告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度1. 任务目标与最终产物本文要完成的事情很具体把GLM-4.5-Flash在 Artificial Analysis 上的智能指数Intelligence Index与每百万 Token 价格标到同一张散点图上直观看出它在“智能—价格”坐标系里的性价比位置。价格请求这一侧用TaoToken作为默认供应商来跑Key 在官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 创建Base URL 填https://taotoken.net/api。最终你会拿到三样东西一张散点数据表模型、智能指数、输入价、输出价、来源一份价格请求记录请求时间、模型 ID、返回的计费字段一张散点图横轴价格、纵轴智能指数GLM-4.5-Flash 单独标注。需要先说明边界Artificial Analysis 的智能指数是第三方评测机构给出的综合分TaoToken 不是该榜单的参赛方也不生产模型TaoToken 在这里的角色是调用通道负责把价格请求稳定地送到模型侧。榜单分数与价格均以 Artificial Analysis 官网和 TaoToken 官网当期页面为准本文不编造任何评测分数。2. 操作步骤与代码2.1 准备数据源先明确两个数据来源避免混用数据项来源用途智能指数Artificial Analysis 官网模型页散点纵轴输入/输出价格Artificial Analysis 官网价格页 TaoToken 计费页散点横轴实际请求计费TaoToken 控制台用量记录校验价格Artificial Analysis 的模型页会给出 Intelligence Index、每百万 Token 输入/输出价格等字段。价格会随厂商调价变动所以每次画图前重新抓一次不要用缓存里的旧数字。2.2 拉取榜单数据示例结构下面是一段 Python 示例演示如何把榜单字段整理成散点数据表。注意这里不写死任何分数分数从你实际抓取的页面填入。import csv # 字段模型名, 智能指数, 输入价(USD/1M), 输出价(USD/1M), 来源 rows [ # 示例占位请用 Artificial Analysis 当期页面数字替换 [GLM-4.5-Flash, None, None, None, artificialanalysis.ai], [对比模型A, None, None, None, artificialanalysis.ai], [对比模型B, None, None, None, artificialanalysis.ai], ] with open(scatter_data.csv, w, newline, encodingutf-8) as f: w csv.writer(f) w.writerow([model, intelligence_index, input_price, output_price, source]) w.writerows(rows) print(scatter_data.csv 已生成请手动补全分数与价格)2.3 用 TaoToken 跑价格请求价格请求的目的是拿到真实计费字段和榜单标价做交叉验证。先在官网创建 Key然后调用curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d { model: glm-4.5-flash, messages: [{role: user, content: ping}], max_tokens: 16 }返回体里通常包含usage.prompt_tokens、usage.completion_tokens等字段。把这些字段连同请求时间写进价格请求记录import json, time, requests API https://taotoken.net/api KEY YOUR_API_KEY def price_probe(model_id): t0 time.time() r requests.post( f{API}/v1/chat/completions, headers{Authorization: fBearer {KEY}}, json{model: model_id, messages: [{role: user, content: ping}], max_tokens: 16}, timeout60, ) dt time.time() - t0 body r.json() usage body.get(usage, {}) return { ts: time.strftime(%Y-%m-%d %H:%M:%S), model: model_id, status: r.status_code, prompt_tokens: usage.get(prompt_tokens), completion_tokens: usage.get(completion_tokens), latency_s: round(dt, 2), } print(json.dumps(price_probe(glm-4.5-flash), ensure_asciiFalse, indent2))2.4 画散点图import csv import matplotlib.pyplot as plt models, xs, ys [], [], [] with open(scatter_data.csv, encodingutf-8) as f: for row in csv.DictReader(f): if not row[intelligence_index] or not row[input_price]: continue models.append(row[model]) xs.append(float(row[input_price])) ys.append(float(row[intelligence_index])) plt.figure(figsize(8, 6)) plt.scatter(xs, ys, c#2b6cb0) for m, x, y in zip(models, xs, ys): plt.annotate(m, (x, y), textcoordsoffset points, xytext(6, 4), fontsize9) plt.xlabel(Input price (USD / 1M tokens)) plt.ylabel(Intelligence Index) plt.title(Intelligence vs Price) plt.grid(alpha0.3) plt.tight_layout() plt.savefig(scatter.png, dpi150) print(scatter.png 已生成)3. TaoToken 接入与配置TaoToken 的接入方式取决于你用什么客户端。下面按常见三类给出配置位置。3.1 Claude CodeClaude Code 走settings.json核心是ANTHROPIC_*系列环境变量{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: glm-4.5-flash } }把ANTHROPIC_BASE_URL指向https://taotoken.net/apiANTHROPIC_AUTH_TOKEN填你在官网创建的 KeyANTHROPIC_MODEL填你要用的模型 ID。改完重启 Claude Code 生效。3.2 CodexCodex 走config.tomlmodel glm-4.5-flash model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEYenv_key指向你环境变量里存 Key 的名字不要把 Key 明文写进 toml。