GLM接入中国移动云MoMA:企业级大模型API迎来新变化
GLM与中国移动云签署战略合作,模型将接入MoMA。解析国产算力适配、Token管理、企业级MaaS及多模型API接入架构。

2026 年 11 月 6 日,中国移动云公司与北京智谱华章科技股份有限公司正式签署战略合作协议。双方将围绕 Token 技术创新、模型服务、产品打造和行业解决方案展开合作。其中,智谱 GLM 系列模型将接入中国移动云的 MoMA 模型服务平台,双方还计划联合打造 AI Coding 融合产品,并面向金融、政务等行业探索一体化解决方案。
这次合作值得关注的地方,不只是 GLM 增加了一个模型服务渠道,而是国产大模型与云计算基础设施之间的合作开始向更完整的产业链延伸。
过去,开发者接入一个大模型,主要考虑模型能力、API 协议、调用成本和响应速度。但对于金融机构、政务系统和大型企业来说,模型能不能调用只是第一步。身份认证、数据安全、算力调度、使用量统计、服务连续性以及后续运维,同样决定了一个 AI 项目能否进入生产环境。
中国移动云的 MoMA 正是围绕这些企业需求建设的模型服务平台。随着 GLM 系列加入其模型生态,国产大模型的企业级交付路径又多了一个值得观察的方向。
本文从此次合作的具体内容出发,分析 GLM 与 MoMA 的合作意义、Token 服务模式的变化,以及企业开发者如何利用统一 API 架构构建包含 GLM、Gemini 和 DeepSeek 在内的多模型应用。
一、GLM 与中国移动云签署合作协议,这次合作有哪些具体内容?
根据公开报道,2026 年 11 月 6 日,中国移动云公司与北京智谱华章科技股份有限公司正式签署合作协议。移动云总经理孙少陵与智谱华章 CEO 张鹏出席相关活动。
双方此次合作主要围绕四个方向展开。
1. 国产算力适配与模型调优
首先是基础设施和模型运行效率。
大模型的推理服务不仅依赖模型本身,还受到计算芯片、内存带宽、网络通信和推理引擎等因素影响。
不同算力平台之间的硬件架构和软件环境并不完全相同。模型从一个计算环境迁移到另一个环境时,通常需要进行算子适配、推理优化和运行测试。
此次合作提出聚焦国产化算力适配与模型调优,并计划共建 Token 联合发展中心。
这意味着双方的合作不只是将模型放进一个平台,还包括针对国产算力环境优化模型运行效率,探索从底层计算资源到上层模型服务的协同方式。
2. GLM 系列模型接入 MoMA
这是对 API 开发者最直接的消息。
根据 11 月 8 日 IT 之家披露的合作信息,智谱 GLM 系列模型将接入 MoMA 模型服务平台。
MoMA 是中国移动云推出的模型服务平台,英文全称为 Model Market,面向企业提供模型接入、调用和管理能力。
需要注意,目前公开合作公告确认的是 GLM 系列将接入平台,并没有公布全部接入型号、具体上线时间以及各型号的调用价格。
因此,不能将此次签约直接理解为所有 GLM 模型已经在 MoMA 完成上线。
从业务角度看,这次合作能够让 GLM 与中国移动云现有的模型服务体系进一步衔接,为后续企业应用提供新的模型供给渠道。
3. 联合打造 AI Coding 产品
双方还计划共同构建智能产品矩阵,推动 AI Coding 融合产品落地。
这与 GLM 系列在编程、代码理解和 Agent 任务方面的能力具有较强关联。
AI Coding 产品并不只是把模型接入代码编辑器。
完整的开发辅助系统通常还需要:
- 项目代码理解
- 多文件上下文管理
- 代码生成与修改
- 终端命令执行
- 测试结果分析
- 开发过程中的权限管理
如果模型能力与云端算力、企业身份认证及开发工具结合,就有机会形成更完整的企业研发辅助系统。
4. 面向金融和政务行业提供一体化方案
第四个方向是行业解决方案。
双方提出面向金融、政务等重点行业,构建 “算力 + 模型 + 应用” 一体化解决方案。
这说明合作目标不仅是提供模型 API,还包括帮助企业完成模型部署、业务集成和应用交付。
例如,金融机构可能需要将模型用于内部知识检索、材料审核和业务辅助分析;政务系统则可能涉及政策问答、文件处理和内部办公自动化。
这些场景通常对数据处理边界、访问权限和操作审计有更严格的要求。
此次合作的价值,需要从模型能力与行业基础设施协同的角度理解。
二、MoMA 是什么?中国移动为什么要建设模型服务平台?
