成本与性能优化

ChatGLM / GLM 接入时应根据任务质量、延迟、视觉能力和成本选择模型。

模型分层

任务	推荐
普通聊天	glm-5.1-air
低延迟聊天	glm-5-flash
批量分类	flash / turbo 模型
图像理解	GLM-V 系列

优化建议

• 简单任务使用 turbo 或 flash 模型
• 高价值任务使用旗舰模型
• 视觉任务单独限额
• 控制多轮历史长度
• 记录每个模型的延迟、错误率和成本

令牌分组建议

• 默认分组开放通用模型
• 高级分组开放旗舰和视觉模型
• 测试分组用于新模型灰度
• 企业分组可配置独立额度和并发