Introduzione
GLM 5.3 è il modello a contesto lungo di taglia completa di Z.ai, disponibile qui come un endpoint compatibile con OpenAI su /v1/chat/completions. Legge fino a 1.048.576 token in al massimo 256 messaggi e risponde con fino a 131.072, così un intero corpus e il ragionamento che se ne ricava stanno nella stessa chiamata.
Il livello di ragionamento accetta low, high o max, e max è già il default. temperature (da 0 a 1) e top_p sono accettati, response_format restituisce JSON, puoi dichiarare fino a 128 tool, il contenuto dei messaggi è solo testo e le risposte arrivano in streaming via Server-Sent Events.
Caratteristiche principali
Il materiale e il ragionamento in una chiamata
Una finestra lunga è solo metà della promessa; l'altra metà è se una catena di inferenze regge ancora a quella lunghezza. Carica un contratto quadro con le sue modifiche, o una specifica con il codice che la implementa, e chiedi conclusioni che poggiano su passaggi distanti centinaia di pagine.
Un gradino più alto che si guadagna i token
low, high e max si distinguono sulle risposte in cui più cose devono essere giuste insieme: una deduzione che poggia su tre paragrafi mai vicini, o una modifica che deve rispettare un invariante dichiarato altrove. Tieni max per questi casi e usa low per i passaggi meccanici.
Spazio per il ragionamento, non solo per il verdetto
Una risposta può arrivare a 131.072 token: abbastanza per la conclusione, le alternative scartate e le citazioni che chiudono la questione. Chiedi il ragionamento in modo esplicito quando qualcuno dovrà verificarlo.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Al massimo 256 turni ordinati, con contenuto solo testuale. Metti il materiale in un unico messaggio user e la domanda più il formato di output nel messaggio system. almeno 1 elementi · al massimo 256 elementi |
reasoning_effort | No | low, high o max. |
stop | No | Una sola sequenza, come stringa o come array di un elemento: Z.ai ne legge solo una. almeno 1 caratteri · almeno 1 elementi · al massimo 1 elementi |
max_tokens | No | Limita la risposta a 131.072. Valore predefinito 32.768; alzalo quando chiedi il ragionamento e non solo il verdetto. |
seed | No | Qualsiasi intero. |
temperature | No | Da 0 a 1, valore predefinito 1. Tienilo a 0 ogni volta che la risposta viene analizzata dal codice. |
top_p | No | Da 0,01 a 1, predefinito 0,95. Regola questo oppure temperature, mai entrambi nello stesso confronto. |
tools | No | Fino a 128 definizioni di funzione per richiesta. al massimo 128 elementi |
parallel_tool_calls | No | true o false, predefinito true: il modello può chiedere più chiamate agli strumenti nello stesso turno. Predefinito: |
tool_choice | No | auto, none, required, oppure un oggetto che nomina una funzione. |
response_format | No | Chiedi un oggetto JSON e nomina ogni chiave nel messaggio system. |
Prezzi
Input $1.05 / Output $3.30 per 1 milione di token
Casi d’uso
Quattro documenti e una domanda
Carica in una richiesta un contratto quadro e le sue tre modifiche e chiedi quali clausole ora si contraddicono. La risposta dipende da due passaggi molto lontani, proprio dove uno strato di retrieval cede: recupera ciò che sembra pertinente alla domanda, non la coppia in contrasto.
Analisi di un incidente su tutti gli artefatti
Metti nella stessa chiamata la timeline degli allarmi, il log di deploy, il diff di configurazione e la trascrizione del turno di reperibilità, e chiedi la catena causale con le prove di ogni anello e le ipotesi scartate.
Backend di agenti in cui una chiamata è un'azione reale
Dichiara fino a 128 funzioni – rimborso, cambio di permessi, escalation di un ticket – e lascia decidere tool_choice. Quando una chiamata esegue un'azione reale, sapere quando non chiamare nulla conta quanto la chiamata stessa.
Consigli avanzati
Carica tutto il fascicolo, non un riassunto
Metti il materiale in un solo messaggio utente, dal più vecchio, e riserva il messaggio di sistema alla domanda, al formato di output e al livello di prova che ti aspetti.
Chiedi il ragionamento, non solo il verdetto
POST https://api.spicyapi.ai/v1/chat/completions con {"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 rende una nuova esecuzione sugli stessi documenti direttamente confrontabile.
Pianifica timeout e budget
La chiamata è sincrona, e una finestra piena su max può impiegare minuti a tornare, quindi dimensiona il timeout del client per questa richiesta o ricevi la risposta in streaming. max_tokens parte da 32.768 e si ferma a 131.072; le parti immagine e file vengono rifiutate, e un response_format JSON va comunque analizzato dal tuo lato.
Avvio rapido dell’API
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'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
