Introduzione
GLM 5.3 Flash è il modello di chat a contesto lungo 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, con livello di ragionamento low, high o max.
max è il default. temperature (da 0 a 1) e top_p sono accettati, response_format restituisce oggetti JSON, puoi dichiarare fino a 128 tool per richiesta, il contenuto dei messaggi è testo, immagini e video e, se lo chiedi, le risposte arrivano in streaming via Server-Sent Events.
Caratteristiche principali
Tre gradini di ragionamento
low, high e max stanno nello stesso corpo della richiesta. low va bene per etichettare ed estrarre su un grande export, high per la review, e max – il default – per le risposte che devono reggere. Passare dall'uno all'altro cambia una stringa, non l'integrazione.
Un milione di token in ingresso, un risultato in uscita
La finestra accetta 1.048.576 token e una risposta arriva a 131.072, circa otto a uno. È la forma di un lavoro che legge un export, un archivio di trascrizioni o un insieme di documenti e restituisce etichette, una tabella riassuntiva o un elenco di problemi invece di riscrivere ciò che hai mandato.
Output strutturato per le pipeline
response_format con json_object restituisce un oggetto che il tuo codice può analizzare, e fino a 128 tool permettono al modello di chiamare i tuoi sistemi. Nomina ogni chiave nel messaggio di sistema perché la forma resti stabile tra un'esecuzione e l'altra, e valida prima che qualcosa a valle agisca.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Al massimo 256 turni ordinati. Il contenuto è una stringa o un array di parti text, |
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 | Mette un tetto alla risposta a 131.072, un ottavo della finestra di lettura. Di serie 32.768. |
temperature | No | Da 0 a 1, di serie 1. Tienila a 0 ogni volta che la risposta viene analizzata da 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 |
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 di sistema. |
Prezzi
Input $0.1275 / Output $0.425 per 1 milione di token
Casi d’uso
Smistamento dei ticket su low
Manda un intero export di ticket con un insieme fisso di etichette e chiedi un'etichetta per ticket in JSON. Su low l'esecuzione resta economica, e tornano su high solo i ticket che i tuoi controlli scartano.
Domande su un archivio di trascrizioni
Carica mesi di trascrizioni di riunioni o di supporto in una richiesta e chiedi dove è stata presa una decisione e chi si è opposto, con citazioni. Siccome nulla è stato spezzettato, la risposta può citare insieme una riga di marzo e una di luglio.
Assistenti che chiamano tool
Dichiara le funzioni che il tuo assistente può usare – cercare, creare, aggiornare – e lascia a tool_choice la decisione di quando chiamarle. I risultati tornano come messaggi con ruolo tool, così l'intero scambio resta in una sola conversazione.
Consigli avanzati
Sali di gradino solo dove serve
Fai il primo passaggio su low, rimanda su high ciò che non ha superato la validazione e tieni max per i pochi casi ancora in dubbio. Mantieni i messaggi identici tra un passaggio e l'altro, così il livello di ragionamento è l'unica variabile.
Una chiamata di etichettatura da copiare
POST https://api.spicyapi.ai/v1/chat/completions con {"model": "zai/glm-5.3-flash", "messages": [{"role": "system", "content": "Label each ticket with one of: billing, access, bug, feature. Return JSON: {\"labels\": [{\"id\": ..., \"label\": ...}]}."}, {"role": "user", "content": "<the ticket export>"}], "reasoning_effort": "low", "max_tokens": 20000, "response_format": {"type": "json_object"}}. Analizza l'oggetto, controlla che ogni ID sia tornato e rimanda quelli mancanti.
Budget e limiti
max_tokens parte da 32.768 e anche i token di ragionamento vengono fatturati come output, quindi lascia margine sopra la risposta che ti aspetti; i valori oltre 131.072 non superano la validazione. Le parti audio e file vengono rifiutate, e un response_format JSON dà forma alla risposta ma non sostituisce la tua analisi.
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-flash/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.
