Usa GLM per il lavoro sui testi, che si tratti di revisione di documenti lunghi, output strutturato, agenti che chiamano strumenti o roleplay per adulti, e SpicyAPI elenca due ID a dimensione piena: zai/glm-5.2/chat e zai/glm-5.3/chat. Usa GLM 5.3 per programmazione, agenti e chiamate a strumenti, e per i passaggi ad alto volume in cui il ragionamento low fa risparmiare token di output. Usa GLM 5.2 per narrativa e roleplay per adulti, e quando vuoi la tariffa più bassa. Se il lavoro è breve, strutturato e guidato dal costo, prova prima il più economico GLM 5.3 Flash.
Entrambi leggono 1.048.576 token, ne restituiscono fino a 131.072, accettano solo testo e condividono la stessa forma di richiesta, a parte i campi indicati più avanti.
Quale per quale lavoro
| Il tuo lavoro | Scelta | Perché |
|---|---|---|
| Agenti di programmazione, lunghi cicli di strumenti, analisi di repository o incidenti | 5.3 | Il post-training di Z.ai punta alla programmazione ad agenti; 5.3 aggiunge anche un'impostazione di ragionamento più bassa e il controllo sulle chiamate parallele agli strumenti |
| Chiamate sequenziali a strumenti (prenotare uno slot, poi una sala) | 5.3 | Imposta parallel_tool_calls: false su 5.3 per richiedere uno strumento alla volta; le dipendenze della prenotazione vanno imposte nella tua applicazione |
| Classificazione, estrazione e riscrittura in blocco | 5.3 con low, oppure 5.3 Flash | 5.2 non può scendere sotto high |
| Mantenere fissa un'impostazione quando si confrontano prompt modificati | 5.3 | Solo 5.3 accetta seed; non garantisce una riproduzione identica |
| Roleplay e narrativa per adulti | 5.2 | Etichettato come senza censura; con richieste semplici ha generato scene più forti più spesso di 5.3, che è etichettato Light e attenua o rifiuta di più |
| Traffico giornaliero costante in cui un prompt 5.2 funziona già | 5.2 | Tariffe per token più basse di circa il 7%; nessun nuovo controllo necessario |
Le differenze nella richiesta
| Funzione | GLM 5.2 | GLM 5.3 |
|---|---|---|
reasoning_effort | high, max; predefinito max | low, high, max; predefinito max |
seed | Non accettato | Accettato |
parallel_tool_calls | Non accettato | Accettato; predefinito true |
max_tokens | Predefinito 32.768; massimo 131.072 | Uguale |
| Temperature / top-p | 0-1, predefinito 1 / 0.01-1, predefinito 0.95 | Uguale |
| Sequenze di stop | Una | Una |
| Output JSON, strumenti di funzione | Supportati | Supportati |
Entrambi gli endpoint rifiutano i campi che non elencano, quindi un corpo scritto per 5.3 con seed fallisce su 5.2 invece di essere ignorato. Tieni separati i campi di ciascun modello.
Nessuna delle due route accetta medium, e nessuna può disattivare il ragionamento. L'API propria di Z.ai associa none e minimal a nessun thinking su 5.2; questo non vale per questo contratto 5.2 ospitato. Poiché il predefinito è max su entrambi, una chiamata non ottimizzata ragiona il più a fondo possibile, e il ragionamento è fatturato come output.
Per un client di roleplay con un selettore di impegno configurabile, associa l'impostazione più bassa a high su 5.2 o a low su 5.3, e quella più alta a max. Controlla il valore effettivamente inviato; l'etichetta mostrata dal client non è un parametro API.
