Usas GLM para trabajo con texto, ya sea revisión de documentos largos, salida estructurada, agentes que llaman a herramientas o juegos de rol para adultos, y SpicyAPI ofrece dos IDs de tamaño completo: zai/glm-5.2/chat y zai/glm-5.3/chat. Usa GLM 5.3 para programación, agentes y llamadas a herramientas, y para pasadas de gran volumen donde el razonamiento low ahorra tokens de salida. Usa GLM 5.2 para ficción y juegos de rol para adultos, y cuando quieras la tarifa más baja. Si el trabajo es corto, estructurado y guiado por el coste, prueba antes de ambos el más barato GLM 5.3 Flash.
Ambos leen 1.048.576 tokens, devuelven hasta 131.072, aceptan solo texto y comparten la misma forma de petición salvo por los campos que siguen.
Cuál para cada trabajo
| Tu trabajo | Elección | Por qué |
|---|---|---|
| Agentes de programación, bucles largos de herramientas, análisis de repositorios o incidentes | 5.3 | El posentrenamiento de Z.ai apunta a la programación con agentes; además, 5.3 añade un nivel de razonamiento más bajo y control sobre las llamadas paralelas a herramientas |
| Llamadas secuenciales a herramientas (reservar un hueco y luego una sala) | 5.3 | Configura parallel_tool_calls: false en 5.3 para pedir una herramienta a la vez; las dependencias de la reserva debes imponerlas en tu aplicación |
| Clasificación, extracción y reescritura en bloque | 5.3 con low, o 5.3 Flash | 5.2 no puede bajar de high |
| Mantener fijo un ajuste al comparar prompts modificados | 5.3 | Solo 5.3 acepta seed; no garantiza una repetición idéntica |
| Juegos de rol y ficción para adultos | 5.2 | Etiquetado como sin censura; con peticiones sencillas generó escenas más intensas que 5.3 con más frecuencia, y 5.3, etiquetado como Light, suaviza o rechaza más |
| Tráfico diario estable en el que un prompt de 5.2 ya funciona | 5.2 | Tarifas por token un 7 % más bajas aproximadamente; no hacen falta controles nuevos |
Las diferencias en la petición
| Característica | GLM 5.2 | GLM 5.3 |
|---|---|---|
reasoning_effort | high, max; por defecto max | low, high, max; por defecto max |
seed | No se acepta | Se acepta |
parallel_tool_calls | No se acepta | Se acepta; por defecto true |
max_tokens | Por defecto 32.768; máximo 131.072 | Igual |
| Temperature / top-p | 0-1, por defecto 1 / 0.01-1, por defecto 0.95 | Igual |
| Secuencias de parada | Una | Una |
| Salida JSON, herramientas de función | Compatible | Compatible |
Ambos endpoints rechazan los campos que no enumeran, así que un cuerpo escrito para 5.3 con seed falla en 5.2 en lugar de ignorarse. Mantén separados los campos de cada modelo.
Ninguna de las dos rutas acepta medium, y ninguna puede desactivar el razonamiento. La API propia de Z.ai asigna none y minimal a «sin thinking» en 5.2; eso no se aplica a este contrato alojado de 5.2. Como el valor por defecto es max en ambos, una llamada que no ajustaste razona lo más profundamente posible, y el razonamiento se factura como salida.
Para un cliente de juegos de rol con selector de esfuerzo configurable, asigna su ajuste más bajo a high en 5.2 o a low en 5.3, y el más alto a max. Comprueba el valor que realmente se envía; la etiqueta que muestra el cliente no es un parámetro de la API.
