核心参数

​

快速参考

参数	类型	默认值	描述
do_sample	布尔值	true	是否对输出进行采样，以增加多样性。
temperature	浮点数	(依赖模型)	控制输出的随机性，值越高越随机。
top_p	浮点数	(依赖模型)	通过核采样控制多样性，建议与 temperature 二选一。
max_tokens	整数	(依赖模型)	限制单次调用生成的最大 token 数。
stream	布尔值	false	是否以流式方式返回响应。
thinking	对象	{"type": "enabled"}	是否开启思维链深度思考，仅 GLM-4.5 及以上支持。

---

​

参数详解

​

do_sample

do_sample 是一个布尔值（true 或 false），用于决定是否对模型的输出进行采样。

• true (默认值): 根据每个 token 的概率分布进行随机采样，增加文本的多样性和创造性。适用于内容创作、对话等场景。
• false: 采用贪心策略，总是选择概率最高的下一个 token。输出确定性高，适用于需要精确、事实性回答的场景。

最佳实践:

• 需要可复现、确定性的输出时，设为 false。
• 希望模型生成更多样、更有趣的内容时，设为 true，并配合 temperature 或 top_p 使用。

​

temperature

temperature（温度）参数控制着模型输出的随机性。

• 较低的值 (如 0.2): 概率分布更“尖锐”，输出更具确定性、更保守。
• 较高的值 (如 0.8): 概率分布更“平缓”，输出更具随机性和多样性。

最佳实践:

• 在需要严谨、事实准确的场景（如知识问答），建议使用较低的 temperature。
• 在需要创意的场景（如内容创作），可以尝试较高的 temperature。
• 建议 temperature 和 top_p 只使用其中一个。

​

top_p

top_p（核采样）通过从累积概率超过阈值的最小 token 集合中进行采样来控制多样性。

• 较低的值 (如 0.2): 限制采样范围，输出更具确定性。
• 较高的值 (如 0.9): 扩大采样范围，输出更具多样性。

最佳实践:

• 如果希望在保证内容质量的同时获得一定的多样性，top_p 是一个很好的选择（推荐值 0.8-0.95）。
• 通常不建议同时修改 temperature 和 top_p。

​

max_tokens

max_tokens 用于限制模型单次调用生成的最大 token 数量。GLM-4.6 最大支持 128K 输出长度，GLM-4.5 最大支持 96K 输出长度，建议设置不小于 1024。令牌是文本的基本单位，通常 1 个令牌约等于 0.75 个英文单词或 1.5 个中文字符。设置合适的 max_tokens 可以控制响应长度和成本，避免过长的输出。如果模型在达到 max_tokens 限制前完成回答，会自然结束；如果达到限制，输出可能被截断。

• 作用: 防止生成过长文本，控制 API 调用成本。
• 注意: max_tokens 限制的是生成内容的长度，不包括输入。

最佳实践:

• 根据应用场景合理设置 max_tokens。如果需要简短回答，可设为较小的值（如 50）。

各模型的默认 max_tokens 和支持的最大 max_tokens:

模型编码	默认 max_tokens	最大 max_tokens
glm-4.6	65536	131072
glm-4.5	65536	98304
glm-4.5-air	65536	98304
glm-4.5-x	65536	98304
glm-4.5-flash	65536	98304
glm-4.5v	16384	16384
glm-4.1v-thinking-flashx	32768	32768
glm-4.1v-thinking-flash	32768	32768
glm-4-air-250414	16384	16384
glm-4-flash-250414	32768	32768
glm-4-plus	动态计算	4095
glm-4-air	动态计算	4095
glm-4-airx	动态计算	4095
glm-4-flash	动态计算	4095
glm-4-flashx	动态计算	4095
glm-4-plus	动态计算	4095
glm-4v-plus-0111	1024	8192
glm-4v-flash	1024	1024

​

stream

stream 是一个布尔值，用于控制 API 的响应方式。

• false (默认值): 一次性返回完整的响应，实现简单但等待时间长。
• true: 以流式（SSE）方式返回内容，显著提升实时交互应用的体验。

最佳实践:

• 对于聊天机器人、实时代码生成等应用，强烈建议设为 true。

​

thinking

thinking 参数用于控制模型是否开启“思维链”（Chain of Thought），以进行更深度的思考和推理。

• 类型: 对象
• 支持模型: GLM-4.5 及以上

属性:

• type (string):
  • enabled (默认): 开启思维链。GLM-4.6 GLM-4.5 会自动判断是否需要，而 GLM-4.5V 会强制思考。
  • disabled: 关闭思维链。

最佳实践:

• 在需要模型进行复杂推理、规划时，建议开启。
• 对于简单任务，可关闭以获得更快响应。

---

​

相关概念

---

希望这份文档能帮助你更好地理解和使用 API 的核心参数！