
Codage et modèle agent avec un contexte de jeton 1M, sortie 128K, raisonnement toujours actif à faible ou haut effort, recherche web native et appel d’outils.
Codage et modèle agent avec un contexte de jeton 1M, sortie 128K, raisonnement toujours actif à faible ou haut effort, recherche web native et appel d’outils.
Notes: - Fenêtre de contexte: 1 million de jetons - Sortie maximale: 128K jetons - Toujours des raisons; La réflexion ne peut pas être désactivée - Effort de raisonnement: faible, élevé ou max (max recommandé pour le codage complexe) - Une demande pour un effort différent, ou pour désactiver la réflexion, est servie au niveau supporté le plus proche - La recherche web intégrée ajoute $0.033 par requête lorsqu’elle est utilisée - Prend en charge l’appel de fonction, la sortie structurée (mode JSON) et le streaming
Aussi connu sous le nom Z.ai GLM 5.3
glm-5-3/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/glm-5-3:generateContentglm-5.3zai/glm-5.3zhipu/glm-5.3Tarifs à l'usage en direct du catalogue EmpirioLabs. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
GLM 5.3 sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle glm-5-3. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5-3",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="glm-5-3",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Paramètres de requête pris en charge par l'API GLM 5.3 sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| max_tokens | integer | 65536 | 1 à 131072 | Nombre maximal de jetons de sortie à générer. |
| temperature | number | 1 | 0 à 1 | Contrôle l’aléatoire. Des valeurs plus basses rendent les réponses plus déterministes. |
| top_p | number | 0.95 | 0.01 à 1 | Coupure d’échantillonnage du noyau. |
| reasoning_effort | enum | max | low, high, max | Ce modèle raisonne toujours et ne peut pas être désactivé. Low signifie léger, high est amélioré, et max est raisonnement profond. Max est recommandé pour le codage... |
| preserve_thinking | boolean | false | - | Inclure le raisonnement des tours d’assistant précédents dans l’entrée du modèle sur /v1/chat/completions. Restituer le raisonnement de chaque tour inchangé dans le... |
| do_sample | boolean | true | - | Activez l’échantillonnage. Désactivez les résultats déterministes avides (température et top_p sont ignorées). |
| tool_web_search | boolean | false | - | Activez la recherche web intégrée. Ajoute $0.033 par requête lorsqu’elle est utilisée. |
| search_recency_filter | enum | noLimit | oneDay, oneWeek, oneMonth, oneYear, noLimit | Limitez les résultats de recherche web à une fenêtre de récence. |
| count | integer | 10 | 1 à 50 | Nombre de résultats de recherche web à récupérer lorsque la recherche web est activée. |
| search_domain_filter | string | - | - | Restreignez la recherche web à un domaine spécifique. |
| search_prompt | string | - | - | Prompt optionnel utilisé pour résumer les résultats de recherche web récupérés. |
| search_result | boolean | true | - | Retournez les métadonnées des résultats de recherche web dans la réponse lorsque la recherche web est activée. |
| tool_stream | boolean | false | - | Diffusez progressivement les arguments d’appel de fonction lors du streaming. |
| tools | array | [] | - | Définitions d’outils d’appel de fonction compatibles OpenAI. |
Annonces, tests de prompts et comparaisons qui couvrent ce modèle.
Accès aux API Comment utiliser l’API GLM 5.3 GLM 5.3 est le modèle phare de codage et d’agent de Z.ai, avec un contexte de jeton 1M, un raisonnement toujours actif à...
Guides Kimi K3 contre GLM 5.3 vs Qwen3.8 Max contre DeepSeek V4 Pro: Flappy Bird et Missile Command autonomes Nous avons donné à Kimi K3, GLM 5.3, Qwen3.8 Max 0902 et DeepSeek V4 Pro 0813 les mêmes deux invites de codage à la...
Guides Kimi K3 vs GLM 5.3 vs Qwen3.8 Max vs DeepSeek V4 Pro: un aquarium, un avion en papier et une petite planète Nous avons donné à Kimi K3, GLM 5.3, Qwen3.8 Max 0902 et DeepSeek V4 Pro 0813 les mêmes trois invites de codage à la...Sur EmpirioLabs, GLM 5.3 est facturé à l'usage : Entrée $1.40 par 1M de jetons d’invite; Sortie $4.40 par 1M de jetons générés; Recherche Web $0.033 à la demande. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
GLM 5.3 accepte en entrée Texte et renvoie Texte.
GLM 5.3 prend en charge une fenêtre de contexte de 1M tokens avec jusqu'à 131 072 tokens de sortie par réponse.
Oui. GLM 5.3 sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle glm-5-3.
Envoyez glm-5-3 comme modèle dans votre requête. Les identifiants alternatifs glm-5.3, zai/glm-5.3, zhipu/glm-5.3 fonctionnent aussi.
Z.ai a lancé GLM 5.3 le 14 août 2026.
Sur EmpirioLabs, GLM 5.3 est servi depuis Singapore.
Oui. Le playground EmpirioLabs exécute GLM 5.3 dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.