使用api-key调用大模型(包括DeepSeek/GLM/OpenAI)

使用api-key调用大模型

🐬 目录:

• 任务描述
• [1. DeepSeek](#1. DeepSeek)
  • [1.1 API-Key 获取](#1.1 API-Key 获取)
  • [1.2 DeepSeek 问答任务实例](#1.2 DeepSeek 问答任务实例)
• [2. GLM](#2. GLM)
  • [2.1 API-Key 获取](#2.1 API-Key 获取)
  • [2.2 GLM 问答任务实例](#2.2 GLM 问答任务实例)
• [3. ChatGPT](#3. ChatGPT)
  • [3.1 API-Key 获取](#3.1 API-Key 获取)
  • [3.2 GPT 问答任务实例](#3.2 GPT 问答任务实例)

---

⛄任务描述

通过实际调用DeepSeek-V3.2 (发布于2025/12/01) ，GLM-5 (发布于2026/02/15) , GPT-5.4 (发布于2026/03/05) 的 API，分别构建一个涵盖纯文本问答与图像问答的演示：在文本问答环节，将向三个模型输入相同的复杂逻辑或代码问题以测试生成能力；在图像问答环节，将上传包含图表或场景的图片并附带具体问题，调用具备多模态能力的 GLM 和 GPT 接口进行视觉识别与推理（截止目前为止，DeepSeek尚未发布旗舰版多模态大模型）。
🌈DeepSeek: 这是一款以极致性价比和卓越逻辑推理能力著称的国产模型，虽早期版本专注于纯文本领域，但其迭代迅速，常作为文本任务的高效能基准；
🌈GLM（智谱 AI): 作为国产全能型代表，其系列模型在保持强大中文语境理解的同时，原生集成了成熟的多模态视觉能力，能流畅处理图文混合输入；
🌈GPT: 作为全球行业标杆，凭借顶尖的通用智能与多模态理解力，在复杂视觉推理任务中设立高标准。

1️⃣文本问答任务

📌 请回答：'510+1314='

2️⃣图像问答任务

📌 请简要描述图片中的内容：

---

⛄1. DeepSeek

⭐1.1 DeepSeek API-Key 获取

1.首先打开浏览器，点击下面链接跳转开放平台官网，完成注册和登录：

DeepSeek开放平台官网

2.进入API管理页面，进行充值（支持wechat pay和Ali pay）

3.充值之后，创建API-keys (未充值也可以创建API-keys,但是后续调用会报错'额度不够')。Name of the API key可以随便填写。

API创建成功之后，copy一下API-key（如果忘记了API-key也没关系，重新创建一个再copy就行了）。这个API-key后续要放到/传入代码中。

⭐1.2 DeepSeek 问答任务实例

1️⃣ DeepSeek当前尚未发布多模态版本，因此在此任务中仅实验其文本问答功能， 📌 请回答：'510+1314='

代码如下：

import os
from openai import OpenAI


#将刚刚复制的api-key复制到下面
api_key = "sk-××××××" 

client = OpenAI(
    api_key=api_key, 
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手"},
        {"role": "user", "content": "请回答：510+1314="},
    ],
    stream=False
)

print(response.choices[0].message.content)

得到大模型在终端的输出结果：

---

⛄2. GLM

⭐2.1 GLM API-Key 获取

1.首先打开浏览器，点击下面链接跳转开放平台官网，完成注册和登录：

GLM开放平台官网

2.进入API管理页面，点击财务进行充值（支持wechat pay和Ali pay）

3.充值之后，创建API-keys。Name of the API key可以随便填写。

API创建成功之后，copy一下API-key（如果忘记了API-key也没关系，重新创建一个再copy就行了）。这个API-key后续要放到/传入代码中。

⭐2.2 GLM 问答任务实例

1️⃣ 文本问答任务： 📌 请回答：'510+1314='

代码如下：

from zai import ZhipuAiClient

# 初始化客户端,把上面复制的api-key复制到下面
client = ZhipuAiClient(api_key="××××××××")

# 创建聊天完成请求
response = client.chat.completions.create(
    model="glm-5",
    messages=[
        {
            "role": "system",
            "content": "你是一个有用的AI助手。"
        },
        {
            "role": "user",
            "content": "请回答：510+1314="
        }
    ],
    temperature=0.6
)

print(response.choices[0].message.content)

得到最终结果：

2️⃣ 图像问答任务

📌 请简要描述图片中的内容：

代码如下：

import base64
from zai import ZhipuAiClient

def encode_image(image_path):
    """将图像编码为 base64 格式"""
    with open(image_path, 'rb') as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')

#将复制的api-key复制到此处
client = ZhipuAiClient(api_key="××××")

base64_image = encode_image('image.jpg')

response = client.chat.completions.create(
    model="glm-4v",  
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": " 请简要描述图片中的内容"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/jpeg;base64,{base64_image}"
                    }
                }
            ]
        }
    ]
)
print(response.choices[0].message.content)

！！！这里调用glm-5 进行图片问答的时候会报错，可能是因为glm-5目前还不支持多模态问答任务：

修改为glm-4v 之后生成结果如下：

---

⛄3. ChatGPT

⭐3.1 ChatGPT API-Key 获取

1. ChatGPT的充值需要Visa卡，没有的话需要去淘宝或者其他购物平台购买虚拟Visa卡，通常包含下列信息：

2. 打开浏览器，点击下面链接，注册登录到chat-gpt的platform，点击设置 。
   ChatGPT官网
   

进入dashboard之后，点击Billing。（需要美梯才能正常支付充值）

3.付款成功后，创建api-key，并复制api-key。

⭐3.2 ChatGPT 问答任务实例

1️⃣ 文本问答任务： 📌 请回答：'510+1314='

代码如下：

from openai import OpenAI
client = OpenAI(api_key="sk-×××××××××")

response = client.responses.create(
    model="gpt-5.4",
    input="请回答：510+1314=."
)

print(response.output_text)

得到最终结果：

2️⃣ 图像问答任务

📌 请简要描述图片中的内容：

代码如下：

from openai import OpenAI
import base64

def encode_image(image_path):
    """将本地图片转换为 Base64 字符串"""
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")
    
client = OpenAI(api_key="sk-××××××××××××")
image_path = "image.jpg"  # 确保当前目录下有这张图片
base64_image = encode_image(image_path)

response = client.responses.create(
    model="gpt-5.4",
    input=[
        {
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "请简要描述图片中的内容?",
                },
                {
                    "type": "input_image",
                    "image_url": f"data:image/jpeg;base64,{base64_image}",
                }
            ]
        }
    ]
)

print(response.output_text)

生成结果如下：