础调用流式调用
# 安装最新版本
pip install zai-sdk
# 或指定版本
pip install zai-sdk==0.2.2
import zai
print(zai.__version__)
from zai import ZhipuAiClient
client = ZhipuAiClient(api_key="") # 填写您自己的 APIKey
response = client.chat.completions.create(
model="glm-5v-turbo", # 填写需要调用的模型名称
messages=[
{
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG"
}
},
{
"type": "text",
"text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format"
}
],
"role": "user"
}
],
thinking={
"type":"enabled"
}
)
print(response.choices[0].message)
from zai import ZhipuAiClient
client = ZhipuAiClient(api_key="") # 填写您自己的APIKey
response = client.chat.completions.create(
model="glm-5v-turbo", # 填写需要调用的模型名称
messages=[
{
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG"
}
},
{
"type": "text",
"text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format"
}
],
"role": "user"
}
],
thinking={
"type":"enabled"
},
stream=True
)
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)
安装 SDKMavenGradle (Groovy)基础调用流式调用
<dependency>
<groupId>ai.z.openapi</groupId>
<artifactId>zai-sdk</artifactId>
<version>0.3.3</version>
</dependency>
implementation 'ai.z.openapi:zai-sdk:0.3.3'
import ai.z.openapi.ZhipuAiClient;
import ai.z.openapi.service.model.*;
import ai.z.openapi.core.Constants;
import java.util.Arrays;
public class GLM46VExample {
public static void main(String[] args) {
String apiKey = ""; // 请填写您自己的APIKey
ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU()
.apiKey(apiKey)
.build();
ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
.model("glm-5v-turbo")
.messages(Arrays.asList(
ChatMessage.builder()
.role(ChatMessageRole.USER.value())
.content(Arrays.asList(
MessageContent.builder()
.type("text")
.text("描述下这张图片")
.build(),
MessageContent.builder()
.type("image_url")
.imageUrl(ImageUrl.builder()
.url("https://aigc-files.bigmodel.cn/api/cogview/20250723213827da171a419b9b4906_0.png")
.build())
.build()))
.build()))
.build();
ChatCompletionResponse response = client.chat().createChatCompletion(request);
if (response.isSuccess()) {
Object reply = response.getData().getChoices().get(0).getMessage();
System.out.println(reply);
} else {
System.err.println("错误: " + response.getMsg());
}
}
}
import ai.z.openapi.ZhipuAiClient;
import ai.z.openapi.service.model.*;
import ai.z.openapi.core.Constants;
import java.util.Arrays;
public class GLM46VStreamExample {
public static void main(String[] args) {
String apiKey = ""; // 请填写您自己的APIKey
ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU()
.apiKey(apiKey)
.build();
ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
.model("glm-5v-turbo")
.messages(Arrays.asList(
ChatMessage.builder()
.role(ChatMessageRole.USER.value())
.content(Arrays.asList(
MessageContent.builder()
.type("text")
.text("Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format")
.build(),
MessageContent.builder()
.type("image_url")
.imageUrl(ImageUrl.builder()
.url("https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG")
.build())
.build()))
.build()))
.stream(true)
.build();
ChatCompletionResponse response = client.chat().createChatCompletion(request);
if (response.isSuccess()) {
response.getFlowable().subscribe(
// Process streaming message data
data -> {
if (data.getChoices() != null && !data.getChoices().isEmpty()) {
Delta delta = data.getChoices().get(0).getDelta();
System.out.print(delta + "\n");
}
},
// Process streaming response error
error -> System.err.println("\nStream error: " + error.getMessage()),
// Process streaming response completion event
() -> System.out.println("\nStreaming response completed")
);
} else {
System.err.println("Error: " + response.getMsg());
}
}
}
更新 SDK 至 2.1.5.20250726基础调用流式调用
# 安装最新版本
pip install zhipuai
# 或指定版本
pip install zhipuai==2.1.5.20250726
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="your-api-key") # 填写您自己的APIKey
response = client.chat.completions.create(
model="glm-5v-turbo", # 填写需要调用的模型名称
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "请帮我解决这个题目，给出详细过程和答案"
},
{
"type": "image_url",
"image_url": {
"url": "传入图片的 url 地址"
}
}
]
}
]
)
print(response.choices[0].message)
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="your-api-key") # 填写您自己的APIKey
response = client.chat.completions.create(
model="glm-5v-turbo", # 填写需要调用的模型名称
messages=[
{
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG"
}
},
{
"type": "text",
"text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format"
}
],
"role": "user"
}
],
thinking={
"type":"enabled"
},
stream=True
)
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)
多模态理解
不支持同时理解文件、视频和图像。
- cURL
- Python
- Java
图片理解视频理解文件理解
curl -X POST \
https://open.bigmodel.cn/api/paas/v4/chat/completions \
-H "Authorization: Bearer your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5v-turbo",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://cdn.bigmodel.cn/static/logo/register.png"
}
},
{
"type": "image_url",
"image_url": {
"url": "https://cdn.bigmodel.cn/static/logo/api-key.png"
}
},
{
"type": "text",
"text": "What are the pics talk about?"