理解这次合作,需要先了解 MoMA 的定位。
中国移动推出 MoMA,并不是为了单独提供某一个大模型,而是希望将多个模型集中到统一的服务体系中。
2026 年 5 月,中国移动发布 MoMA 平台时,公开资料显示其已经接入超过 300 款主流 AI 模型,覆盖文本生成、语音处理和多模态理解等方向。
平台提供统一 API 网关,并将模型调用、Token 管理、智能路由和算力调度纳入统一服务体系。
这类平台通常被称为 MaaS,即 Model as a Service,模型即服务。
与传统云服务器不同,MaaS 不只是向用户提供计算资源,而是将模型能力封装成可以直接调用的服务。
为什么企业需要统一模型入口?
假设一家企业同时使用 GLM、Gemini 和 DeepSeek。
如果每个模型都采用独立的接入方式,开发团队需要分别处理:
- 不同厂商的 API Key
- 不同模型的请求地址
- 不同的消息结构
- 不同的 Token 统计方式
- 不同的异常返回
- 不同的使用量和账单记录
随着模型数量增加,这些工作会逐渐转化为维护成本。
统一模型服务平台的作用,就是将部分重复工作集中到平台层。
企业可以通过统一身份认证和模型服务入口管理多个模型,减少逐个接入和维护的工作量。
中国移动在 7 月发布的官方介绍中提到,MoMA 已接入超过 300 款主流大模型,并通过全域身份互通机制,让企业完成一次认证后调用平台内已经接入的模型。
这说明 MoMA 的建设方向并不是单纯增加模型数量,而是希望将模型接入过程标准化。
MoMA 与传统 API 调用有什么不同?
表格
| 对比维度 | 单独调用模型 API | 统一模型服务平台 |
|---|---|---|
| 身份认证 | 分别管理不同服务凭证 | 统一认证体系 |
| 模型接入 | 逐个配置模型端点 | 统一模型入口 |
| 模型选择 | 应用自行决定 | 可结合平台调度能力 |
| 使用量管理 | 分别整理调用记录 | 集中管理 Token 使用 |
| 故障处理 | 应用自行实现 | 可结合平台容灾机制 |
| 企业管理 | 分散配置权限 | 集中管理身份和审计 |
需要强调,统一入口不意味着不同模型的底层能力完全一致。
例如,GLM、Gemini 和 DeepSeek 在工具调用、视觉输入、上下文长度及输出格式方面仍有差异。
企业应用仍然需要根据各模型的实际能力进行适配。
三、MoMA 的智能路由与 Token 管理,解决了企业哪些问题?
此次 GLM 与中国移动云的合作,将 Token 技术创新列为重要方向。
这与企业使用大模型时面临的一个实际问题有关:模型调用量增加后,如何管理计算资源和使用成本?
在传统开发模式中,应用通常直接指定模型,并将请求发送到对应接口。
这种方式比较简单,但当业务开始同时使用多个模型时,就会出现新的管理问题。
例如,同一个业务请求可能需要先进行文本分类,再执行复杂推理,最后生成结构化结果。
如果所有步骤都使用同一个高成本模型,可能造成不必要的资源消耗。
如果全部使用轻量模型,又可能影响复杂任务的完成质量。
成本优先、效果优先与均衡优先
根据中国移动公开的 MoMA 平台介绍,平台提供三种智能路由策略:成本优先、效果优先、均衡优先。这三种策略对应不同的业务目标。
成本优先:更关注调用成本,适合分类、简单问答和批量处理等任务。
效果优先:更关注模型能力,适合复杂推理、专业内容分析和对结果质量要求较高的任务。
均衡优先:在调用成本与任务效果之间寻找平衡,适合需要长期运行的业务应用。
需要注意,平台提供这些策略,并不意味着任何任务都能自动选择正确模型。
实际调度还需要结合模型能力、任务类型、服务状态和业务约束。
Token 管理为什么会成为企业关注重点?
