AI 助理
备案控制台
文档
输入文档关键字查找
首页 大模型服务平台百炼 开发参考 模型调用 第三方大语言模型 ChatGLM开源双语对话语言模型 API详情

API详情

更新时间：
产品详情
我的收藏

目前百炼平台提供的ChatGLM模型服务主要包含ChatGLM2和ChatGLM3模型，均是由智谱AI出品的大语言模型。

模型概览

模型名称

上下文长度

最大输入

输入成本

输出成本

免费额度

（注）

（Token数）

（每千Token）

chatglm3-6b

7500

7500

目前仅供免费体验。

免费额度用完后不可调用，敬请关注后续动态。

100万Token

有效期：百炼开通后180天内

chatglm-6b-v2

6500

6500

0.006元

0.006元

100万Token（需申请）

有效期：百炼开通后180天内

开始使用

前提条件

您需要已获取API Key并配置API Key到环境变量。如果通过SDK调用，还需要安装DashScope SDK。

SDK调用

简单示例

# coding=utf-8
from dashscope import Generation

messages = [
    {'role': 'system', 'content': 'You are a helpful assistant.'},
    {'role': 'user', 'content': '你是谁？'}]
gen = Generation()
response = gen.call(
    'chatglm-6b-v2',
    messages=messages,
    result_format='message',
)
print(response)
import java.util.Arrays;
import java.lang.System;
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.JsonUtils;

public class Main {
    public static GenerationResult callWithMessage() throws ApiException, NoApiKeyException, InputRequiredException {
        Generation gen = new Generation();
        Message systemMsg = Message.builder()
                .role(Role.SYSTEM.getValue())
                .content("You are a helpful assistant.")
                .build();
        Message userMsg = Message.builder()
                .role(Role.USER.getValue())
                .content("你是谁？")
                .build();
        GenerationParam param = GenerationParam.builder()
                // 若没有配置环境变量，请用百炼API Key将下行替换为：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("chatglm-6b-v2")
                .messages(Arrays.asList(systemMsg, userMsg))
                .resultFormat(GenerationParam.ResultFormat.MESSAGE)
                .build();
        return gen.call(param);
    }
    public static void main(String[] args) {
        try {
            GenerationResult result = callWithMessage();
            System.out.println(JsonUtils.toJson(result));
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            // 使用日志框架记录异常信息
            System.err.println("An error occurred while calling the generation service: " + e.getMessage());
        }
        System.exit(0);
    }
}

流式输出

# coding=utf-8
import os
import dashscope

messages = [
    {'role':'system','content':'you are a helpful assistant'},
    {'role': 'user','content': '你是谁？'}
    ]
responses = dashscope.Generation.call(
    # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx",
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model="chatglm-6b-v2",
    messages=messages,
    result_format='message',
    stream=True,
    incremental_output=True
    )
for response in responses:
    print(response)
import java.util.Arrays;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.JsonUtils;
import io.reactivex.Flowable;
import java.lang.System;

public class Main {
    private static final Logger logger = LoggerFactory.getLogger(Main.class);
    private static void handleGenerationResult(GenerationResult message) {
        System.out.println(JsonUtils.toJson(message));
    }
    public static void streamCallWithMessage(Generation gen, Message userMsg)
            throws NoApiKeyException, ApiException, InputRequiredException {
        GenerationParam param = buildGenerationParam(userMsg);
        Flowable<GenerationResult> result = gen.streamCall(param);
        result.blockingForEach(message -> handleGenerationResult(message));
    }
    private static GenerationParam buildGenerationParam(Message userMsg) {
        return GenerationParam.builder()
                // 若没有配置环境变量，请用百炼API Key将下行替换为：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("chatglm-6b-v2")
                .messages(Arrays.asList(userMsg))
                .resultFormat(GenerationParam.ResultFormat.MESSAGE)
                .incrementalOutput(true)
                .build();
    }
    public static void main(String[] args) {
        try {
            Generation gen = new Generation();
            Message userMsg = Message.builder().role(Role.USER.getValue()).content("你是谁？").build();
            streamCallWithMessage(gen, userMsg);
        } catch (ApiException | NoApiKeyException | InputRequiredException  e) {
            logger.error("An exception occurred: {}", e.getMessage());
        }
        System.exit(0);
    }
}

