Modo Prime

O Modo Prime oferece TPS mais alto para cenários sensíveis à latência, como assistentes de codificação de IA, raciocínio de agentes multi-passos e conversas em tempo real.

Como funciona

O Modo Prime fornece as seguintes características principais:

• Saída de alta velocidade: TPS é 1,5~2x a da API padrão; ideal para assistentes de codificação de IA, raciocínio de agente multi-passo, conversas em tempo real, e outros casos de uso sensíveis à latência.
• A mesma lógica de faturamento da API padrão - faturada separadamente para entrada e saída de fichas.
• Quando seu uso atingir o limite de taxa, os pedidos ainda serão processados se a plataforma tiver capacidade disponível, então o TPS real utilizável é o limite de taxa indicado.

Para ativar o Modo Prime, defina o model parâmetro para o modelo ID de um modelo suportado (#supported-models). Não são necessários parâmetros adicionais.

Exemplo básico de uso:

O nome do modelo do Modo Prime para GLM 5.2 permanece. glm-5.2-fast-preview.

curl -X POST https://maas.qwencloudapi.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "glm-5.2-fast-preview",
  "messages": [{"role": "user", "content": "Who are you?"}],
  "stream": false
}'

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.environ.get("DASHSCOPE_API_KEY"),
  base_url="https://maas.qwencloudapi.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
  model="glm-5.2-fast-preview",
  messages=[{"role": "user", "content": "Who are you?"}],
  stream=True,
)
for chunk in completion:
  if not chunk.choices:
    continue
  delta = chunk.choices[0].delta
  if hasattr(delta, "reasoning_content") and delta.reasoning_content:
    print(delta.reasoning_content, end="", flush=True)
  if hasattr(delta, "content") and delta.content:
    print(delta.content, end="", flush=True)

Exemplo de resposta:

{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "model": "glm-5.2-fast-preview",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "reasoning_content": "...",
      "content": "..."
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 14,
    "completion_tokens": 137,
    "total_tokens": 151,
    "prompt_tokens_details": {"cached_tokens": 0},
    "completion_tokens_details": {"reasoning_tokens": 127}
  }
}

Modelos apoiados.

Geração de texto

Geração de vídeo

Para os preços mais recentes, veja [Preço] (/developer-guides/getting-started/pricing).

Exemplo de uso

GLM-5.2 retorna um reasoning_content campo por padrão. No modo de streaming, o raciocínio e o conteúdo de resposta são entregues separadamente através de delta.reasoning_content e delta.content:

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.environ.get("DASHSCOPE_API_KEY"),
  base_url="https://maas.qwencloudapi.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
  model="glm-5.2-fast-preview",
  messages=[{"role": "user", "content": "Who are you?"}],
  stream=True,
)
for chunk in completion:
  if not chunk.choices:
    continue
  delta = chunk.choices[0].delta
  if hasattr(delta, "reasoning_content") and delta.reasoning_content:
    print(delta.reasoning_content, end="", flush=True)
  if hasattr(delta, "content") and delta.content:
    print(delta.content, end="", flush=True)

Contagem

O Modo Prime usa faturamento per-token com a mesma lógica da API padrão. Veja [Pricing] (/developer-guides/getting-started/pricing) para detalhes.