Cómo usar la API GLM 5.3

GLM 5.3 es el modelo insignia de codificación y agentes de Z.ai, lanzado el 14 de agosto de 2026. Funciona con el mismo modelo base que GLM 5.2, con las mejoras derivadas de un post-entrenamiento extendido en lugar de una nueva ejecución previa: Z.ai reporta una mejora del 50% en la codificación respecto a GLM 5.2 en su propio Code Bench, junto con state-of-the-art resultados entre modelos de código abierto en Terminal Bench 3.0 y Agents' Last Exam.

GLM 5.3 está disponible en EmpirioLabs hoy a través de una API compatible con OpenAI, con entrada y salida de texto, un contexto de token de 1M, hasta 128K tokens de salida, llamadas a funciones, salida estructurada en modo JSON, búsqueda web integrada y streaming. Pruébalo en el parque infantil o llamarlo de cualquier cliente compatible con OpenAI. La especificaciones completas y las tasas actuales viven en Página del modelo GLM 5.3 y el API docs.

Precios

La facturación se basa en el uso: los tokens de entrada y salida se miden por token, y cada búsqueda web integrada añade una pequeña tarifa por llamada que solo se aplica cuando la búsqueda realmente se ejecuta. No hay un nivel de caché separado. Las tasas actuales por token siempre están en la página modelo y el página de precios, que se mantienen en sincronía con lo que se cobra.

Quickstart

Indique cualquier SDK OpenAI en la URL base EmpirioLabs y pase glm-5-3 como modelo:

desde openai import OpenAI client = OpenAI(base_url="https://api.empiriolabs.ai/v1", api_key="YOUR_EMPIRIOLABS_API_KEY",) resp = client.chat.completions.create(model="glm-5-3", messages=[ {"role": "user", "content": "Encuentra la condición de carrera en este grupo de trabajadores y propone una solución."}, ], reasoning_effort="max",) print(resp.choices[0].message.content)

El mismo id de modelo funciona /v1/responses, el de forma antrópica /v1/messages, y el compatible con Google /v1beta/models/glm-5-3:generateContent Ruta. Identificadores alternativos GLM-5.3, zai/glm-5.3, y zhipu/glm-5.3 resuelve al mismo modelo.

Reasoning effort

GLM 5.3 expone un nativo reasoning effort Control con tres niveles: Grave para razonamiento ligero, Alto para razonamiento mejorado, y max por razones profundas. El valor por defecto es max, que es lo que Z.ai recomienda para codificación compleja y trabajo de agentes a largo plazo. Descender a Grave para giros cortos, sensibles a la latencia.

Búsqueda web y herramientas

Set tool_web_search a Cierto dejar que el modelo busque en la web antes de responder, y acotar los resultados con search_recency_filter, search_domain_filter, y Conde. La llamada a funciones utiliza el estándar OpenAI Herramientas y tool_stream Flujos llaman a los argumentos de llamada de herramientas a medida que se producen.

Cosas que merece la pena saber antes de tu primera llamada

• El razonamiento no se puede desactivar, así que siempre forma parte de tu factura de producción. A diferencia del GLM 5.2, este modelo no tiene modo de pensar, y reasoning effort solo acepta Grave, Alto, y max. Una solicitud que pide un nivel diferente, o que el pensamiento sea deshabilitado, se atiende en el nivel soportado más cercano en lugar de fallar, por lo que el código escrito para GLM 5.2 sigue funcionando. Los tokens de razonamiento facturan como tokens de salida, y en max Incluso una respuesta de una sola palabra puede gastar la mayor parte de su presupuesto de producción pensando, así que enviar Grave Explícitamente para llamadas triviales.
• La salida estructurada es en modo JSON, no en aplicación de esquemas. Uso response_format con {"tipo": "json_object"} Y describe los campos que quieres en el prompt. Suministrar un esquema JSON es aceptado pero no se impone, así que valida el resultado de tu lado en lugar de asumir la forma.
• Es solo texto. Se rechazan imágenes, vídeos y partes de archivos. Utiliza un modelo de visión como GLM 5.3 Flash para la entrada multimodal.

¿A dónde ir ahora

Abre el parque infantil para probar GLM 5.3 sin escribir código, lee el Referencia de API para la lista completa de parámetros, o navega por la Catálogo de modelos para compararlo con el resto de la formación.