参数配置

参数

类型

默认值

说明

model

string

-

chatglm-6b-v2/chatglm3-6b。

stream（可选）

boolean

False

是否使用流式输出。当以stream模式输出结果时，接口返回结果为generator，需要通过迭代获取结果，默认每次输出为当前生成的整个序列，最后一次输出为最终全部生成结果，可以通过参数incremental_output为False改变输出模式为非增量输出。

incremental_output（可选）

boolean

False

控制流式输出模式，即后面内容会包含已经输出的内容；设置为True，将开启增量输出模式，后面输出不会包含已经输出的内容，您需要自行拼接整体输出，参考流式输出示例代码。

messages

array

-

用户输入的内容，dict内主要包含2个key：role和content，其中role支持user、assistant、system，content为对应role的text输入。目前仅chatglm3-6b支持。

result_format

string

-

用户返回的内容类型，默认为text，当输入格式为messages时可配置为message。

返回结果

  • 非流式返回结果示例 

{
    "status_code": 200,
    "request_id": "605c2d0c-614a-9725-9a18-720b7579e0f3",
    "code": "",
    "message": "",
    "output": {
        "text": null,
        "finish_reason": null,
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "role": "assistant",
                    "content": "我是一个名为 ChatGLM2-6B 的人工智能助手，是基于清华大学 KEG 实验室和智谱 AI 公司于 2023 年共同训练的语言模型开发的。我的任务是针对用户的问题和要求提供适当的答复和支持。"
                }
            }
        ]
    },
    "usage": {
        "input_tokens": 27,
        "output_tokens": 52,
        "total_tokens": 79
    }
}

  • 流式返回结果示例 

{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "我"}}]}, "usage": {"input_tokens": 26, "output_tokens": 1, "total_tokens": 27}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "是一个"}}]}, "usage": {"input_tokens": 26, "output_tokens": 1, "total_tokens": 27}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "名为"}}]}, "usage": {"input_tokens": 26, "output_tokens": 1, "total_tokens": 27}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "ChatGLM2-"}}]}, "usage": {"input_tokens": 26, "output_tokens": 5, "total_tokens": 31}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "6B 的人工智能助手，是基于"}}]}, "usage": {"input_tokens": 26, "output_tokens": 8, "total_tokens": 34}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "清华大学 KEG 实验室和智谱"}}]}, "usage": {"input_tokens": 26, "output_tokens": 8, "total_tokens": 34}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "AI 公司于 2023"}}]}, "usage": {"input_tokens": 26, "output_tokens": 8, "total_tokens": 34}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "年共同训练的语言模型开发的。我的"}}]}, "usage": {"input_tokens": 26, "output_tokens": 8, "total_tokens": 34}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "null", "message": {"role": "assistant", "content": "任务是针对用户的问题和要求提供适当的"}}]}, "usage": {"input_tokens": 26, "output_tokens": 8, "total_tokens": 34}}
{"status_code": 200, "request_id": "6efdf980-2d20-92f1-9c4f-b59081d38ada", "code": "", "message": "", "output": {"text": null, "finish_reason": null, "choices": [{"finish_reason": "stop", "message": {"role": "assistant", "content": "答复和支持。"}}]}, "usage": {"input_tokens": 26, "output_tokens": 4, "total_tokens": 30}}

  • 返回参数说明

返回参数

类型

说明

status_code

int

200（HTTPStatus.OK）表示请求成功，否则表示请求失败，可以通过code获取错误码，通过message字段获取错误详细信息。

request_Id

string

系统生成的标志本次调用的id。

code

string

表示请求失败，表示错误码，成功忽略。

message

string

失败，表示失败详细信息，成功忽略。

output

dict

调用结果信息，对于千问模型，包含输出text。

usage

dict

计量信息，表示本次请求计量数据。

text

dict

模型生成回复以及历史对话信息，response为本次输出，history为历史对话列表。

input_tokens

int

用户输入文本转换成Token后的长度，目前都是0，不支持统计。

output_tokens

int

模型生成回复转换为Token后的长度，目前都是0，不支持统计。

HTTP调用接口

提交接口调用

POST https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation

入参描述

传参方式

字段

类型

必选

描述

示例值

Header

Content-Type

String

是

请求类型：application/json

application/json

Accept

String

否

*/*，选择text/event-stream则会开启 SSE 响应，默认无设置

text/event-stream

Authorization

String

是

API-Key，例如：Bearer d1**2a

Bearer d1**2a

X-DashScope-WorkSpace

String

否

指明本次调用需要使用的workspace；需要注意的是，对于子账号Apikey调用，此参数为必选项，子账号必须归属于某个workspace才能调用；对于主账号Apikey此项为可选项，添加则使用对应的workspace身份，不添加则使用主账号身份。