3.3 CC Switch 三件套如果你用 CC Switch 管理多套配置需要填三件套Base URLhttps://taotoken.net/apiAPI Key官网创建的 KeyModel ID如glm-4.5-flash三件套填完保存切换配置即可。接入或排障遇到问题时可以对照接入文档逐项核对https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content3.4 CLI 方式如果标题或场景涉及 CLI可以直接用官方 CLInpm i -g taotoken/taotoken taotoken cc -k YOUR_API_KEY -u https://taotoken.net/api -m glm-4.5-flash-u后面跟 API 地址-m后面跟模型 ID。4. 可验证结果与失败分支4.1 可验证结果跑完后你应该能核对这几项验证项预期核对方式请求返回 200是curl 或脚本里的 statususage 字段存在是返回体usage.prompt_tokens散点图生成是本地scatter.png数据表字段完整是scatter_data.csv无空值价格请求记录示例字段结构{ ts: 2025-01-01 12:00:00, model: glm-4.5-flash, status: 200, prompt_tokens: 8, completion_tokens: 4, latency_s: 1.23 }4.2 失败分支401Key 无效或没带Authorization头。检查 Key 是否在官网创建、是否复制完整。404Base URL 或路径写错。确认是https://taotoken.net/api补全/v1/chat/completions。模型不存在模型 ID 拼错。以官网模型列表为准。超时网络或上游波动重试并记录 latency。usage 为空部分返回体结构差异检查原始 JSON。排障时优先看返回体的error字段再对照接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content5. 限制、成本与模型选择关于榜单Artificial Analysis 的智能指数是第三方综合分反映的是该机构评测集下的表现不等于你的业务场景表现。本文不含排行分数所有分数请以 Artificial Analysis 当期页面为准。TaoToken 不是榜单参赛方不参与打分。关于价格Artificial Analysis 标注的价格是模型厂商的标价不等于 TaoToken 的售价。TaoToken 的实际计费以控制台用量记录为准。两者可能因促销、阶梯、缓存命中而不同。关于模型选择GLM-4.5-Flash 的定位是轻量、低延迟、低成本。如果你的任务是高频短请求它适合如果是长上下文推理或复杂 Agent 链路需要对比更大参数模型。模型 ID 和可用列表以官网为准。成本控制建议价格请求用max_tokens限制输出避免无谓消耗批量探测时加间隔避免触发限流把usage字段落库定期和榜单标价对账。模型选择参考入口模型对话 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 长期开发或 Agent 场景可看 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 接入与 Key 管理在控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 。最后提醒散点图的价值在于同一时点、同一来源的对比。如果你混用了不同日期的价格图会失真。每次更新数据重新抓、重新画。 告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度
Artificial Analysis：GLM-4.5-Flash 的智能指数与价格，TaoToken 当默认供应商跑散点
告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度1. 任务目标与最终产物本文要完成的事情很具体把GLM-4.5-Flash在 Artificial Analysis 上的智能指数Intelligence Index与每百万 Token 价格标到同一张散点图上直观看出它在“智能—价格”坐标系里的性价比位置。价格请求这一侧用TaoToken作为默认供应商来跑Key 在官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 创建Base URL 填https://taotoken.net/api。最终你会拿到三样东西一张散点数据表模型、智能指数、输入价、输出价、来源一份价格请求记录请求时间、模型 ID、返回的计费字段一张散点图横轴价格、纵轴智能指数GLM-4.5-Flash 单独标注。需要先说明边界Artificial Analysis 的智能指数是第三方评测机构给出的综合分TaoToken 不是该榜单的参赛方也不生产模型TaoToken 在这里的角色是调用通道负责把价格请求稳定地送到模型侧。榜单分数与价格均以 Artificial Analysis 官网和 TaoToken 官网当期页面为准本文不编造任何评测分数。2. 操作步骤与代码2.1 准备数据源先明确两个数据来源避免混用数据项来源用途智能指数Artificial Analysis 官网模型页散点纵轴输入/输出价格Artificial Analysis 官网价格页 TaoToken 计费页散点横轴实际请求计费TaoToken 控制台用量记录校验价格Artificial Analysis 的模型页会给出 Intelligence Index、每百万 Token 输入/输出价格等字段。价格会随厂商调价变动所以每次画图前重新抓一次不要用缓存里的旧数字。2.2 拉取榜单数据示例结构下面是一段 Python 示例演示如何把榜单字段整理成散点数据表。注意这里不写死任何分数分数从你实际抓取的页面填入。import csv # 字段模型名, 智能指数, 输入价(USD/1M), 输出价(USD/1M), 来源 rows [ # 示例占位请用 Artificial Analysis 当期页面数字替换 [GLM-4.5-Flash, None, None, None, artificialanalysis.ai], [对比模型A, None, None, None, artificialanalysis.ai], [对比模型B, None, None, None, artificialanalysis.ai], ] with open(scatter_data.csv, w, newline, encodingutf-8) as f: w csv.writer(f) w.writerow([model, intelligence_index, input_price, output_price, source]) w.writerows(rows) print(scatter_data.csv 已生成请手动补全分数与价格)2.3 用 TaoToken 跑价格请求价格请求的目的是拿到真实计费字段和榜单标价做交叉验证。先在官网创建 Key然后调用curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d { model: glm-4.5-flash, messages: [{role: user, content: ping}], max_tokens: 16 }返回体里通常包含usage.prompt_tokens、usage.completion_tokens等字段。