Bảng giá API GLM: Mô hình, chi phí token và cách bắt đầu

Giá API GLM phụ thuộc vào mô hình, nhà cung cấp truy cập và tỷ lệ token đầu vào, đầu vào đã lưu trong bộ nhớ đệm và đầu ra. Gói mua cho lập trình dùng hệ thống thanh toán khác, nên hạn mức hàng tháng của gói không nên coi là số dư cho lưu lượng API tùy ý.

Với hai mô hình GLM hiện có trên cheapaimodel, GLM-5.3-Flash có giá token thấp hơn. Việc đây có phải lựa chọn tốt hơn hay không còn tùy vào kết quả mà ứng dụng của bạn cần. Hãy bắt đầu bằng một đợt đánh giá nhỏ thay vì mặc định rằng mô hình rẻ nhất hay đắt nhất sẽ thắng.

Hướng dẫn này so sánh mức giá niêm yết được kiểm tra ngày 26 tháng 10 năm 2026. Các ví dụ là phép tính từ số token đã nêu, không phải kết quả đo hiệu năng thực tế của ứng dụng.

Dùng GLM ngoài Trung Quốc? Xem API GLM của Zhipu trên Z.ai để biết cách đăng ký, thanh toán bằng thẻ và điểm vướng 3DS.

Giá API GLM hiện tại

Các mức giá sau tính bằng USD trên một triệu token. Đầu vào và đầu vào đọc từ bộ nhớ đệm là hai hạng mục riêng; đừng tính cùng một token vào cả hai.

Mô hình và đường truy cập	Đầu vào chưa lưu đệm / 1M	Đầu vào đã lưu đệm / 1M	Đầu ra / 1M
GLM-5.3, Z.ai trực tiếp	$1.40	$0.26	$4.40
GLM-5.3, cheapaimodel	$0.976972	$0.181438	$3.070483
GLM-5.3-Flash, Z.ai trực tiếp	$0.15	$0.03	$0.50
GLM-5.3-Flash, cheapaimodel	$0.104676	$0.020935	$0.348919

Nguồn: Bảng giá API Z.ai và bảng giá cheapaimodel. Giá của gateway được ghi lại đúng theo độ chính xác hiển thị. Hãy kiểm tra lại cả hai trang trước khi nạp tiền vào tài khoản hoặc chuyển lưu lượng production.

Z.ai niêm yết thêm nhiều mô hình nằm ngoài so sánh này. Một mô hình xuất hiện trong danh mục của Z.ai không có nghĩa là cheapaimodel cung cấp mô hình đó. Dùng danh mục mô hình hiện tại để xác nhận có sẵn hay không, rồi kiểm tra đúng định danh và các tính năng cần thiết cho đường truy cập của bạn.

Bảng này so sánh phí token. Bảng không chứng minh độ trễ, thời gian hoạt động, phiên bản mô hình hay hành vi giống nhau giữa các nhà cung cấp.

Tính ngân sách từ tỷ lệ token của bạn

Đổi mỗi số token sang đơn vị triệu, rồi tính:

Tạm tính token = đầu vào chưa lưu đệm × đơn giá đầu vào + đầu vào đã lưu đệm × đơn giá lưu đệm + đầu ra × đơn giá đầu ra.

Dùng các hạng mục đầu vào loại trừ lẫn nhau. Nếu một yêu cầu báo tổng đầu vào một triệu token và 800,000 token là cache hit, thì lượng chưa lưu đệm là 200,000, không phải một triệu. Xác nhận ý nghĩa của các trường mức sử dụng mà nhà cung cấp trả về trước khi đưa vào bảng theo dõi chi phí.

Dưới đây là ba tình huống dùng các mức giá trên:

Tình huống	GLM-5.3 trực tiếp	GLM-5.3 qua gateway	Flash trực tiếp	Flash qua gateway
1M đầu vào chưa lưu đệm + 0.2M đầu ra	$2.2800	$1.5911	$0.2500	$0.1745
20M đầu vào chưa lưu đệm + 2M đầu ra	$36.8000	$25.6804	$4.0000	$2.7914
4M chưa lưu đệm + 16M đầu vào đã lưu đệm + 2M đầu ra	$18.5600	$12.9519	$2.0800	$1.4515

Ví dụ, tạm tính thứ hai của Flash qua gateway là 20 × $0.104676 + 2 × $0.348919 = $2.791358. Bảng chỉ làm tròn tổng cuối cùng đến bốn chữ số thập phân.

Kịch bản thứ ba giả định 80% trong 20 triệu token đầu vào là cache hit. Đó là giả định để lập ngân sách, không phải tỷ lệ cache hit thực tế. Prompt, điều kiện được cache và hành vi của nhà cung cấp mới quyết định điều gì thực sự xảy ra.

Các tổng phụ này chưa gồm thuế (nếu có), công cụ hoặc lưu trữ bị tính phí riêng, và token từ các lần thử lại vượt quá mức đã nêu. Cách tách token và độ dài đầu ra cũng có thể khác nhau giữa các mô hình, nên cùng số token chỉ so sánh được giá chứ không dự đoán được khối lượng công việc hoàn thành như nhau.

Kiểm tra các khoản phí ngoài bảng token

Bảng giá trực tiếp của Z.ai ghi lưu trữ đầu vào đã cache là tạm thời miễn phí và tính phí riêng cho tính năng tìm kiếm web tích hợp sẵn. Cả hai điều này đều không xác nhận cách một gateway bên thứ ba xử lý các tính năng tương tự. Hãy xác nhận các khoản phí áp dụng của gateway trước khi đưa vào ngân sách.

