Introdução
GLM 5.3 é o modelo de contexto longo de tamanho completo da Z.ai, disponível aqui como um endpoint compatível com OpenAI em /v1/chat/completions. Ele lê até 1.048.576 tokens em no máximo 256 mensagens e responde com até 131.072, então todo um conjunto de material e o raciocínio tirado dele cabem na mesma chamada.
O esforço de raciocínio aceita low, high ou max, e max já é o padrão. Aceita temperature (de 0 a 1) e top_p, response_format devolve JSON, é possível declarar até 128 tools, o conteúdo das mensagens é só texto e as respostas chegam por Server-Sent Events.
Recursos e destaques
O material e o raciocínio numa chamada
Uma janela longa é só metade da história; a outra metade é se uma cadeia de inferências ainda se sustenta nesse tamanho. Carregue um contrato-mestre com seus aditivos, ou uma especificação com o código que a implementa, e peça conclusões apoiadas em trechos separados por centenas de páginas.
Um degrau de cima que faz valer os tokens
low, high e max se diferenciam nas respostas em que várias coisas precisam estar certas ao mesmo tempo: uma dedução apoiada em três parágrafos que nunca aparecem juntos, ou uma mudança que precisa respeitar uma invariante declarada em outro lugar. Guarde max para esses casos e use low nas passadas mecânicas.
Espaço para o raciocínio, não só para o veredito
Uma resposta pode chegar a 131.072 tokens: o bastante para a conclusão, as alternativas descartadas e as citações que resolvem a questão. Peça o raciocínio explicitamente quando alguém for conferi-lo.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
messages | Sim | No máximo 256 turnos ordenados, só conteúdo de texto. Ponha o material numa mensagem de user e a pergunta mais o formato de saída na de system. pelo menos 1 itens · no máximo 256 itens |
reasoning_effort | Não | low, high ou max. |
stop | Não | Uma sequência, como string ou array de um item: a Z.ai só lê uma. A resposta termina assim que o modelo a escreve, e o texto correspondente não é devolvido. pelo menos 1 caracteres · pelo menos 1 itens · no máximo 1 itens |
max_tokens | Não | Limita a resposta a 131.072. Padrão 32.768; aumente quando pedir o raciocínio e não só o veredicto. |
seed | Não | Qualquer inteiro. |
temperature | Não | De 0 a 1, padrão 1. Segure em 0 sempre que a resposta for lida por código. |
top_p | Não | De 0,01 a 1, padrão 0,95. Ajuste este ou temperature, nunca os dois na mesma comparação. |
tools | Não | Até 128 definições de função por requisição. no máximo 128 itens |
parallel_tool_calls | Não | true ou false, padrão true: o modelo pode pedir várias chamadas de ferramenta no mesmo turno. Valor padrão: |
tool_choice | Não | auto, none, required ou um objeto nomeando uma função. |
response_format | Não | Peça um objeto JSON e nomeie todas as chaves na mensagem de system. |
Preços
Entrada $1.05 / Saída $3.30 por 1 milhão de tokens
Casos de uso
Quatro documentos e uma pergunta
Carregue numa requisição um contrato-mestre e seus três aditivos e pergunte quais cláusulas agora se contradizem. A resposta depende de dois trechos muito distantes, exatamente onde uma camada de busca falha: ela traz o que parece relevante para a pergunta, não o par que discorda.
Revisão de incidente com todos os artefatos
Coloque na mesma chamada a linha do tempo dos alertas, o log de deploy, o diff de configuração e a transcrição do plantão, e peça a cadeia causal com a evidência de cada elo e as hipóteses descartadas.
Backends de agentes em que uma chamada é uma ação real
Declare até 128 funções — reembolso, mudança de permissões, escalonamento de ticket — e deixe o tool_choice decidir. Quando uma chamada executa uma ação real, saber quando não chamar nada vale tanto quanto a própria chamada.
Guia de prompt e dicas práticas
Coloque o registro inteiro, não um resumo
Carregue o material numa única mensagem de usuário, do mais antigo ao mais recente, e reserve a mensagem de sistema para a pergunta, o formato de saída e o nível de evidência que você espera.
Peça o raciocínio, não só o veredito
POST https://api.spicyapi.ai/v1/chat/completions com {"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 torna uma nova execução sobre os mesmos documentos diretamente comparável.
Planeje o timeout e o orçamento
A chamada é síncrona, e uma janela cheia em max pode levar minutos para voltar, então dimensione o timeout do cliente para esta requisição ou receba a resposta em streaming. max_tokens vem com 32.768 por padrão e vai até 131.072; partes de imagem e de arquivo são rejeitadas, e um response_format JSON ainda precisa ser analisado do seu lado.
Início rápido da 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'
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
