Einführung
GLM 5.3 ist das große Langkontext-Modell von Z.ai und steht hier als ein OpenAI-kompatibler Endpunkt unter /v1/chat/completions bereit. Es liest bis zu 1.048.576 Token in höchstens 256 Nachrichten und antwortet mit bis zu 131.072 – ein ganzer Materialbestand und die daraus gezogene Argumentation passen in denselben Aufruf.
Die Denkstufe kennt low, high und max, und max ist bereits Standard. temperature (0 bis 1) und top_p werden akzeptiert, response_format liefert JSON, bis zu 128 Tools lassen sich deklarieren, Nachrichten enthalten nur Text, und Antworten kommen per Server-Sent Events als Stream.
Wichtige Funktionen und Highlights
Material und Argumentation in einem Aufruf
Ein langes Fenster ist nur die halbe Aussage; die andere Hälfte ist, ob eine Schlusskette auf dieser Länge noch trägt. Laden Sie einen Rahmenvertrag mit seinen Nachträgen oder eine Spezifikation mit dem Code, der sie umsetzt, und verlangen Sie Schlüsse, die auf Stellen beruhen, die Hunderte Seiten auseinanderliegen.
Eine oberste Stufe, die ihre Token wert ist
low, high und max unterscheiden sich bei Antworten, bei denen mehreres zugleich stimmen muss: eine Folgerung aus drei Absätzen, die nie nebeneinanderstehen, oder eine Änderung, die eine anderswo festgelegte Invariante wahren muss. Heben Sie max für solche Fälle auf und nutzen Sie low für mechanische Durchgänge.
Platz für die Begründung, nicht nur das Urteil
Eine Antwort darf 131.072 Token lang werden – genug für die Schlussfolgerung, die verworfenen Alternativen und die Belege, die den Ausschlag geben. Verlangen Sie die Begründung ausdrücklich, wenn jemand sie später prüfen muss.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
messages | Ja | Höchstens 256 geordnete Züge, nur Textinhalt. Legen Sie das Material in eine User-Nachricht und Frage plus Ausgabeformat in die System-Nachricht. mindestens 1 Einträge · höchstens 256 Einträge |
reasoning_effort | Nein | low, high oder max. |
stop | Nein | Eine Sequenz, als String oder als Array mit einem Eintrag – Z.ai wertet nur eine aus. mindestens 1 Zeichen · mindestens 1 Einträge · höchstens 1 Einträge |
max_tokens | Nein | Deckelt die Antwort bei 131.072. Vorgabe 32.768; erhöhen Sie den Wert, wenn Sie die Herleitung und nicht nur das Urteil verlangen. |
seed | Nein | Beliebige Ganzzahl. |
temperature | Nein | 0 bis 1, Vorgabe 1. Auf 0 halten, sobald die Antwort von Code geparst wird. |
top_p | Nein | 0,01 bis 1, Vorgabe 0,95. Verstellen Sie dies oder temperature, nie beides im selben Vergleich. |
tools | Nein | Bis zu 128 Funktionsdefinitionen pro Anfrage. höchstens 128 Einträge |
parallel_tool_calls | Nein | true oder false, Standard true: Das Modell darf in einem Zug mehrere Tool-Aufrufe anfordern. Standardwert: |
tool_choice | Nein | auto, none, required – oder ein Objekt, das eine Funktion benennt. |
response_format | Nein | Verlangen Sie ein JSON-Objekt und benennen Sie jeden Schlüssel in der System-Nachricht. |
Preis
Eingabe $1.05 / Ausgabe $3.30 je 1 Mio. Token
Anwendungsfälle
Vier Dokumente und eine Frage
Laden Sie einen Rahmenvertrag und seine drei Nachträge in eine Anfrage und fragen Sie, welche Klauseln sich inzwischen widersprechen. Die Antwort hängt an zwei weit auseinanderliegenden Stellen – genau dort, wo eine Retrieval-Schicht versagt: Sie holt, was zur Frage passt, nicht das Paar, das sich widerspricht.
Incident-Review über alle Artefakte
Legen Sie Alarm-Zeitleiste, Deploy-Log, Konfigurations-Diff und das Protokoll der Bereitschaft in denselben Aufruf und verlangen Sie die Kausalkette – mit Belegen für jedes Glied und den Hypothesen, die verworfen wurden.
Agenten-Backends, in denen ein Aufruf echt handelt
Deklarieren Sie bis zu 128 Funktionen – Erstattung, Rechteänderung, Ticket-Eskalation – und lassen Sie tool_choice entscheiden. Wenn ein Aufruf eine echte Aktion auslöst, zählt das Wissen, wann nichts aufgerufen werden sollte, ebenso viel wie der Aufruf selbst.
Prompt-Leitfaden und Praxistipps
Den ganzen Vorgang laden, keine Zusammenfassung
Legen Sie das Material in eine einzige User-Nachricht, das Älteste zuerst, und halten Sie die System-Nachricht für Frage, Ausgabeformat und den erwarteten Belegstandard frei.
Die Begründung verlangen, nicht nur das Urteil
POST https://api.spicyapi.ai/v1/chat/completions mit {"model": "zai/glm-5.3", "messages": [{"role": "system", "content": "For every conflict, name both passages, quote one sentence from each, and say which one governs."}, {"role": "user", "content": "<the master agreement and its amendments>"}], "reasoning_effort": "max", "max_tokens": 32000, "temperature": 0}. temperature 0 macht einen erneuten Lauf über dieselben Dokumente direkt vergleichbar.
Timeout und Budget einplanen
Der Aufruf ist synchron, und ein volles Fenster auf max kann Minuten dauern – bemessen Sie das Client-Timeout für diese Anfrage oder streamen Sie die Antwort. max_tokens steht standardmäßig auf 32.768 und endet bei 131.072; Bild- und Dateiteile werden abgelehnt, und ein JSON-response_format muss auf Ihrer Seite trotzdem geparst werden.
API-Schnellstart
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "zai/glm-5.3/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