Với một quy trình agent, hãy đếm tất cả lệnh gọi mô hình và mọi công cụ có thể bị tính phí. Một tác vụ phải thử lại nhiều lần có thể tốn hơn một yêu cầu thành công duy nhất, ngay cả khi mức giá token niêm yết thấp hơn. Theo dõi tổng chi tiêu cho mỗi kết quả được chấp nhận song song với mức sử dụng token.

Để so sánh với các nhóm mô hình khác, xem So sánh bảng giá LLM API của chúng tôi.

Quyền truy cập GLM API so với GLM Coding Plan

API tiêu chuẩn của Z.ai và GLM Coding Plan phục vụ những nhu cầu mua khác nhau. Gói này là mua gói cho các công cụ agent được hỗ trợ, với hạn mức số dư theo năm giờ và theo tuần. Mức tiêu thụ số dư thay đổi theo mô hình và nhóm mức sử dụng. Đây không phải lời hứa đơn giản về số yêu cầu không giới hạn.

Chính sách sử dụng của gói giới hạn việc mua gói cho các công cụ được hỗ trợ và cấm chia sẻ tài khoản. Hãy kiểm tra xem ứng dụng bạn định dùng có nằm trong phạm vi được hỗ trợ không, thay vì mặc định rằng key mua gói có thể thay thế thanh toán API dùng chung.

Chọn dựa trên công việc bạn cần làm:

• Với quy trình viết mã cá nhân hoặc agent văn phòng được hỗ trợ, hãy đánh giá giới hạn và điều khoản hiện tại của gói so với mức sử dụng của bạn.
• Với một ứng dụng bạn vận hành, hãy đánh giá một đường API và lập ngân sách theo số yêu cầu thực tế. Đừng quy đổi giá hàng tháng của gói thành mức giá trên mỗi token không giới hạn.
• Nếu dùng cả hai, hãy tách riêng thông tin xác thực, endpoint và hồ sơ thanh toán để biết sản phẩm nào đang xử lý mỗi yêu cầu.

cheapaimodel mô tả dịch vụ của mình là trả trước, nạp tiền từ $5 và không cần mua gói. Hãy xem điều khoản thanh toán và hoàn tiền hiện tại trước khi nạp tiền vào ví.

Cách lấy GLM API key và bắt đầu an toàn

1. Chọn tài khoản sẽ phục vụ yêu cầu

Để truy cập trực tiếp, làm theo bắt đầu nhanh API tiêu chuẩn của Z.ai. Để truy cập qua gateway, dùng tài liệu cheapaimodel. Lấy key từ dịch vụ bạn thực sự định gọi; key không dùng thay thế được giữa các nhà cung cấp.

2. Khớp key, Base URL và model ID

Z.ai ghi rõ Base URL chuẩn của API là https://api.z.ai/api/paas/v4/. cheapaimodel công bố https://api.cheapaimodel.ai/v1 và niêm yết glm-5.3 cùng glm-5.3-flash trong danh mục bảng giá. Gói lập trình có hướng dẫn cấu hình riêng. Đừng trộn các route đó chỉ vì chúng nhận định dạng yêu cầu giống nhau.

3. Gửi một yêu cầu nhỏ mang tính đại diện

Hãy giữ key trong secret phía máy chủ hoặc biến môi trường, tuyệt đối không để trong repo công khai hay gói chạy trên trình duyệt. Dùng ví dụ hiện hành của nhà cung cấp bạn chọn để gửi yêu cầu đầu tiên, rồi kiểm tra mức sử dụng và khoản trừ trong tài khoản được trả về. Hướng dẫn này không khẳng định rằng đã chạy kiểm thử tích hợp có xác thực cho tài khoản của bạn.

4. Kiểm tra các tính năng mà ứng dụng của bạn cần

Hãy thử riêng streaming, tool call, đầu ra có cấu trúc hoặc đầu vào phi văn bản khi bạn phụ thuộc vào chúng. Tài liệu mô hình của Z.ai mô tả năng lực của chính Z.ai; đó không phải bằng chứng rằng mọi gateway đều hỗ trợ mọi tính năng giống hệt nhau. Xem lại giới hạn của route bạn đã chọn trước khi tăng số yêu cầu đồng thời hoặc kích thước yêu cầu.

5. Đo chất lượng trước khi tăng lưu lượng

Dùng các tác vụ đại diện với tiêu chí nghiệm thu rõ ràng. So sánh lỗi, số lần thử lại, độ trễ và chi phí cho mỗi kết quả được chấp nhận. Bắt đầu với Flash khi mức giá thấp hơn khiến mô hình này thành lựa chọn hợp lý, và thử GLM-5.3 khi khối lượng công việc cần thêm một phương án khác. Giá không phải là thước đo xếp hạng chất lượng.

Có API GLM miễn phí không?

Bảng giá hiện tại của Z.ai đánh dấu một số mô hình Flash đời cũ là miễn phí, còn GLM-5.3-Flash có mức giá phải trả. Vì vậy “Flash” không có nghĩa là “miễn phí.” Hãy kiểm tra chính xác mô hình, nhà cung cấp và điều kiện tài khoản thay vì áp ưu đãi cũ cho một phiên bản khác.

Với các mô hình nêu ở đây, hãy lấy mức giá phải trả ở trên làm điểm bắt đầu. Xem giá trực tiếp, chọn mô hình phù hợp và kiểm tra với một khối lượng nhỏ trước khi mở rộng.