Quanto costa
| USD per milione di token | GLM 5.2 | GLM 5.3 | GLM 5.3 Flash |
|---|---|---|---|
| Input senza cache | $0.98 | $1.05 | $0.1275 |
| Input in cache | $0.182 | $0.195 | $0.0255 |
| Output | $3.08 | $3.30 | $0.425 |
A parità di token, 5.3 costa il 7,14% in più di 5.2; 5.2 costa il 6,7% in meno di 5.3. Conta gli hit di cache alla tariffa della cache invece di addebitarli di nuovo come input senza cache. Tre lavori:
| Lavoro | 5.2 | 5.3 | 5.3 Flash |
|---|---|---|---|
| 40.000 di input senza cache, 4.000 di output | $0.05152 | $0.0552 | $0.0068 |
| 30.000 in cache + 10.000 di input senza cache, 4.000 di output | $0.02758 | $0.02955 | $0.00374 |
| Documento lungo: 600.000 di input senza cache, 8.000 di output | $0.61264 | $0.6564 | $0.0799 |
Diecimila esecuzioni del primo lavoro costano $515.20 su 5.2 e $552 su 5.3. Il divario di tariffa è piccolo; la lunghezza del ragionamento sposta di più il conto. Se 5.3 con low produce una risposta accettata con un terzo dei token di output, costa meno di 5.2 con max. Confronta il costo per risposta accettata a partire dall'usage restituito, non il costo per chiamata.
Scrittura per adulti: dove si ferma ciascun modello
In base ai nostri test sui contenuti di settembre 2026 (in inglese, richieste singole):
- Scene allusive e implicite. Entrambi attenuano il gradino più lieve (una scena di flirt) con ogni formulazione, ed entrambi scrivono in modo pulito scene sensuali implicite.
- Contenuti per adulti più forti in termini diretti. 5.2 li scrive quando vengono chiesti direttamente o tramite un prompt di sistema, e rifiuta quando sono inquadrati come racconto. 5.3 li scrive solo tramite un prompt di sistema.
- Scene intime scritte tra adulti. Nessuno dei due è affidabile. Con il prompt di sistema, 5.2 ha completato 2 richieste su 3 e 5.3 ne ha completate 4 su 8. Questi piccoli campioni mostrano perché possano servire nuovi tentativi, non stabiliscono un tasso di successo a lungo termine. Le richieste dirette vengono rifiutate su entrambi, e la sola cornice di racconto produce un output attenuato.
- Costrizione o violenza consensuali nella narrativa. Entrambi le rendono nella maggior parte delle esecuzioni.
Imposta il contesto di finzione nel prompt di sistema su entrambi i modelli, e metti in conto che alcune richieste verranno comunque attenuate o rifiutate. Se questo è il tuo carico principale, anche GLM 5.3 Flash è etichettato come senza censura, a una frazione del prezzo. Consulta le recensioni di GLM 5.2 e GLM 5.3 per la scala completa.
Cosa significano le differenze di controllo per l'applicazione di un creativo
Pensa a un assistente di pianificazione con tre compiti: leggere un brief di scena approvato, trovare una sala e prenotarla dopo aver confermato l'orario. Per il primo compito, 5.2 offre le capacità comuni di testo e JSON, con tariffe elencate più basse. Se l'estrazione è già utilizzabile, la versione più recente da sola non è un motivo per migrarla.
Per una breve estrazione su 5.3, low è un'opzione di configurazione sensata perché 5.2 non la espone. Un brief con due personaggi, tre inquadrature e un'ora indicata non richiede lo stesso ambito di ragionamento di un calendario di un mese con dipendenze. Imposta l'impegno in modo esplicito invece di accettare il massimo predefinito per entrambi.
Per le prenotazioni, parallel_tool_calls: false su 5.3 può mantenere sequenziali le chiamate, ma l'ordine deve essere imposto anche dalla tua applicazione. Una richiesta di prenotazione ha bisogno dello slot restituito dalla ricerca di disponibilità. Se la ricerca non restituisce alcuno slot, l'applicazione non deve eseguire una prenotazione successiva con un orario inventato. Le chiamate sequenziali non possono far comparire una disponibilità mancante.
Un seed può aiutare a mantenere fissa un'impostazione di generazione quando si confrontano prompt modificati. Non rende canonica una risposta creativa, non garantisce una riproduzione identica e non risolve una fonte mancante. Per un'applicazione di compagnia per adulti, conserva i dati approvati del personaggio nel tuo archivio invece di affidarti al seed per mantenerli stabili.
