最近，我在探索如何将大模型应用到个人项目中时，在大模型交流群里面发现了一个非常值得推荐、性价比超高的模型——
GLM-4-Air-0111
。作为GLM-4-Air的升级版，它不仅性能全面提升，
价格还降到了原来的50%
，真正做到了“高性价比”。今天，我就来分享一下这个模型的亮点以及它在实际应用中的表现。
GLM-4-Air-0111：高性价比大模型的新宠
GLM-4-Air-0111的亮点
1.
性能接近GLM-4-Plus，价格更低
GLM-4-Air-0111通过对训练数据和训练流程的全面优化，在某些维度上已经能够与规模更大的GLM-4-Plus模型相媲美。这意味着，你可以用更低的价格，享受到接近顶级模型的性能。
2.
价格大幅降低，门槛更低
GLM-4-Air-0111的价格降到了原来的50%，千tokens仅需0.0005元。现在还有新春限时钜惠活动，10亿tokens仅需150元，有效期长达6个月。对于开发者来说，这无疑是一个极大的利好，大大降低了使用大模型的门槛。
3.
调用简单，快速上手
GLM-4-Air-0111的调用方式非常简单，只需几行代码即可完成模型的调用。以下是一个简单的调用示例：
from openai import OpenAI
client = OpenAI(
api_key="your zhipuai api key",
base_url="https://open.bigmodel.cn/api/paas/v4/"
)
completion = client.chat.completions.create(
model="glm-4-air-0111",
messages=[
{"role": "system", "content": "你是一个聪明且富有创造力的小说作家"},
{"role": "user", "content": "请你作为童话故事大王，写一篇短篇童话故事，故事的主题是要永远保持一颗善良的心，要能够激发儿童的学习兴趣和想象力，同时也能够帮助儿童更好地理解和接受故事中所蕴含的道理和价值观。"}
],
top_p=0.7,
temperature=0.9
)
print(completion.choices[0].message)
模型效果实测
为了验证
GLM-4-Air-0111
模型效果，我通过以下API使用场景来测试了该模型回答的效果，大家也可以自行体验。
1. 智能客服
快速解答用户问题，提供高效便捷的服务。
completion = client.chat.completions.create(
model="glm-4-air-0111",
messages=[
{"role": "system", "content": "你是一个智能客服助手，能够快速解答用户问题。"},
{"role": "user", "content": "我的订单为什么还没有发货？"}
],
top_p=0.7,
temperature=0.9
)
print(completion.choices[0].message)
2. 信息提取
从非结构化的背景信息文本中提取出格式化数据。
completion = client.chat.completions.create(
model="glm-4-air-0111",
messages=[
{"role": "system", "content": "你是一个信息提取助手，能够从文本中提取关键信息。"},
{"role": "user", "content": "从以下文本中提取出人名、地点和时间：'昨天，张三在北京参加了AI技术大会。'"}
],
top_p=0.7,
temperature=0.9
)
print(completion.choices[0].message)
3. 情感分类
准确识别并分类文本中的情感倾向。
completion = client.chat.completions.create(
model="glm-4-air-0111",
messages=[
{"role": "system", "content": "你是一个情感分析助手，能够准确识别文本中的情感倾向。"},
{"role": "user", "content": "分析以下文本的情感：'今天的天气真好，心情特别愉快！'"}
],
top_p=0.7,
temperature=0.9
)
print(completion.choices[0].message)
可以例子可以看出来GLM-4-Air-0111是具备思考推理的过程的
4. 社媒文案
创作高质量的小红书、朋友圈、微博等社媒平台文案。
completion = client.chat.completions.create(
model="glm-4-air-0111",
messages=[
{"role": "system", "content": "你是一个社交媒体文案创作助手，能够创作高质量的文案。"},
{"role": "user", "content": "帮我写一篇关于旅行的小红书文案，目的地是云南。"}
],
top_p=0.7,
temperature=0.9
)
print(completion.choices[0].message)
这个效果拉满了，岂不是发笔记很简单了
5. SQL转换器
理解用户的日常语言描述，并转换成有效的SQL查询语句。
completion = client.chat.completions.create(
model="glm-4-air-0111",
messages=[
{"role": "system", "content": "你是一个SQL转换助手，能够将自然语言转换为SQL查询语句。"},
