Comment utiliser l’API GLM 5.3

GLM 5.3 est le modèle phare de codage et d’agent de Z.ai, sorti le 14 août 2026. Il fonctionne sur le même modèle de base que GLM 5.2, avec les gains provenant d’un post-entraînement prolongé plutôt qu’une nouvelle exécution de pré-entraînement: Z.ai rapporte une amélioration de 50 % du codage par rapport à GLM 5.2 sur son propre Code Bench, ainsi que des résultats state-of-the-art parmi les modèles open source sur Terminal Bench 3.0 et Agents' Last Exam.

GLM 5.3 est disponible aujourd’hui sur EmpirioLabs via une API compatible OpenAI, avec entrée et sortie texte, un contexte de jeton 1M, jusqu’à 128K jetons de sortie, appel de fonctions, sortie structurée en mode JSON, recherche web intégrée et streaming. Essaie-le dans le aire de jeux ou appelez-le d'un client compatible OpenAI. L'ensemble de la spec et les taux actuels vivent sur le Page modèle GLM 5.3 et les Docs API.

Prix

La facturation est basée sur l’utilisation: les jetons d’entrée et de sortie sont mesurés par jeton, et chaque recherche web intégrée ajoute un petit frais par appel qui ne s’applique que lorsqu’une recherche est effectivement effectuée. Il n’y a pas de niveau de cache séparé. Les taux actuels par jeton sont toujours présents sur le page modèle et les page de prix, qui restent en phase avec ce qui vous est facturé.

Démarrer rapidement

Pointez n'importe quel SDK OpenAI à l'URL de base d'EmpirioLabs et passez glm-5-3 comme modèle:

from 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 »: « Trouvez la condition de course dans ce pool de travailleurs et proposez une correction."}, ], reasoning_effort="max »,) print(resp.choices[0].message.content)

Le même modèle d’ID fonctionne /v1/responses, la forme anthropique /v1/messages, et le modèle compatible Google /v1beta/models/glm-5-3:générer du contenu Route. Identifiants alternatifs GLM-5.3, zai/glm-5.3, et zhipu/glm-5.3 Résous selon le même modèle.

Efforts de motivation

GLM 5.3 expose un natif raisonnement effort Contrôle avec trois niveaux: Low pour raisonnement léger, haut pour un raisonnement amélioré, et max pour des raisons profondes. Le défaut est max, ce que Z.ai recommande pour le codage complexe et le travail sur les agents à long terme. Descendre à Low pour les virages courts et sensibles à la latence.

Recherche web et outils

Jeu tool_web_search à Vrai laisser le modèle rechercher sur le web avant de répondre, et restreindre les résultats avec search_recency_filter, search_domain_filter, et Comte. L’appel de fonction utilise le standard OpenAI Outils et tool_stream Des flux d’arguments d’appel d’outils au fur et à mesure qu’ils sont produits.

Des choses qui valent la peine d’être connues avant votre premier appel

• Le raisonnement ne peut pas être désactivé, donc cela fait toujours partie de votre facture de sortie. Contrairement à GLM 5.2, ce modèle ne dispose pas de mode de réflexion, et raisonnement effort accepte seulement Low, haut, et max. Une requête qui demande un niveau différent, ou la désactivation de la pensée, est servie au niveau supporté le plus proche plutôt que de tomber en panne, donc le code écrit pour GLM 5.2 continue de fonctionner. Les jetons de raisonnement facturent en tant que jetons de sortie, et en max Même une réponse d’un mot peut dépenser la majeure partie de son budget de production à réfléchir, alors envoyez Low explicitement pour des appels triviaux.
• La sortie structurée est en mode JSON, pas en application du schéma. Utilisation response_format avec {"type »: « json_object"} Et décrivez les champs que vous souhaitez dans la consigne. Fournir un schéma JSON est accepté mais pas appliqué, donc validez le résultat de votre côté plutôt que de supposer la forme.
• C’est uniquement du texte. Les images, vidéos et parties de fichiers sont rejetées. Utilisez un modèle de vision comme GLM 5.3 Flash pour l’entrée multimodale.

Où aller ensuite

Ouvrir la aire de jeux pour essayer GLM 5.3 sans écrire de code, lisez le Référence API pour la liste complète des paramètres, ou parcourez la liste Catalogue de modèles pour le comparer avec le reste de la formation.