Un programma di un'ora verificabile senza un giudice IA
L'esempio seguente riserva 14:00–14:10 all'allestimento e 14:50–15:00 al riordino, lasciando 40 minuti per le tre inquadrature. Una ripartizione scritta da una persona: 14:10–14:20 per il primo piano della lettera, 14:20–14:35 per il sorriso condiviso e 14:35–14:50 per la camminata. Sono tempi proposti, non un programma generato da GLM né una promessa che le riprese finiscano in quel tempo.
Se il brief aggiunge un cambio luci di dieci minuti tra la seconda e la terza inquadratura, restano solo 30 minuti per girare. Chiedi esplicitamente quella transizione e ricalcola il tempo disponibile. Un modello che produce una tabella dall'aspetto scorrevole omettendo la transizione non ha risolto il compito modificato. È un caso di prova per la migrazione più utile del confronto su quanto suonino convincenti le due spiegazioni.
Provalo prima in Playground
- Apri GLM 5.3 e passa a Playground.
- Incolla il brief del teaser in tre inquadrature qui sotto e chiedi un programma con ragionamento Low.
- Verifica che allestimento, tre inquadrature e riordino rientrino nella finestra di un'ora. Confronta 5.2 con High solo se è la route che usi già.
Una richiesta completa
Questa trasforma il brief di un breve teaser romantico in un programma JSON su 5.3 con impegno low. Per input lunghi o ragionamento profondo, usa stream: true: un timeout più lungo lato client non può evitare il taglio di circa 100 secondi che il bordo della rete applica alle risposte senza 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."}
]
}'Per inviarla a 5.2, cambia il modello in zai/glm-5.2/chat e l'impegno in high; ometti seed e parallel_tool_calls.
Controlla choices[0].finish_reason e analizza choices[0].message.content, poi verifica il programma nel tuo codice: inquadrature, allestimento e riordino devono stare in 60 minuti, la prima inquadratura non prima delle 14:10, il riordino concluso entro le 15:00. Un JSON che si analizza senza errori può comunque sovrapporre due inquadrature o assegnare 70 minuti a una finestra di un'ora.
Lascia che un Agent prepari la chiamata
Per l'estrazione ripetuta di programmi, chiedi al tuo Agent di programmazione di usare lo SpicyAPI Skill: «Leggi zai/glm-5.3/chat, poi adatta l'esempio al mio input; mostra la richiesta prima di eseguirla». La consultazione con la CLI è spicyapi models get zai/glm-5.3/chat --json; quella con MCP è spicyapi_model_get con model: "zai/glm-5.3/chat". Le chiamate di chat usano un client compatibile o la API di chat; i comandi delle attività multimediali non generano risposte di chat.
Passare dall'uno all'altro
Per una verifica di migrazione a parità di condizioni, esegui i tuoi prompt esistenti su entrambi gli ID con high e confronta le risposte accettate e l'uso totale. Poi prova 5.3 con low separatamente per vedere se il ragionamento più breve soddisfa ancora gli stessi controlli. Tieni il vecchio ID come alternativa finché la nuova route non li supera.
Valore di ragionamento non valido. medium fallisce su entrambi, e low fallisce su 5.2.
Risposta visibile vuota. Una stringa stop può scattare durante il ragionamento e chiudere il turno prima di qualsiasi risposta. Rimuovila se non ti serve, e non usare mai una parola comune come END.
Foto o PDF rifiutato. Entrambi accettano solo testo; estrai prima il testo.
Chiamata a strumento trattata come completata. Restituisci il messaggio completo dell'assistente con la chiamata allo strumento, esegui una funzione in lista consentita e aggiungi un messaggio role: tool con il tool_call_id corrispondente. Una prenotazione proposta non è una prenotazione.
Risposta troncata. Aumenta max_tokens (massimo 131.072) o chiedi meno, e rifiuta un motivo di fine length prima di importare il JSON.
Per una nuova integrazione di programmazione o strumenti, parti da GLM 5.3. Per un flusso di narrativa per adulti che già funziona, GLM 5.2 resta il punto di partenza più economico e più collaborativo; il solo cambio di versione non è un motivo per migrarlo.