Token 是大模型处理文本及部分多模态内容时使用的基本计算单位。
当企业开始规模化使用 AI 时,Token 不再只是一个模型接口返回的统计字段,而会直接影响预算、资源安排和项目运营。
例如,一个企业内部的智能客服系统可能每天处理大量请求。
如果每次都发送完整历史对话,就会重复消耗上下文 Token。
如果能够在合理条件下使用上下文缓存、请求压缩和历史内容管理,就有机会减少重复计算。
中国移动在 MoMA 发布资料中介绍了智能缓存、上下文复用和 Token 压缩等技术,并公布了单位 Token 成本压降约 30%、资源占用率降低 50% 以上的结果。
这两个数字属于中国移动在平台发布时公布的优化数据,不代表每个企业项目都能够获得相同幅度的成本下降。
对于开发者来说,更值得关注的是背后的工程思路:
- 减少重复上下文
- 根据任务选择合适模型
- 对不同请求实施分层调度
- 监控实际 Token 使用量
- 将模型调用与业务成本关联
这些措施不仅适用于 GLM,也适用于 Gemini、DeepSeek 等其他模型。
四、GLM 进入 MoMA,对企业级大模型 API 生态意味着什么?
这次合作最值得分析的地方,是模型厂商与云服务平台之间的角色分工。
GLM 提供模型能力和相关技术支持。
中国移动云提供算力资源、模型服务平台和行业客户渠道。
双方通过合作,将模型技术与企业应用需求连接起来。
这与单纯发布一个新模型有明显区别。
模型厂商不再只关注模型发布
过去,模型厂商的产品竞争主要集中在模型参数、推理能力、上下文窗口和 API 价格。
但对于企业客户来说,模型本身只是整个系统的一部分。
模型能否稳定运行、如何分配算力、如何控制调用权限,以及如何进行后续维护,同样重要。
因此,模型厂商需要与云服务商、行业解决方案提供商和应用开发团队建立合作关系。
GLM 与中国移动云此次合作,就是这种生态协作方式的一个具体案例。
云平台从资源提供者转向模型服务组织者
传统云服务主要提供计算、存储和网络资源。
随着 MaaS 模式发展,云平台开始进一步承担模型接入、服务调度、身份认证和使用量管理等工作。
企业不一定需要直接维护所有模型的底层推理环境,而是可以根据业务要求调用平台已经提供的模型服务。
这会改变企业 AI 项目的技术采购和部署方式。
开发团队可以把更多精力放在业务逻辑、模型适配和数据治理上,而不必从零开始建设所有模型基础设施。
企业模型采购会更加重视服务体系
对于金融、政务和大型制造企业而言,模型选择不只是看跑分。
还需要评估:
- 数据是否可以在指定环境内处理
- 模型服务是否具有明确的权限边界
- 调用记录能否追溯
- 模型升级是否影响现有应用
- 是否支持故障恢复
- 服务合同和计费方式是否清晰
因此,GLM 进入 MoMA 的意义,还在于为企业提供更多模型供给渠道,并为后续行业交付创造条件。
不过,合作协议本身并不能证明上述所有能力已经在 GLM 接入服务中全部落地。具体支持范围仍需要以平台正式上线的模型目录、接口说明和服务条款为准。
五、GLM、Gemini 与 DeepSeek 如何进入同一套企业 AI 架构?
随着企业开始使用多种模型,单一模型承担所有任务的方式可能不再适合复杂业务。
不同模型在推理、视觉理解、代码生成和多模态处理方面各有特点。
例如,一个企业知识管理系统可以采用分层设计。
表格
| 业务环节 | 可考虑的模型 | 主要任务 |
|---|---|---|
| 文档分类 | GLM | 对内部资料进行分类和标签提取 |
| 多模态分析 | Gemini | 理解图片、文档及复杂输入 |
| 复杂文本推理 | DeepSeek | 处理复杂逻辑与长文本分析 |
| 代码开发 | Codex | 辅助开发、重构和测试 |
| 业务流程执行 | Agent 系统 | 组织工具调用和任务状态 |
这是一种应用架构示例,并不代表各模型在所有服务渠道都已经具备相同的接口支持。
为什么需要模型适配层?
如果业务代码直接依赖某一个模型的请求格式,当企业更换模型时,可能需要修改大量代码。
更合理的做法,是在应用层设计统一的内部请求结构,再由不同模型适配器负责转换。
例如:
class ModelAdapter:
def __init__(self, client, model):
self.client = client
self.model = model
def generate(self, messages):
return self.client.chat.completions.create(
model=self.model,
messages=messages
)这只是一个简化的适配器示例。
真实项目还需要处理工具调用、图片输入、流式响应、异常类型和 Token 使用量等差异。
模型适配层的作用,是把不同服务的接口差异限制在相对独立的模块中。
统一 API 入口有什么实际价值?
