Você roda trabalho de texto no GLM, seja revisão de documentos longos, saída estruturada, agentes que chamam ferramentas ou roleplay adulto, e a SpicyAPI lista dois IDs de tamanho completo: zai/glm-5.2/chat e zai/glm-5.3/chat. Use o GLM 5.3 para programação, agentes e chamadas de ferramentas, e para passagens de alto volume em que o raciocínio low economiza tokens de saída. Use o GLM 5.2 para ficção e roleplay adultos, e quando quiser a tarifa mais baixa. Se o trabalho for curto, estruturado e guiado por custo, experimente antes dos dois o mais barato GLM 5.3 Flash.
Ambos leem 1.048.576 tokens, devolvem até 131.072, aceitam apenas texto e compartilham o mesmo formato de requisição, exceto pelos campos abaixo.
Qual para qual trabalho
| Seu trabalho | Escolha | Por quê |
|---|---|---|
| Agentes de programação, longos laços de ferramentas, análise de repositório ou de incidentes | 5.3 | O pós-treinamento da Z.ai mira programação com agentes; o 5.3 também adiciona um nível de raciocínio mais baixo e controle sobre chamadas paralelas de ferramentas |
| Chamadas sequenciais de ferramentas (reservar um horário, depois uma sala) | 5.3 | Defina parallel_tool_calls: false no 5.3 para pedir uma ferramenta por vez; as dependências da reserva devem ser impostas na sua aplicação |
| Classificação, extração e reescrita em massa | 5.3 com low, ou 5.3 Flash | O 5.2 não consegue ficar abaixo de high |
| Manter uma configuração fixa ao comparar prompts alterados | 5.3 | Só o 5.3 aceita seed; isso não garante repetição idêntica |
| Roleplay e ficção adultos | 5.2 | Rotulado como sem censura; com pedidos simples gerou cenas mais fortes com mais frequência que o 5.3, que é rotulado como Light e suaviza ou recusa mais |
| Tráfego diário estável em que um prompt do 5.2 já passa | 5.2 | Tarifas por token cerca de 7% menores; nenhum controle novo necessário |
As diferenças na requisição
| Recurso | GLM 5.2 | GLM 5.3 |
|---|---|---|
reasoning_effort | high, max; padrão max | low, high, max; padrão max |
seed | Não aceito | Aceito |
parallel_tool_calls | Não aceito | Aceito; padrão true |
max_tokens | Padrão 32.768; máximo 131.072 | Igual |
| Temperature / top-p | 0-1, padrão 1 / 0.01-1, padrão 0.95 | Igual |
| Sequências de parada | Uma | Uma |
| Saída JSON, ferramentas de função | Compatível | Compatível |
Ambos os endpoints rejeitam campos que não listam, então um corpo escrito para o 5.3 com seed falha no 5.2 em vez de ser ignorado. Mantenha separados os campos de cada modelo.
Nenhuma das rotas aceita medium, e nenhuma consegue desligar o raciocínio. A API própria da Z.ai mapeia none e minimal para sem thinking no 5.2; isso não vale para este contrato hospedado do 5.2. Como o padrão é max nos dois, uma chamada que você não ajustou raciocina o mais fundo possível, e o raciocínio é cobrado como saída.
Para um cliente de roleplay com seletor de esforço configurável, mapeie a configuração mais baixa para high no 5.2 ou low no 5.3, e a mais alta para max. Confira o valor enviado; o rótulo exibido pelo cliente não é um parâmetro da API.