ws_QTggmeAxxxxx

X-DashScope-SSE

String

否

跟Accept: text/event-stream二选一即可启用SSE响应

enable

Body

model

String

是

指明需要调用的模型

chatglm3-6b

input.prompt

String

是

文本内容，支持中英文。

你好

input.history

List

否

用户与模型的对话历史。

[]

input.messages

List Dict

是

用户多轮对话信息输入。

[ {

"role": "user",

"content": "你好"

}]

parameters.incremental_output

Bool

否

用于控制流式输出模式，默认False，即后面内容会包含已经输出的内容；设置为True，将开启增量输出模式，后面输出不会包含已经输出的内容，您需要自行拼接整体输出，参考流式输出示例代码。

parameters.result_formatt

String

否

"text"表示旧版本的text

"message"表示兼容openai的message

"text"

出参描述

字段

类型

描述

示例值

output

object

本次请求的算法输出内容。

/

usage

object

本次请求使用的token。

/

request_id

string

本次请求的系统唯一码

7574ee8f-38a3-4b1e-9280-11c33ab46e51

请求示例（SSE关闭）

以下示例展示通过CURL命令来调用 chatglm模型（SSE 关闭）。

curl -X POST https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "chatglm-6b-v2",
    "input":{
        "messages":[      
            {
                "role": "system",
                "content": "You are a helpful assistant."
            },
            {
                "role": "user",
                "content": "你是谁？"
            }
        ]
    },
    "parameters": {
        "result_format": "message"
    }
}'

响应示例（SSE关闭）

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "role": "assistant",
                    "content": "我是一个名为 ChatGLM2-6B 的人工智能助手，是基于清华大学 KEG 实验室和智谱 AI 公司于 2023 年共同训练的语言模型开发的。我的任务是针对用户的问题和要求提供适当的答复和支持。"
                }
            }
        ]
    },
    "usage": {
        "total_tokens": 79,
        "output_tokens": 52,
        "input_tokens": 27
    },
    "request_id": "8e6a94bf-c489-99b4-a1b0-feae231b80d9"
}

请求示例（SSE开启）

以下示例展示通过CURL命令来调用 chatglm模型（SSE 关闭）。

curl -X POST https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
    "model": "chatglm-6b-v2",
    "input":{
        "messages":[      
            {
                "role": "system",
                "content": "You are a helpful assistant."
            },
            {
                "role": "user",
                "content": "你是谁？"
            }
        ]
    },
    "parameters": {
        "result_format": "message",
        "incremental_output":true
    }
}'

响应示例（SSE开启）

id:1
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"我","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":28,"input_tokens":27,"output_tokens":1},"request_id":"80df94f0-333d-9b89-bdbf-9d5e11590428"}

id:2
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"是一个","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":28,"input_tokens":27,"output_tokens":1},"request_id":"80df94f0-333d-9b89-bdbf-9d5e11590428"}

... ... ... ...
... ... ... ...

id:9
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"任务是针对用户的问题和要求提供适当的","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":35,"input_tokens":27,"output_tokens":8},"request_id":"80df94f0-333d-9b89-bdbf-9d5e11590428"}

id:10
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":"答复和支持。","role":"assistant"},"finish_reason":"stop"}]},"usage":{"total_tokens":31,"input_tokens":27,"output_tokens":4},"request_id":"80df94f0-333d-9b89-bdbf-9d5e11590428"}

异常响应示例

在访问请求出错的情况下，输出结果中会通过 code 和 message 指明出错原因。

{
    "code":"InvalidApiKey",
    "message":"Invalid API-key provided.",
    "request_id":"fb53c4ec-1c12-4fc4-a580-cdb7c3261fc1"
}

状态码说明

大语言模型服务平台通用状态码请查阅：错误码

上一篇：快速开始下一篇：姜子牙通用大模型
文档推荐