对于开发团队来说,统一 API 入口可以减少重复的配置和调用逻辑。
例如,一个项目需要在 GLM 与其他模型之间切换时,业务代码不应该到处写死模型地址和密钥。
可以通过环境变量或配置中心管理:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["KOALAAPI_API_KEY"],
base_url="https://koalaapi.com/v1"
)
response = client.chat.completions.create(
model="your-available-model-id",
messages=[
{
"role": "user",
"content": "分析这份企业业务报告的主要问题。"
}
]
)
print(response.choices[0].message.content)这里展示的是 OpenAI SDK 兼容接口的业务调用方式。实际模型标识、支持的参数和端点能力,需要以账户当前开放的信息为准。
对于希望减少多模型接入配置工作的开发团队,可以通过 koalaapi.com 了解统一 API 接入方式。这样可以在应用侧集中管理模型调用入口,同时保留业务自己的模型选择和异常处理逻辑。
需要强调,统一 API 接入与企业级私有化部署并不是同一个概念。涉及敏感数据的业务,仍然需要单独评估数据传输范围、服务部署位置和访问权限。
六、金融和政务行业为什么特别关注大模型服务平台?
此次中国移动云与智谱合作明确提到了金融和政务行业。
这两个领域的共同特点是业务数据具有较高敏感性,系统需要满足严格的管理和审计要求。
金融行业:模型能力必须进入业务管理体系
金融机构可以探索将大模型用于:
- 内部知识库问答
- 合规文件辅助审查
- 客户服务内容整理
- 风险材料分类
- 业务报告生成
- 内部研发辅助
但金融场景不能简单地将模型输出直接作为业务决策依据。
例如,模型可以帮助工作人员整理风险材料,却不应该在缺少业务规则和人工审核的情况下,直接替代正式审批流程。
因此,企业需要建立输入权限、模型调用记录、结果审核和异常处理机制。
政务行业:数据边界与可追溯性更重要
政务应用涉及政策文件、办事流程和内部业务资料。
在这类场景中,企业需要明确:
- 哪些资料可以进入模型
- 哪些模型允许处理特定数据
- 模型输出如何留存
- 是否需要人工复核
- 模型版本变化是否影响业务结果
统一模型服务平台可以提供部分集中管理能力,但最终的数据治理和业务权限仍需要由使用单位制定。
为什么国产算力适配也是合作重点?
部分企业对计算环境、数据处理位置和软硬件供应链有明确要求。
国产算力适配不仅涉及模型权重能否加载,还包括:
- 算子支持
- 推理框架兼容性
- 运行精度
- 设备间通信
- 集群调度
- 服务监控
这也是为什么此次合作将国产化算力适配与模型调优列为重要方向。
模型能否在指定硬件环境中稳定运行,需要通过完整的测试和工程交付验证,而不是仅凭模型文件能够下载就判断完成适配。
七、这次合作后,GLM 企业级 API 接入需要关注什么?
对于已经在开发 GLM 应用的团队,接下来值得关注的不是简单等待新模型上线,而是提前完善自己的接入架构。
建议重点关注以下五个方面。
模型版本管理
GLM 系列会持续迭代。
应用不应该只记录一个模糊的模型名称,而应该保存实际调用的模型标识和版本信息。
当模型升级时,使用固定测试集检查输出变化,避免版本更新影响原有业务。
Token 使用量记录
建议每次调用记录:
- 请求 ID
- 模型标识
- 输入 Token
- 输出 Token
- 请求时间
- 响应时间
- 请求状态
- 适用的计费规则
如果涉及缓存 Token,还需要根据服务实际返回的字段单独记录,不能直接将所有 Token 合并计算。
模型故障与降级策略
当模型出现超时、限流或服务异常时,应用需要有明确的处理逻辑。
例如:
- 允许重试的错误执行有限次数重试
- 不可重试的参数错误直接返回
- 超过等待时间后切换备用模型
- 对切换前后的模型差异进行记录
但需要注意,备用模型不一定与原模型输出完全一致。切换之后还要检查工具调用格式、结构化输出和业务规则是否兼容。
多模型权限隔离
不同业务可能需要调用不同模型。
例如,普通文档整理可以使用一般模型,而涉及敏感数据的任务则需要按照企业政策限制模型和调用环境。
不能因为所有模型通过同一个 API 入口调用,就取消业务层的权限检查。
企业级调用审计
对于长期运行的 AI 应用,建议保存完整的调用审计信息。
但日志中不应直接保存 API Key、用户密码或未经脱敏的敏感数据。
需要根据业务要求设置数据保留时间、访问权限和审计范围。
这些工作虽然不会直接提高模型回答质量,却会影响整个 AI 系统能否长期维护。
八、GLM 与中国移动云合作,接下来还需要观察哪些进展?