Cuánto cuesta
| USD por millón de tokens | GLM 5.2 | GLM 5.3 | GLM 5.3 Flash |
|---|---|---|---|
| Entrada sin caché | $0.98 | $1.05 | $0.1275 |
| Entrada en caché | $0.182 | $0.195 | $0.0255 |
| Salida | $3.08 | $3.30 | $0.425 |
Con el mismo número de tokens, 5.3 cuesta un 7,14 % más que 5.2; 5.2 es un 6,7 % más barato que 5.3. Cuenta los aciertos de caché a la tarifa de caché en lugar de cobrarlos de nuevo como entrada sin caché. Tres trabajos:
| Trabajo | 5.2 | 5.3 | 5.3 Flash |
|---|---|---|---|
| 40.000 de entrada sin caché, 4.000 de salida | $0.05152 | $0.0552 | $0.0068 |
| 30.000 en caché + 10.000 de entrada sin caché, 4.000 de salida | $0.02758 | $0.02955 | $0.00374 |
| Documento largo: 600.000 de entrada sin caché, 8.000 de salida | $0.61264 | $0.6564 | $0.0799 |
Diez mil ejecuciones del primer trabajo cuestan $515.20 en 5.2 y $552 en 5.3. La diferencia de tarifa es pequeña; la duración del razonamiento mueve más la factura. Si 5.3 con low produce una respuesta aceptada con un tercio de los tokens de salida, sale más barato que 5.2 con max. Compara el coste por respuesta aceptada a partir del usage devuelto, no el coste por llamada.
Escritura para adultos: dónde se detiene cada modelo
Según nuestras pruebas de contenido de septiembre de 2026 (en inglés, peticiones individuales):
- Escenas sugerentes e implícitas. Ambos suavizan el peldaño más leve (una escena de coqueteo) con cualquier formulación, y ambos escriben con limpieza escenas sensuales implícitas.
- Contenido adulto más intenso en términos directos. 5.2 lo escribe cuando se pide directamente o mediante un prompt de sistema, y lo rechaza cuando se plantea como un relato. 5.3 lo escribe solo mediante un prompt de sistema.
- Escenas íntimas escritas entre adultos. Ninguno es fiable. Con prompt de sistema, 5.2 completó 2 de 3 peticiones y 5.3 completó 4 de 8. Estas muestras pequeñas explican por qué pueden hacer falta reintentos, no establecen una tasa de éxito a largo plazo. Las peticiones directas se rechazan en ambos, y plantearlas como relato por sí solo da una salida suavizada.
- Ataduras o violencia consentidas en la ficción. Ambos lo generan en la mayoría de las ejecuciones.
Fija el contexto de ficción en el prompt de sistema en cualquiera de los dos modelos, y cuenta con que algunas peticiones se seguirán suavizando o rechazando. Si esta es tu carga de trabajo principal, GLM 5.3 Flash también está etiquetado como sin censura, a una fracción del precio. Consulta las reseñas de GLM 5.2 y GLM 5.3 para ver toda la escalera.
Qué significan las diferencias de control para la aplicación de un creador
Piensa en un asistente de planificación con tres tareas: leer un resumen de escena aprobado, encontrar una sala y reservarla tras confirmar la hora. Para la primera tarea, 5.2 ofrece las capacidades comunes de texto y JSON, con tarifas listadas más bajas. Si la extracción ya es utilizable, la versión más nueva por sí sola no es motivo para migrarla.
Para una extracción corta en 5.3, low es una opción de configuración con sentido porque 5.2 no la expone. Un resumen con dos personajes, tres planos y una hora indicada no necesita el mismo alcance de razonamiento que un calendario de un mes con dependencias. Fija el esfuerzo de forma explícita en lugar de aceptar el máximo por defecto en ambos.
Para las reservas, parallel_tool_calls: false en 5.3 puede mantener las llamadas en secuencia, pero tu aplicación también debe imponer el orden. Una petición de reserva necesita el hueco que devuelve la consulta de disponibilidad. Si la consulta no devuelve ningún hueco, la aplicación no debe ejecutar una reserva posterior con una hora inventada. Las llamadas secuenciales no pueden hacer que aparezca una disponibilidad que falta.
Una seed puede ayudarte a mantener fijo un ajuste de generación al comparar prompts modificados. No convierte una respuesta creativa en canónica, no garantiza una repetición idéntica ni resuelve la falta de una fuente. En una aplicación de compañía para adultos, guarda los datos aprobados del personaje en tu propio registro en lugar de confiar en que la seed los mantenga estables.
Un calendario de una hora que se puede comprobar sin un juez de IA
El ejemplo siguiente reserva 14:00–14:10 para el montaje y 14:50–15:00 para recoger, y deja 40 minutos para los tres planos. Un reparto escrito por una persona es: 14:10–14:20 para el primer plano de la carta, 14:20–14:35 para la sonrisa compartida y 14:35–14:50 para el paseo. Son tiempos propuestos, no un calendario generado por GLM ni una promesa de que el rodaje termine en ese tiempo.