}
]
}
],
"thinking": {
"type": "enabled"
}
}'
curl -X POST \
https://open.bigmodel.cn/api/paas/v4/chat/completions \
-H "Authorization: Bearer your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5v-turbo",
"messages": [
{
"role": "user",
"content": [
{
"type": "video_url",
"video_url": {
"url": "https://cdn.bigmodel.cn/agent-demos/lark/113123.mov"
}
},
{
"type": "text",
"text": "What are the video show about?"
}
]
}
],
"thinking": {
"type": "enabled"
}
}'
curl -X POST \
https://open.bigmodel.cn/api/paas/v4/chat/completions \
-H "Authorization: Bearer your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5v-turbo",
"messages": [
{
"role": "user",
"content": [
{
"type": "file_url",
"file_url": {
"url": "https://cdn.bigmodel.cn/static/demo/demo2.txt"
}
},
{
"type": "file_url",
"file_url": {
"url": "https://cdn.bigmodel.cn/static/demo/demo1.pdf"
}
},
{
"type": "text",
"text": "What are the files show about?"
}
]
}
],
"thinking": {
"type": "enabled"
}
}'
安装 SDK验证安装图片理解传入 Base64 图片视频理解文件理解
# 安装最新版本
pip install zai-sdk
# 或指定版本
pip install zai-sdk==0.2.2
import zai
print(zai.__version__)
from zai import ZhipuAiClient
client = ZhipuAiClient(api_key="your-api-key") # 填写您自己的APIKey
response = client.chat.completions.create(
model="glm-5v-turbo",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://cdn.bigmodel.cn/static/logo/register.png"
}
},
{
"type": "image_url",
"image_url": {
"url": "https://cdn.bigmodel.cn/static/logo/api-key.png"
}
},
{
"type": "text",
"text": "What are the pics talk about?"
}
]
}
],
thinking={
"type": "enabled"
}
)
print(response.choices[0].message)
from zai import ZhipuAiClient
import base64
client = ZhipuAiClient(api_key="your-api-key") # 填写您自己的APIKey
img_path = "your/path/xxx.png"
with open(img_path, "rb") as img_file:
img_base = base64.b64encode(img_file.read()).decode("utf-8")
response = client.chat.completions.create(
model="glm-5v-turbo",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": img_base
}
},
{
"type": "text",
"text": "请描述这个图片"
}
]
}
],
thinking={
"type": "enabled"
}
)
print(response.choices[0].message)
from zai import ZhipuAiClient
client = ZhipuAiClient(api_key="your-api-key") # 填写您自己的APIKey
response = client.chat.completions.create(
model="glm-5v-turbo",
messages=[
{
"role": "user",
"content": [
{
"type": "video_url",
"video_url": {
"url": "https://cdn.bigmodel.cn/agent-demos/lark/113123.mov"
}
},
{
"type": "text",
"text": "What are the video show about?"
}
]
}
],
thinking={
"type": "enabled"
}
)
print(response.choices[0].message)
from zai import ZhipuAiClient
client = ZhipuAiClient(api_key="your-api-key") # 填写您自己的APIKey
response = client.chat.completions.create(
model="glm-5v-turbo",
messages=[
{
"role": "user",
"content": [
{
"type": "file_url",
"file_url": {
"url": "https://cdn.bigmodel.cn/static/demo/demo2.txt"
}
},
{
"type": "file_url",
"file_url": {
"url": "https://cdn.bigmodel.cn/static/demo/demo1.pdf"
}
},
{
"type": "text",
"text": "What are the files show about?"
}
]
}
],
thinking={
"type":"enabled"
}
)
print(response.choices[0].message)
安装 SDKMavenGradle (Groovy)图片理解传入 Base64 图片视频理解文件理解
<dependency>
<groupId>ai.z.openapi</groupId>
<artifactId>zai-sdk</artifactId>
<version>0.3.3</version>
</dependency>
implementation 'ai.z.openapi:zai-sdk:0.3.3'
import ai.z.openapi.ZhipuAiClient;
import ai.z.openapi.service.model.*;
import java.util.Arrays;
public class MultiModalImageExample {
public static void main(String[] args) {
String apiKey = "your-api-key"; // 请填写您自己的APIKey
ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU()
.apiKey(apiKey)
.build();
ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
.model("glm-5v-turbo")
.messages(Arrays.asList(
ChatMessage.builder()
.role(ChatMessageRole.USER.value())
.content(Arrays.asList(
MessageContent.builder()
.type("image_url")
.imageUrl(ImageUrl.builder()
.url("https://cdn.bigmodel.cn/static/logo/register.png")
.build())
.build(),
MessageContent.builder()
.type("image_url")
.imageUrl(ImageUrl.builder()
.url("https://cdn.bigmodel.cn/static/logo/api-key.png")
.build())
.build(),
MessageContent.builder()
.type("text")
.text("What are the pics talk about?")