从 11 月 6 日公布的合作内容来看,双方已经明确了几个主要方向,但实际产业落地仍需要后续信息进一步确认。
建议重点关注四个方面。
第一,GLM 模型接入进度。哪些具体型号进入 MoMA,是否支持不同模型版本,以及正式开放调用的时间。
第二,国产算力适配情况。哪些计算平台完成适配,是否公布推理性能、部署规格和实际应用案例。
第三,AI Coding 产品进展。双方联合打造的 AI Coding 融合产品具体采用什么技术架构,是否开放开发者接口,以及能否进入企业研发流程。
第四,金融和政务项目落地。是否公布具体行业案例,模型服务如何部署,数据安全和权限审计采用什么方案。
这些信息将决定此次合作从战略协议走向实际业务的速度和范围。
对于 GLM 的长期发展而言,模型能力固然重要,但企业是否愿意将其纳入长期业务系统,还取决于服务交付、基础设施和行业适配能力。
从这个角度看,中国移动云与智谱此次合作,是 GLM 企业级生态扩展中值得持续关注的一步。
九、GLM 与 MoMA 合作的行业意义:模型竞争正在延伸到服务交付
回顾大模型行业的发展,早期竞争主要集中在模型参数、训练数据、推理能力和基准测试。
随后,API 开放让开发者能够更方便地把模型集成到自己的产品中。
当企业开始大规模使用模型,竞争重点又逐渐扩展到算力资源、模型服务、调用成本、权限管理和行业解决方案。
GLM 与中国移动云的合作正好体现了这一变化。
智谱提供模型技术和研发能力,中国移动云提供算力基础设施及模型服务平台,双方再围绕 AI Coding 和金融、政务等场景推进应用合作。
对于开发者来说,这意味着未来选择 GLM 时,除了关注模型本身,还需要了解它在哪些平台开放、支持哪些 API 协议、能否满足具体业务的安全要求,以及服务端是否提供完整的使用量和调用管理能力。
与此同时,Gemini、DeepSeek 等模型也会继续参与企业多模型应用的建设。
企业不一定需要将所有业务绑定到一个模型,而是可以根据任务特点、数据要求和服务能力安排不同模型。
真正重要的是建立一套可维护的模型适配、权限控制和调用管理体系。
这也是国产大模型从技术研发走向企业级应用过程中,需要持续解决的问题。
FAQ:GLM 与中国移动云 MoMA 合作常见问题
Q:GLM 与中国移动云是什么时候签署合作协议的?
双方于 2026 年 11 月 6 日正式签署战略合作协议,合作涉及 Token 技术创新、模型服务、产品打造和行业解决方案。
Q:GLM 会接入中国移动云 MoMA 吗?
会。根据公开合作信息,智谱 GLM 系列模型将接入 MoMA 模型服务平台。但全部型号的上线时间和具体开放范围仍需要以后续平台公告为准。
Q:MoMA 是什么平台?
MoMA 是中国移动推出的模型服务平台,面向企业提供多模型接入、统一 API 调用、Token 管理和模型调度等能力。
Q:MoMA 目前接入了多少模型?
中国移动在 2026 年 5 月发布平台时公布的数据为超过 300 款主流 AI 模型,涵盖文本、语音、图像、视频和多模态能力。
Q:GLM 与 MoMA 合作有哪些重点?
主要包括国产化算力适配、模型调优、Token 联合发展、GLM 模型接入、AI Coding 融合产品,以及金融和政务行业解决方案。
Q:GLM 接入 MoMA 后,开发者是否可以直接使用所有 GLM 模型?
不能这样理解。实际可用型号需要以 MoMA 正式发布的模型目录、权限和服务说明为准。合作协议并不等于所有型号已经开放。
Q:企业为什么需要统一大模型 API 入口?
统一入口可以集中处理身份认证、模型调用、使用量记录和部分调度逻辑,减少多个模型分别接入所带来的维护成本。
Q:GLM 可以和 Gemini、DeepSeek 一起使用吗?
可以在应用架构层进行组合。不同模型承担不同任务,通过模型适配层、业务路由和权限管理实现协作。具体调用能力取决于各模型开放的接口和服务权限。