Si el resumen añade un cambio de iluminación de diez minutos entre el segundo y el tercer plano, solo quedan 30 minutos para rodar. Pide esa transición de forma explícita y recalcula el tiempo disponible. Un modelo que produce una tabla de aspecto fluido y omite la transición no ha resuelto la tarea modificada. Es un caso de prueba de migración más útil que comparar lo convincentes que suenan las dos explicaciones.
Pruébalo primero en Playground
- Abre GLM 5.3 y cambia a Playground.
- Pega el resumen del teaser de tres planos que aparece abajo y pide un calendario con razonamiento Low.
- Confirma que el montaje, los tres planos y la recogida caben en la ventana de una hora. Compara 5.2 con High solo si esa es la ruta que ya usas.
Una petición completa
Esto convierte el resumen de un teaser romántico corto en un calendario JSON en 5.3 con esfuerzo low. Para entradas largas o razonamiento profundo, usa stream: true: un tiempo de espera mayor en el cliente no evita el corte, de unos 100 segundos, que aplica el borde de la red a las respuestas sin streaming.
curl --fail-with-body 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",
"reasoning_effort": "low",
"max_tokens": 3000,
"temperature": 0,
"response_format": {"type": "json_object"},
"messages": [
{"role": "system", "content": "Return JSON with shots and unresolved_questions. Every shot needs start_time, duration_minutes and description. Fit within the supplied window. Do not invent bookings."},
{"role": "user", "content": "A non-graphic romance teaser with three shots: a letter close-up, a shared smile and a walk past a railway bench. Available window: 14:00 to 15:00. Allocate 10 minutes for setup before the first shot and 10 minutes for packing after the last shot."}
]
}'Para enviarla a 5.2, cambia el modelo a zai/glm-5.2/chat y el esfuerzo a high; omite seed y parallel_tool_calls.
Comprueba choices[0].finish_reason y analiza choices[0].message.content; después verifica el calendario en tu propio código: los planos, el montaje y la recogida deben caber en 60 minutos, con el primer plano no antes de las 14:10 y la recogida terminada a las 15:00. Un JSON que se analiza sin error aún puede solapar dos planos o asignar 70 minutos a una ventana de una hora.
Deja que un Agent prepare la llamada
Para extraer calendarios de forma repetida, pide a tu Agent de programación que use el SpicyAPI Skill: «Lee zai/glm-5.3/chat y luego adapta el ejemplo a mi entrada; muéstrame la petición antes de ejecutarla». La consulta con la CLI es spicyapi models get zai/glm-5.3/chat --json; la consulta con MCP es spicyapi_model_get con model: "zai/glm-5.3/chat". Las llamadas de chat usan un cliente compatible o la API de chat; los comandos de tareas multimedia no generan respuestas de chat.
Cómo pasar de uno a otro
Para una comprobación de migración en igualdad de condiciones, ejecuta tus prompts actuales en ambos IDs con high y compara las respuestas aceptadas y el uso total. Después prueba 5.3 con low por separado para ver si su razonamiento más corto sigue cumpliendo las mismas comprobaciones. Conserva el ID antiguo como alternativa hasta que la ruta nueva las pase.
Valor de razonamiento no válido. medium falla en ambos, y low falla en 5.2.
Respuesta visible vacía. Una cadena stop puede dispararse durante el razonamiento y terminar el turno antes de cualquier respuesta. Quítala salvo que la necesites, y nunca uses una palabra común como END.
Foto o PDF rechazado. Ambos aceptan solo texto; extrae primero el texto.
Llamada a herramienta tratada como terminada. Devuelve el mensaje completo del asistente con la llamada a la herramienta, ejecuta una función de una lista de permitidas y añade un mensaje role: tool con el tool_call_id correspondiente. Una reserva propuesta no es una reserva.
Respuesta cortada. Sube max_tokens (máximo 131.072) o pide menos, y rechaza un motivo de finalización length antes de importar el JSON.
Para una integración nueva de programación o herramientas, empieza con GLM 5.3. Para un flujo de ficción para adultos que ya funciona, GLM 5.2 sigue siendo el punto de partida más barato y más colaborador; el cambio de versión por sí solo no es motivo para migrarlo.