.build()
))
.build())
))
.thinking(ChatThinking.builder()
.type("enabled")
.build())
.build();
ChatCompletionResponse response = client.chat().createChatCompletion(request);
if (response.isSuccess()) {
Object reply = response.getData().getChoices().get(0).getMessage();
System.out.println(reply);
} else {
System.err.println("错误: " + response.getMsg());
}
}
}
import ai.z.openapi.ZhipuAiClient;
import ai.z.openapi.service.model.*;
import java.io.File;
import java.io.IOException;
import java.nio.file.Files;
import java.util.Arrays;
import java.util.Base64;
public class Base64ImageExample {
public static void main(String[] args) throws IOException {
String apiKey = "your-api-key"; // 请填写您自己的APIKey
ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU().apiKey(apiKey).build();
String file = ClassLoader.getSystemResource("your/path/xxx.png").getFile();
byte[] bytes = Files.readAllBytes(new File(file).toPath());
Base64.Encoder encoder = Base64.getEncoder();
String base64 = encoder.encodeToString(bytes);
ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
.model("glm-5v-turbo")
.messages(Arrays.asList(
ChatMessage.builder()
.role(ChatMessageRole.USER.value())
.content(Arrays.asList(
MessageContent.builder()
.type("image_url")
.imageUrl(ImageUrl.builder()
.url(base64)
.build())
.build(),
MessageContent.builder()
.type("text")
.text("What are the pics talk about?")
.build()))
.build()))
.thinking(ChatThinking.builder().type("enabled").build())
.build();
ChatCompletionResponse response = client.chat().createChatCompletion(request);
if (response.isSuccess()) {
Object reply = response.getData().getChoices().get(0).getMessage();
System.out.println(reply);
} else {
System.err.println("错误: " + response.getMsg());
}
}
}
import ai.z.openapi.ZhipuAiClient;
import ai.z.openapi.service.model.*;
import java.util.Arrays;
public class MultiModalVideoExample {
public static void main(String[] args) {
String apiKey = "your-api-key"; // 请填写您自己的APIKey
ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU()
.apiKey(apiKey)
.build();
ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
.model("glm-5v-turbo")
.messages(Arrays.asList(
ChatMessage.builder()
.role(ChatMessageRole.USER.value())
.content(Arrays.asList(
MessageContent.builder()
.type("video_url")
.videoUrl(VideoUrl.builder()
.url("https://cdn.bigmodel.cn/agent-demos/lark/113123.mov")
.build())
.build(),
MessageContent.builder()
.type("text")
.text("What are the video show about?")
.build()
))
.build())
))
.thinking(ChatThinking.builder()
.type("enabled")
.build())
.build();
ChatCompletionResponse response = client.chat().createChatCompletion(request);
if (response.isSuccess()) {
Object reply = response.getData().getChoices().get(0).getMessage();
System.out.println(reply);
} else {
System.err.println("错误: " + response.getMsg());
}
}
}
import ai.z.openapi.ZhipuAiClient;
import ai.z.openapi.service.model.*;
import java.util.Arrays;
public class MultiModalFileExample {
public static void main(String[] args) {
String apiKey = "your-api-key"; // 请填写您自己的APIKey
ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU()
.apiKey(apiKey)
.build();
ChatCompletionCreateParams request = ChatCompletionCreateParams.builder()
.model("glm-5v-turbo")
.messages(Arrays.asList(
ChatMessage.builder()
.role(ChatMessageRole.USER.value())
.content(Arrays.asList(
MessageContent.builder()
.type("file_url")
.fileUrl(FileUrl.builder()
.url("https://cdn.bigmodel.cn/static/demo/demo2.txt")
.build())
.build(),
MessageContent.builder()
.type("file_url")
.fileUrl(FileUrl.builder()
.url("https://cdn.bigmodel.cn/static/demo/demo1.pdf")
.build())
.build(),
MessageContent.builder()
.type("text")
.text("What are the files show about?")
.build()
))
.build())
))
.thinking(ChatThinking.builder()
.type("enabled")
.build())
.build();
ChatCompletionResponse response = client.chat().createChatCompletion(request);
if (response.isSuccess()) {
Object reply = response.getData().getChoices().get(0).getMessage();
System.out.println(reply);
} else {
System.err.println("错误: " + response.getMsg());
}
}
}