
100만 토큰 컨텍스트를 가진 코딩 및 에이전트 모델, 128K 출력, 항상 켜져 있는 추론, 낮은 노력, 높은 노력, 최대 노력 모두에서의 추론, 네이티브 웹 검색, 툴 호출.
100만 토큰 컨텍스트를 가진 코딩 및 에이전트 모델, 128K 출력, 항상 켜져 있는 추론, 낮은 노력, 높은 노력, 최대 노력 모두에서의 추론, 네이티브 웹 검색, 툴 호출.
참고: - 컨텍스트 창: 1M 토큰 - 최대 출력: 128K 토큰 - 항상 이유; 사고는 비활성화할 수 없습니다 - 추론 노력: 낮음, 높음, 최대값(복잡한 코딩에 최대 권장) - 다른 노력 요청이나 사고 종료 요청은 가장 가까운 지원 수준에서 제공됩니다 - 내장 웹 검색 기능이 사용 시 요청당 $0.033 증가 - 함수 호출, 구조화 출력(JSON 모드), 스트리밍 지원
다른 이름 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-5.3EmpirioLabs 카탈로그의 실시간 종량제 요금입니다. 주간 사용량이 포함된 요금제를 선택할 수도 있습니다.
GLM 5.3은(는) OpenAI 호환 Chat Completions API를 제공합니다. 아무 OpenAI SDK나 EmpirioLabs API 키와 함께 https://api.empiriolabs.ai/v1로 지정하고 모델 ID glm-5-3를 사용하세요. EmpirioLabs 대시보드에서 API 키를 발급받으세요.
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)EmpirioLabs에서 GLM 5.3 API가 지원하는 요청 파라미터입니다. 필드를 생략하면 기본값이 적용됩니다.
| 파라미터 | 유형 | 기본값 | 범위 / 값 | 설명 |
|---|---|---|---|---|
| max_tokens | integer | 65536 | 1 ~ 131072 | 생성할 수 있는 최대 출력 토큰 수. |
| temperature | number | 1 | 0 ~ 1 | 무작위성을 제어합니다. 값이 낮을수록 응답이 더 결정론적이어집니다. |
| top_p | number | 0.95 | 0.01 ~ 1 | 핵 샘플링 컷오프. |
| reasoning_effort | enum | max | low, high, max | 이 모델은 항상 추론하며 끌 수 없습니다. 낮은 것은 가볍고, 높은 강화되며, 최대는 깊은 추론입니다. 복잡한 코딩에는 최대가 권장됩니다. |
| preserve_thinking | boolean | false | - | 이전 조수 턴의 추론을 모델 입력에 포함/v1/chat/completions. 각 턴의 추론을 해당 조수 메시지의 reasoning_content 필드에 변경되지 않은 상태로 반환합니다. 이전 추론은 입력 토큰으로 청구됩니다. |
| do_sample | boolean | true | - | 샘플링을 활성화하세요. 탐욕적이고 결정론적인 출력(온도와 top_p은 무시)을 위해 끄세요. |
| tool_web_search | boolean | false | - | 내장 웹 검색 기능을 활성화하세요. 사용 시 요청당 $0.033 추가 정보가 발생합니다. |
| search_recency_filter | enum | noLimit | oneDay, oneWeek, oneMonth, oneYear, noLimit | 웹 검색 결과를 최신 시간 창으로 제한하세요. |
| count | integer | 10 | 1 ~ 50 | 웹 검색이 활성화되었을 때 검색할 수 있는 웹 검색 결과 수. |
| search_domain_filter | string | - | - | 웹 검색을 특정 도메인으로 제한하세요. |
| search_prompt | string | - | - | 검색 결과를 요약하는 데 사용되는 선택적 프롬프트. |
| search_result | boolean | true | - | 웹 검색이 활성화되면 응답에서 웹 검색 결과 메타데이터를 반환하세요. |
| tool_stream | boolean | false | - | 스트리밍할 때 함수-호출 인자를 점진적으로 스트리밍하세요. |
| tools | array | [] | - | OpenAI 호환 함수 호출 도구 정의. |
이 모델을 다룬 공지, 프롬프트 테스트, 비교 글입니다.
API 액세스 GLM 5.3 API 사용 방법 GLM 5.3은 Z.ai의 대표적인 코딩 및 에이전트 모델로, 100만 토큰 컨텍스트, 세 가지 노력 수준에서의 항상 연결된 추론, 네이티브 웹 검색, 툴 호출을 지원합니다.
제품정보 키미 K3 대 GLM 5.3 대 Qwen3.8 맥스 vs 딥시크 V4 프로: 셀프 플레이 플래피 버드와 미사일 커맨드 Kimi K3, GLM 5.3, Qwen3.8 Max 0902, DeepSeek V4 Pro 0813에 동일한 두 개의 코딩 프롬프트를 최대 추론 상태로 한 번씩 주었고, 모든 결과를 실시간으로 렌더링했습니다.
제품정보 Kimi K3 대 GLM 5.3 대 Qwen3.8 Max 대 DeepSeek V4 Pro: 수족관, 종이비행기, 그리고 작은 행성 Kimi K3, GLM 5.3, Qwen3.8 Max 0902, DeepSeek V4 Pro 0813에 동일한 세 가지 코딩 프롬프트를 최대 추론 상태로 한 번씩 적용했고, 모든 결과를 실시간으로 렌더링했습니다.EmpirioLabs에서 GLM 5.3은(는) 종량제로 청구됩니다: 입력 $1.40 1M 프롬프트 토큰당; 출력 $4.40 생성된 토큰 1M 단위; 웹 검색 $0.033 요청에 따라. 주간 사용량이 포함된 요금제를 선택할 수도 있습니다. 이 페이지의 실시간 요금표는 항상 API 청구 금액과 일치합니다.
GLM 5.3은(는) 텍스트을(를) 입력으로 받아 텍스트을(를) 반환합니다.
GLM 5.3은(는) 1M 토큰 컨텍스트 윈도우를 지원합니다 (응답당 최대 131,072 출력 토큰).
네. GLM 5.3은(는) OpenAI 호환 Chat Completions API를 제공하므로, 기존 OpenAI SDK에서 base_url을 https://api.empiriolabs.ai/v1로 지정하고 모델 ID를 glm-5-3로 설정하면 바로 동작합니다.
요청의 model 값으로 glm-5-3을(를) 보내세요. 대체 ID glm-5.3, zai/glm-5.3, zhipu/glm-5.3도 사용할 수 있습니다.
Z.ai은(는) 2026년 8월 14일에 GLM 5.3을(를) 출시했습니다.
EmpirioLabs의 GLM 5.3은(는) Singapore에서 제공됩니다.
네. EmpirioLabs 플레이그라운드에서 API와 동일한 파라미터로 GLM 5.3을(를) 브라우저에서 실행하므로 코드를 작성하기 전에 프롬프트를 테스트할 수 있습니다.
EmpirioLabs 계정을 만든 다음 대시보드의 API Keys에서 키를 생성하세요. 요금은 종량제 크레딧이라 실행한 요청에 대해서만 결제합니다. 주간 사용량이 포함된 요금제를 선택할 수도 있습니다.