일괄 분류
지원 티켓을 명시적인 라벨 세트로 분류하고 보관된 샘플을 확인하세요.
USD / 100만 토큰
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.iteracompute.com/v1",
api_key=os.environ["ITERACOMPUTE_API_KEY"],
)
response = client.chat.completions.create(
model="z-ai/glm-5.3-flash",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.iteracompute.com/v1",
apiKey: process.env.ITERACOMPUTE_API_KEY,
});
const response = await client.chat.completions.create({
model: "z-ai/glm-5.3-flash",
messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);curl https://api.iteracompute.com/v1/chat/completions \
-H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "z-ai/glm-5.3-flash",
"messages": [{"role": "user", "content": "Hello!"}]
}'카탈로그 업데이트: 2026-10-19.
텍스트 및 이미지 입력, 스트리밍, 추론, 도구 호출 및 구조화된 출력최대 131,072개의 출력 토큰.
지원 티켓을 명시적인 라벨 세트로 분류하고 보관된 샘플을 확인하세요.
분류를 자동화하기 전에 수동으로 라벨이 지정된 세트와 비교하여 스크린샷 설명을 평가하세요.
모델 품질 벤치마크가 아닌 카탈로그 기능 및 가격을 기반으로 한 작업 제안입니다.
100만 토큰당 USD 가격입니다.
모든 호출에서 12,000개의 집계 입력 토큰과 1,000개의 청구 가능한 출력 토큰을 가정합니다.캐시 히트가 없습니다.
12,000 × $0.08 / 1M + 1,000 × $0.28 / 1M = $0.001240
사용량이 실제로 해당 입력 토큰 중 9,000개를 캐시된 것으로 보고하는 경우 해당 부분을 캐시된 입력 속도($0.023/1M): $0.000727로 바꿉니다.캐시된 토큰은 전체 입력의 일부이며 맨 위에 추가되지 않습니다.
2026-10-19 카탈로그 스냅샷을 사용한 계산 예시입니다. 모든 에이전트 호출과 재시도, 반복 전송되는 기록, 과금 대상 추론 출력을 포함하세요. 실제 사용량과 현재 Console 가격에 따라 정산됩니다.
위의 실시간 가격과 별개로 2026-10-19 카탈로그 스냅샷을 사용합니다. 1M tokens당 USD이며 청구액이 아닌 예상액입니다.
예상 비용에는 표준 텍스트 입력, 캐시 읽기와 텍스트 출력만 포함됩니다. 긴 컨텍스트 할증, 서비스 등급, 캐시 쓰기, 이미지 출력 및 도구 비용은 제외됩니다.
입력에는 캐시된 토큰이 포함됩니다.출력에는 청구 가능한 추론이 포함됩니다.에이전트 단계 및 재시도를 포함하여 모든 API 요청을 계산합니다.
월별 비용 = 요청 × [입력 × (1 − 캐시된 공유) × 입력 속도 + 입력 × 캐시된 공유 × 캐시 읽기 속도 + 출력 × 출력 속도] / 1,000,000.
캐시된 토큰은 전체 입력의 일부이며 맨 위에 추가되지 않습니다.사용량에 따른 실제 캐시 읽기 적중을 사용합니다.프롬프트를 반복한다고 해서 적중이 보장되는 것은 아닙니다.누락된 요금은 $0가 아니라 확인되지 않은 금액입니다.별도의 캐시 쓰기, 스토리지 및 기타 추가 비용은 제외됩니다.실제 사용량과 현재 콘솔 가격을 고려하여 결정하세요.
| 매개변수/프로토콜 필드 | 사용법 |
|---|---|
model / messages | 정확한 모델 ID와 채팅 메시지 목록을 사용하세요. |
tools / tool_calls / tool messages | 도구를 사용하여 함수를 정의하고 role=tool을 사용하여 결과를 반환합니다. |
stream / stream_options.include_usage | 최종 용도로 SSE 스트리밍 사용 |
max_tokens | 모델 및 계정 한도 내에서 출력 예산 설정 |
매개변수는 모델에 따라 다릅니다.모델별 제어를 공유 OpenAI 호환 필드와 별도로 유지하세요.
https://api.iteracompute.com/v1POST /v1/chat/completionsz-ai/glm-5.3-flashbase_url을 https://api.iteracompute.com/v1로 설정하고 모델을 z-ai/glm-5.3-flash로 설정합니다.IteraCompute API 키로 인증하세요.
100만 토큰당 USD 단위의 현재 입력, 캐시된 입력 및 출력 요율은 가격 섹션을 참조하세요.사용 전 새로 고침 시간을 확인하세요.
현재 컨텍스트와 최대 출력은 위의 모델 사양을 확인하세요. 입력과 요청한 최대 출력은 컨텍스트 한도를 공유합니다.
키를 생성하고 도구를 선택한 후 비어 있지 않은 첫 번째 응답을 받으세요.