モデル詳細
GLM-4.5
GLM-4.5は、エージェントベースのアプリケーション向けに特別に設計された、当社の最新の主力基盤モデルです。エキスパート混合（MoE）アーキテクチャを活用し、最大128kトークンのコンテキスト長をサポートします。GLM-4.5は、推論、コード生成、エージェントアライメントにおいて大幅に強化された機能を提供します。 複雑な推論やツールの使用に適した「思考モード」と、即時応答に最適化された「非思考モード」という2つのオプションを備えたハイブリッド推論モードをサポートしています。ユーザーはブール値`reasoning` `enabled`を使用して推論動作を制御できます。[詳細についてはドキュメントをご覧ください](https://openrouter.ai/docs/use-cases/reasoning-tokens#enable-reasoning-with-default-config)
モデル仕様
- モデル ID
-
glm-4.5
- コンテキスト長
- 131.072K
- 最大出力
- 98.304K
- 入出力モダリティ
- リリース
- 2025-07
02
API エンドポイント
MixRoute 単一ゲートウェイ、OpenAI 互換
-
OpenAI-compatible
/v1/chat/completionsPOST
03
料金
固定料金、単位: /1M Tokens
入力
$0.6000 /1M Tokens
生成
$2.2000 /1M Tokens
キャッシュ読み取り
$0.1100 /1M Tokens
05
選定サマリー
ワークロード適合性を素早く判断
このモデルは何に向いていますか？
テキスト生成モデル、入力：テキスト、出力：テキスト
glm-4.5 はテキスト生成モデルです。仕様は、context window は 131,072 トークン、1 回の最大出力は 98,304 トークン。
使う前に何を確認すべきですか？
131,072 context、出力上限 98,304
glm-4.5 の採用前に、標準入力は $0.6／100 万トークン、対応が宣言されている機能：ツール呼び出し、構造化出力、ストリーミング、プロンプトキャッシュ、OpenAI SDK 互換、知識カットオフは 2024-12-31、2025-07-25 公開。代表的なトラフィックで試験運用し、品質とレイテンシを確認してください。
なぜ MixRoute 経由で使うのですか？
glm-4.5 はキャッシュ読み取り料金で再送プロンプトのコストを削減
再送されるプレフィックスは 100 万トークンあたり 0.11 USD（キャッシュ読み取り料金、通常入力は 0.6 USD）で課金され、システムプロンプトの再送コストを抑えられます。MixRoute は OpenAI 互換エンドポイント /v1/chat/completions で glm-4.5 を提供します。既存のクライアントは https://api.mixroute.ai/v1 とモデル ID glm-4.5 に切り替えて、結合テストを再実行するだけです。
07
機能と互換性
未確認の機能は「Unknown」のまま、推測しません
ツール呼び出し
glm-4.5は関数呼び出しとツール呼び出しをサポートします。
tools定義を送信すると、応答としてtool_callsが返され、それを実行して結果をフィードバックします。
構造化された出力
glm-4.5は、必要に応じてJSON形式の出力を生成できます。
response_format: { type: "json_schema" }は有効なJSON出力を強制します。
ストリーミング配信
glm-4.5はストリーム応答をサポートしています。
stream: trueはトークンを段階的にストリーミングするため、チャットUIはトークンが到着するたびにレンダリングされます。
プロンプトのキャッシュ
glm-4.5は、サポートされているルーティング条件下でプロンプトのキャッシュをサポートします。
OpenAI SDK
MixRouteのOpenAI互換エンドポイントを介してglm-4.5を呼び出します。
base_url を https://api.mixroute.ai/v1 に変更します。その他はすべて OpenAI のスタイルに従います。
08
トークンコスト見積もり
このページの料金に基づく見積もりで、実請求ではありません
同一プレフィックスが繰り返し読み取られる入力の割合（最大100%）
09
FAQ
GLM-4.5はコンテキストキャッシュをサポートしており、繰り返しプレフィックスの遅延とコストを大幅に削減できます。システムプロンプトやツール定義などの安定したコンテンツが最も恩恵を受けます。
単一エンドポイントで検証可能な判断
同じリクエスト形式でこのモデルと代替ルートをテスト
実際のワークロードから始め、品質、総コスト、障害条件を基に本番トラフィックを送るか判断します。