Quanto custa
| USD por milhão de tokens | GLM 5.2 | GLM 5.3 | GLM 5.3 Flash |
|---|---|---|---|
| Entrada sem cache | $0,98 | $1,05 | $0,1275 |
| Entrada em cache | $0,182 | $0,195 | $0,0255 |
| Saída | $3,08 | $3,30 | $0,425 |
Com o mesmo número de tokens, o 5.3 custa 7,14% mais que o 5.2; o 5.2 é 6,7% mais barato que o 5.3. Conte os acertos de cache pela tarifa de cache em vez de cobrá-los de novo como entrada sem cache. Três trabalhos:
| Trabalho | 5.2 | 5.3 | 5.3 Flash |
|---|---|---|---|
| 40.000 de entrada sem cache, 4.000 de saída | $0,05152 | $0,0552 | $0,0068 |
| 30.000 em cache + 10.000 de entrada sem cache, 4.000 de saída | $0,02758 | $0,02955 | $0,00374 |
| Documento longo: 600.000 de entrada sem cache, 8.000 de saída | $0,61264 | $0,6564 | $0,0799 |
Dez mil execuções do primeiro trabalho custam $515,20 no 5.2 e $552 no 5.3. A diferença de tarifa é pequena; o tamanho do raciocínio mexe mais na conta. Se o 5.3 com low produzir uma resposta aceita com um terço dos tokens de saída, ele sai mais barato que o 5.2 com max. Compare o custo por resposta aceita a partir do usage devolvido, não o custo por chamada.
Escrita adulta: onde cada modelo para
Com base nos nossos testes de conteúdo de setembro de 2026 (em inglês, requisições únicas):
- Cenas sugestivas e implícitas. Os dois suavizam o degrau mais leve (uma cena de flerte) em qualquer formulação, e os dois escrevem cenas sensuais implícitas sem problemas.
- Conteúdo adulto mais forte em termos diretos. O 5.2 o escreve quando pedido diretamente ou por um prompt de sistema, e recusa quando é enquadrado como história. O 5.3 o escreve somente por um prompt de sistema.
- Cenas íntimas escritas entre adultos. Nenhum dos dois é confiável. Com o prompt de sistema, o 5.2 concluiu 2 de 3 pedidos e o 5.3 concluiu 4 de 8. Essas amostras pequenas mostram por que novas tentativas podem ser necessárias, e não estabelecem uma taxa de sucesso de longo prazo. Pedidos diretos são recusados nos dois, e o enquadramento como história sozinho gera saída suavizada.
- Contenção ou violência consensuais na ficção. Os dois renderizam isso na maioria das execuções.
Defina o contexto de ficção no prompt de sistema em qualquer um dos modelos, e espere que alguns pedidos ainda sejam suavizados ou recusados. Se essa for sua carga principal, o GLM 5.3 Flash também é rotulado como sem censura, por uma fração do preço. Veja as avaliações do GLM 5.2 e do GLM 5.3 para a escada completa.
O que as diferenças de controle significam para a aplicação de um criador
Pense em um assistente de agendamento com três tarefas: ler um briefing de cena aprovado, encontrar uma sala e reservá-la depois de confirmar o horário. Para a primeira tarefa, o 5.2 tem as capacidades comuns de texto e JSON, com tarifas listadas mais baixas. Se a extração já é utilizável, a versão mais nova por si só não é motivo para migrar.
Para uma extração curta no 5.3, low é uma opção de configuração relevante porque o 5.2 não a expõe. Um briefing com duas personagens, três planos e um horário indicado não exige o mesmo escopo de raciocínio que uma agenda de um mês com dependências. Defina o esforço explicitamente em vez de aceitar o máximo padrão nos dois.
Para reservas, parallel_tool_calls: false no 5.3 pode manter as chamadas em sequência, mas a ordem também precisa ser imposta pela sua aplicação. Um pedido de reserva precisa do horário devolvido pela consulta de disponibilidade. Se a consulta não devolve nenhum horário, a aplicação não deve executar uma reserva posterior com um horário inventado. Chamadas sequenciais não fazem aparecer uma disponibilidade que não existe.
Uma seed pode ajudar a manter fixa uma configuração de geração ao comparar prompts alterados. Ela não torna uma resposta criativa canônica, não garante repetição idêntica e não resolve uma fonte ausente. Para uma aplicação de companhia adulta, guarde os fatos aprovados da personagem no seu próprio registro em vez de confiar que a seed os mantenha estáveis.