把这些字段连同请求时间写进价格请求记录import json, time, requests API https://taotoken.net/api KEY YOUR_API_KEY def price_probe(model_id): t0 time.time() r requests.post( f{API}/v1/chat/completions, headers{Authorization: fBearer {KEY}}, json{model: model_id, messages: [{role: user, content: ping}], max_tokens: 16}, timeout60, ) dt time.time() - t0 body r.json() usage body.get(usage, {}) return { ts: time.strftime(%Y-%m-%d %H:%M:%S), model: model_id, status: r.status_code, prompt_tokens: usage.get(prompt_tokens), completion_tokens: usage.get(completion_tokens), latency_s: round(dt, 2), } print(json.dumps(price_probe(glm-4.5-flash), ensure_asciiFalse, indent2))2.4 画散点图import csv import matplotlib.pyplot as plt models, xs, ys [], [], [] with open(scatter_data.csv, encodingutf-8) as f: for row in csv.DictReader(f): if not row[intelligence_index] or not row[input_price]: continue models.append(row[model]) xs.append(float(row[input_price])) ys.append(float(row[intelligence_index])) plt.figure(figsize(8, 6)) plt.scatter(xs, ys, c#2b6cb0) for m, x, y in zip(models, xs, ys): plt.annotate(m, (x, y), textcoordsoffset points, xytext(6, 4), fontsize9) plt.xlabel(Input price (USD / 1M tokens)) plt.ylabel(Intelligence Index) plt.title(Intelligence vs Price) plt.grid(alpha0.3) plt.tight_layout() plt.savefig(scatter.png, dpi150) print(scatter.png 已生成)3. TaoToken 接入与配置TaoToken 的接入方式取决于你用什么客户端。下面按常见三类给出配置位置。3.1 Claude CodeClaude Code 走settings.json核心是ANTHROPIC_*系列环境变量{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: glm-4.5-flash } }把ANTHROPIC_BASE_URL指向https://taotoken.net/apiANTHROPIC_AUTH_TOKEN填你在官网创建的 KeyANTHROPIC_MODEL填你要用的模型 ID。改完重启 Claude Code 生效。3.2 CodexCodex 走config.tomlmodel glm-4.5-flash model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEYenv_key指向你环境变量里存 Key 的名字不要把 Key 明文写进 toml。3.3 CC Switch 三件套如果你用 CC Switch 管理多套配置需要填三件套Base URLhttps://taotoken.net/apiAPI Key官网创建的 KeyModel ID如glm-4.5-flash三件套填完保存切换配置即可。接入或排障遇到问题时可以对照接入文档逐项核对https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content3.4 CLI 方式如果标题或场景涉及 CLI可以直接用官方 CLInpm i -g taotoken/taotoken taotoken cc -k YOUR_API_KEY -u https://taotoken.net/api -m glm-4.5-flash-u后面跟 API 地址-m后面跟模型 ID。4. 可验证结果与失败分支4.1 可验证结果跑完后你应该能核对这几项验证项预期核对方式请求返回 200是curl 或脚本里的 statususage 字段存在是返回体usage.prompt_tokens散点图生成是本地scatter.png数据表字段完整是scatter_data.csv无空值价格请求记录示例字段结构{ ts: 2025-01-01 12:00:00, model: glm-4.5-flash, status: 200, prompt_tokens: 8, completion_tokens: 4, latency_s: 1.23 }4.2 失败分支401Key 无效或没带Authorization头。检查 Key 是否在官网创建、是否复制完整。404Base URL 或路径写错。确认是https://taotoken.net/api补全/v1/chat/completions。模型不存在模型 ID 拼错。以官网模型列表为准。超时网络或上游波动重试并记录 latency。usage 为空部分返回体结构差异检查原始 JSON。排障时优先看返回体的error字段再对照接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content5. 限制、成本与模型选择关于榜单Artificial Analysis 的智能指数是第三方综合分反映的是该机构评测集下的表现不等于你的业务场景表现。本文不含排行分数所有分数请以 Artificial Analysis 当期页面为准。TaoToken 不是榜单参赛方不参与打分。关于价格Artificial Analysis 标注的价格是模型厂商的标价不等于 TaoToken 的售价。TaoToken 的实际计费以控制台用量记录为准。两者可能因促销、阶梯、缓存命中而不同。关于模型选择GLM-4.5-Flash 的定位是轻量、低延迟、低成本。如果你的任务是高频短请求它适合如果是长上下文推理或复杂 Agent 链路需要对比更大参数模型。模型 ID 和可用列表以官网为准。成本控制建议价格请求用max_tokens限制输出避免无谓消耗批量探测时加间隔避免触发限流把usage字段落库定期和榜单标价对账。模型选择参考入口模型对话 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 长期开发或 Agent 场景可看 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 接入与 Key 管理在控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 。最后提醒散点图的价值在于同一时点、同一来源的对比。如果你混用了不同日期的价格图会失真。每次更新数据重新抓、重新画。 告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度
