手把手教你GLM-4.5 API调用Python示例：国内直连免梯，100%成功的完整代码（附避坑点）

手把手教你GLM-4.5 API调用Python示例：国内直连免梯，100%成功的完整代码（附避坑点）

2026-10-11
API接口, DeepSeek, O3模型

手把手教你GLM-4.5 API调用Python示例：国内直连免梯，100%成功的完整代码（附避坑点） #

说实话，国内开发者想调用GLM-4.5 API，最常见的问题根本不是“代码怎么写”，而是“翻墙怎么搞”。折腾半天科学上网环境、绑海外信用卡、担心API Key被封，一通操作下来，代码还没写一行，心态先崩了。

最近我用千聚AI大模型聚合站（www.qianjuai.com）接上了GLM-4.5，算是彻底解决了这个痛。这篇教程不讲废话，直接给你一份能跑通的完整Python代码，以及我踩过的所有坑。

👉 立即注册千聚AI大模型聚合站，新用户送 $0.2 消费额度

为什么要通过千聚调GLM-4.5 #

GLM-4.5是智谱AI的最新一代大模型，能力很强。但官方调用方式对国内开发者不太友好：需要注册智谱账号、申请API Key，而且在某些网络环境下，直连可能会不稳定。

千聚AI大模型聚合站解决的就是这个问题：

  • 它提供一个国内直连的API中转服务，你不需要搭梯子。
  • 接口格式完全兼容OpenAI标准，你只要改一行base_url的代码，就能用任何语言的OpenAI SDK来调用GLM-4.5。
  • 定价很透明，1元人民币等于1美元Token额度，你充1元就能直接用。GLM-4.5在千聚的定价与官方持平或更优，不用花冤枉钱。

对于只想快点跑通代码、验证效果的开发者来说，这个“不用折腾”本身就是最大的价值。

第一步：获取API Key #

在开始写代码前，你得先去千聚注册一个账号并拿到API Key。这个过程很简单：

  1. 访问 千聚AI大模型聚合站 注册账号。
  2. 登录后，进入后台，在“API管理”或“密钥管理”页面创建一个新的API Key。
  3. 复制这个Key，你会在下一步的代码里用到它。新用户注册后还会自动获得 $0.2 的免费额度，足够你跑通示例代码并测试好几个问答了。

第二步：安装依赖库 #

我们使用OpenAI官方提供的Python库来调用，因为它与千聚的接口完美兼容。在终端里执行：

bash pip install openai

如果你的电脑上已经安装了旧版本，建议更新到最新版：

bash pip install –upgrade openai

第三步：完整代码示例 #

以下是一份可以直接复制粘贴、在Python 3.7+环境下运行的完整代码。请你根据代码内的注释，将YOUR_API_KEY_HERE替换为你刚刚复制的API Key。

python import os from openai import OpenAI

重要：替换为你在千聚后台获取的API Key #

api_key = “YOUR_API_KEY_HERE”

初始化客户端，关键一步：修改base_url为千聚的接口地址 #

client = OpenAI( api_key=api_key, base_url=“https://www.qianjuai.com/v1" )

def chat_with_glm(prompt, model=“glm-4v-plus-0111”): "”" 使用GLM-4.5模型进行对话 :param prompt: 用户输入的文本 :param model: 模型名称，默认使用GLM-4V-Plus-0111，也支持glm-4v-plus等 :return: 模型的回复 """ try: response = client.chat.completions.create( model=model, # 模型名称，GLM-4.5系列模型在千聚上可直接调用 messages=[ {“role”: “system”, “content”: “你是一个有用的AI助手。”}, {“role”: “user”, “content”: prompt} ], max_tokens=1024, # 最大输出长度 temperature=0.8, # 温度，控制生成随机性，0-2之间 stream=False # 是否流式输出，这里用普通输出，更直观 ) # 提取并返回模型回复内容 return response.choices[0].message.content except Exception as e: return f"调用API时发生错误：{e}"

以下是主程序入口 #

if name == “main”: # 示例1：基本问答 question = “请用Python写一个快速排序算法的示例。” print(f"用户问题：{question}") answer = chat_with_glm(question) print(f"GLM-4.5回答：\n{answer}") print("-" * 50)

# 示例2：多轮对话（你可以通过维护messages列表来实现）
# 这里展示单次调用，但你可以循环提问
while True:
    user_input = input("请输入你的问题（输入'退出'结束）：")
    if user_input == "退出":
        break
    result = chat_with_glm(user_input)
    print(f"GLM-4.5回答：{result}")
    print("-" * 50)

第四步：运行代码 #

将上面代码保存为 glm4_test.py，然后在终端运行：

bash python glm4_test.py

如果一切正常，你将看到模型返回的快速排序代码示例。如果遇到问题，请参考下面的避坑点。

核心避坑点（100%成功必读） #

这部分是我自己反复尝试后总结的5个最容易踩的坑，你注意了就能直接绕过：

坑1：忘记修改base_url #

这是最常见的错误。如果你直接把代码里的base_url写成https://api.openai.com/v1，那肯定报错。记住，必须改成 https://www.qianjuai.com/v1。

坑2：API Key错误或未激活 #

请确保你复制的是千聚后台的API Key，而且账号已经激活（注册后邮箱验证一下）。新用户送的$0.2额度足够测试，但如果额度用尽，需要去后台最低充值1元。

坑3：模型名称写错 #

GLM-4.5系列在千聚上有多种变体，如glm-4v-plus-0111、glm-4v-plus等。如果模型名写错，会返回“模型不存在”的错误。你可以在千聚的后台模型列表页确认最新的模型名称。

坑4：防火墙或代理影响 #

虽然千聚支持国内直连，但如果你本地开了某些代理软件（如VPN），可能会造成网络冲突。建议关闭代理，纯粹使用国内网络访问。如果网络环境特殊，可以尝试在代码中指定http_client参数或使用requests库，但一般情况下不需要。

坑5：输出乱码或截断 #

如果返回的文字是乱码，检查一下你的Python文件编码，确保文件头加上# -*- coding: utf-8 -*-。如果回答被截断，是max_tokens设得太小，增加这个参数值即可（比如2048）。

进阶：流式输出与大视觉解析 #

上面的代码是普通非流式输出，适合快速调试。如果你想要类似ChatGPT那种逐字输出的体验，可以用流式模式：

python

流式输出示例 #

response = client.chat.completions.create( model=“glm-4v-plus-0111”, messages=[ {“role”: “user”, “content”: “什么是量子计算？”} ], stream=True ) for chunk in response: if chunk.choices[0].delta.content is not None: print(chunk.choices[0].delta.content, end="")

另外，GLM-4.5的视觉版本（如glm-4v-plus-0111）支持图片理解。你可以传入图片URL或Base64编码，让模型分析图片内容。这部分代码稍复杂，但千聚文档里有详细示例，你注册后在后台就能看到。

总结 #

  • 通过千聚AI大模型聚合站，你用最简单的代码就能在国内直连调用GLM-4.5 API。
  • 核心就是改一个base_url，用OpenAI SDK，其他一切照旧。
  • 注意我列出的5个避坑点，尤其是模型名和base_url，能让你一次跑成功。
  • 新用户有免费的$0.2额度，最低1元起充，完全零门槛。

别在翻墙上浪费时间了，现在就去试试，10分钟你就能跑出自己的第一个GLM-4.5应用。

👉 立即注册千聚AI大模型聚合站，免费领取 $0.2 起始额度，最低 1 元充值起用

2026-06-15