Uma agenda de uma hora que dá para conferir sem um juiz de IA
O exemplo abaixo reserva 14:00–14:10 para a montagem e 14:50–15:00 para guardar o equipamento, deixando 40 minutos para os três planos. Uma divisão escrita por uma pessoa: 14:10–14:20 para o close da carta, 14:20–14:35 para o sorriso compartilhado e 14:35–14:50 para a caminhada. São horários propostos, não uma agenda gerada pelo GLM nem uma promessa de que a gravação termine nesse tempo.
Se o briefing adicionar uma troca de iluminação de dez minutos entre o segundo e o terceiro plano, sobram só 30 minutos para gravar. Peça essa transição explicitamente e recalcule o tempo disponível. Um modelo que produz uma tabela de aparência fluida omitindo a transição não resolveu a tarefa alterada. Esse é um caso de teste de migração mais útil do que comparar quão persuasivas soam as duas explicações.
Experimente primeiro no Playground
- Abra o GLM 5.3 e mude para o Playground.
- Cole o briefing do teaser de três planos abaixo e peça uma agenda com raciocínio Low.
- Confirme que montagem, três planos e desmontagem cabem na janela de uma hora. Compare o 5.2 em High apenas se essa for a rota que você já usa.
Uma requisição completa
Isto transforma o briefing de um teaser romântico curto em uma agenda JSON no 5.3 com esforço low. Para entradas longas ou raciocínio profundo, use stream: true: um timeout maior no cliente não impede o corte de cerca de 100 segundos que a borda da rede aplica a respostas sem 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 enviar ao 5.2, troque o modelo para zai/glm-5.2/chat e o esforço para high; deixe de fora seed e parallel_tool_calls.
Confira choices[0].finish_reason e analise choices[0].message.content, depois verifique a agenda no seu próprio código: planos, montagem e desmontagem devem caber em 60 minutos, o primeiro plano não antes das 14:10, a desmontagem concluída até as 15:00. Um JSON que é analisado sem erro ainda pode sobrepor dois planos ou alocar 70 minutos a uma janela de uma hora.
Deixe um Agent preparar a chamada
Para extração repetida de agendas, peça ao seu Agent de programação que use o SpicyAPI Skill: “Leia zai/glm-5.3/chat e depois adapte o exemplo à minha entrada; mostre a requisição antes de executá-la.” A consulta pela CLI é spicyapi models get zai/glm-5.3/chat --json; a consulta por MCP é spicyapi_model_get com model: "zai/glm-5.3/chat". Chamadas de chat usam um cliente compatível ou a API de chat; os comandos de tarefas de mídia não geram respostas de chat.
Como migrar entre eles
Para uma verificação de migração em condições equivalentes, rode seus prompts atuais nos dois IDs com high e compare as respostas aceitas e o uso total. Depois teste o 5.3 com low separadamente para ver se o raciocínio mais curto ainda atende às mesmas verificações. Mantenha o ID antigo como alternativa até a nova rota passar.
Valor de raciocínio inválido. medium falha nos dois, e low falha no 5.2.
Resposta visível vazia. Uma string stop pode disparar durante o raciocínio e encerrar o turno antes de qualquer resposta. Remova-a se não precisar dela, e nunca use uma palavra comum como END.
Foto ou PDF rejeitado. Os dois aceitam apenas texto; extraia o texto primeiro.
Chamada de ferramenta tratada como concluída. Devolva a mensagem completa do assistente com a chamada da ferramenta, execute uma função de uma lista permitida e acrescente uma mensagem role: tool com o tool_call_id correspondente. Uma reserva proposta não é uma reserva.
Resposta cortada. Aumente max_tokens (máximo 131.072) ou peça menos, e rejeite um motivo de término length antes de importar o JSON.
Para uma nova integração de programação ou ferramentas, comece pelo GLM 5.3. Para um fluxo de ficção adulta que já funciona, o GLM 5.2 continua sendo o ponto de partida mais barato e mais cooperativo; a mudança de versão por si só não é motivo para migrar.
