> ## Documentation Index
> Fetch the complete documentation index at: https://docs.bigmodel.cn/llms.txt
> Use this file to discover all available pages before exploring further.
# 迁移至 GLM-5.2
本文介绍如何将调用从 GLM-4.5 GLM-4.6 GLM-4.7 GLM-5.1 或其它早期模型迁移到我们迄今为止最强的编码模型 Z.ai GLM-5.2，涵盖采样参数差异、流式工具调用等要点。
## GLM-5.2 的特性
* 支持更大上下文与输出：最大上下文 1M，最大输出 128K。
* 新增支持工具调用过程的流式输出（`tool_stream=true`），实时获取工具调用参数。
* 同 GLM-4.7 系列支持深度思考（`thinking={ type: "enabled" }`）。开启后，GLM-5.2 为模型自动判断是否思考，GLM-4.7 为强制思考。
* 新增 `reasoning_effort` 参数用于控制模型在开启“思维链”下的推理程度。
* 更卓越的代码性能和先进的推理能力。
## 迁移清单（Checklist）
* [ ] 更新模型编码为 `glm-5.2`
* [ ] 采样参数：`temperature` 默认值 `1.0`, `top_p` 默认值 `0.95`，建议只选一个进行调参
* [ ] 深度思考：按需关闭或启用 `thinking={ type: "enabled" }`，用于复杂推理/编码
* [ ] 控制推理程度: 配置 `reasoning_effort` 来决定 `high` - 增强推理 还是 `max` - 深度推理（默认值）
* [ ] 流式响应：启用 `stream=true` 并正确处理 `delta.reasoning_content` 与 `delta.content`
* [ ] 流式工具调用：启用 `stream=true` 和 `tool_stream=true` 并流式拼接 `delta.tool_calls[*].function.arguments`
* [ ] 最大输出与上下文：合理设置 `max_tokens`（GLM-5.2 最大输出 128K，上下文 1M）
* [ ] Prompt 优化：配合深度思考，采用更明确的指令与约束
* [ ] 开发环境验证：进行用例测试与回归，关注随机性、延迟、工具流中的参数完整性
## 开始迁移
### 1. 更新模型编码
* 将 `model` 更新为 `glm-5.2`。
```python theme={null}
resp = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "简述 GLM-5.2 的优势"}]
)
```
### 2. 更新采样参数
* `temperature`：控制随机性；数值更高更发散，数值更低更稳定。
* `top_p`：控制核采样；更高值扩大候选集，更低值收敛候选集。
* `temperature` 默认为 `1.0`, `top_p` 默认为 `0.95`, 不建议同时调整两者。
```python theme={null}
# Plan A：使用 temperature（推荐）
resp = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "写一段更具创意的品牌介绍"}],
temperature=1.0
)
# Plan B：使用 top_p
resp = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "生成更稳定的技术说明"}],
top_p=0.8
)
```
### 3. 深度思考（可选）
* GLM-5.2 延续支持深度思考能力，默认为开启。
* 在复杂推理、编码任务中，建议开启：
```python theme={null}
resp = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "为我设计一个三层微服务架构"}],
thinking={"type": "enabled"}
)
```
* 控制推理程度，默认 `max` 深度推理：
```python theme={null}
resp = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "为我设计一个三层微服务架构"}],
thinking={"type": "enabled"},
reasoning_effort="max"
)
```
### 4. 流式输出与流式工具调用（可选）
* GLM-5.2 支持工具调用过程的实时流式构建与输出，默认 `False` 关闭，需同时打开：
* `stream=True`：开启响应的流式输出
* `tool_stream=True`：开启工具调用参数的流式输出
```python theme={null}
response = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "北京天气怎么样"}],
tools=[
{
"type": "function",
"function": {
"name": "get_weather",
"description": "获取指定地点当前的天气情况",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string", "description": "城市，例如：北京、上海"},
"unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
},
"required": ["location"]
}
}
}
],
stream=True,
tool_stream=True,
)
# 初始化流式收集变量
reasoning_content = ""
content = ""
final_tool_calls = {}
reasoning_started = False
content_started = False
# 处理流式响应
for chunk in response:
if not chunk.choices:
continue
delta = chunk.choices[0].delta
# 流式推理过程输出
if hasattr(delta, 'reasoning_content') and delta.reasoning_content:
if not reasoning_started and delta.reasoning_content.strip():
print("\n🧠 思考过程：")
reasoning_started = True
reasoning_content += delta.reasoning_content
print(delta.reasoning_content, end="", flush=True)
# 流式回答内容输出
if hasattr(delta, 'content') and delta.content:
if not content_started and delta.content.strip():
print("\n\n💬 回答内容：")
content_started = True
content += delta.content
print(delta.content, end="", flush=True)
# 流式工具调用信息（参数拼接）
if delta.tool_calls:
for tool_call in delta.tool_calls:
idx = tool_call.index
if idx not in final_tool_calls:
final_tool_calls[idx] = tool_call
final_tool_calls[idx].function.arguments = tool_call.function.arguments
else:
final_tool_calls[idx].function.arguments += tool_call.function.arguments
# 输出最终的工具调用信息
if final_tool_calls:
print("\n📋 命中 Function Calls :")
for idx, tool_call in final_tool_calls.items():
print(f" {idx}: 函数名: {tool_call.function.name}, 参数: {tool_call.function.arguments}")
```
详见：[工具流式输出文档](/cn/guide/capabilities/stream-tool)
### 5. 测试与回归
> 在开发环境中先行验证迁移后的调用是否稳定，关注：
* 响应是否符合预期、是否出现过度随机或过度保守的输出
* 工具流式构建与输出是否正常
* 长上下文与深度思考场景下的延迟与成本
## 更多资源
} href="/cn/guide/start/concept-param">
模型常见参数概念与采样建议
} href="/cn/guide/capabilities/stream-tool">
查看工具流式输出使用详情
} href="/cn/api/introduction">
查看完整的 API 文档
} href="https://bigmodel.cn/online-book/customerService">
获取技术支持和帮助