GPT 2.6, Veo 3.1, Seedance 2.5, Kling 4 in deAPI!
Web-search and web-contents are now available via API
Browse all Models
Browse all
Browse all
Browse all

LLM

API GLM-5.3, pruébala gratis

GLM-5.3 es un modelo de lenguaje grande (LLM) de pesos abiertos de Z.ai. Lee y escribe texto, admite hasta 1M de tokens de contexto y tiene tres niveles de razonamiento. deAPI lo ofrece en un endpoint compatible con OpenAI, así que el SDK de OpenAI funciona en cuanto cambias la URL base, la clave y el ID del modelo.

  • Entra texto, sale texto; ventana de contexto de 1.000.000 de tokens
  • Salida json_object, llamadas a herramientas y streaming
  • reasoning_effort en tres niveles: low, high y max

Sin tarjeta de crédito · Créditos gratis válidos 30 días · Después recargas saldo y pagas por uso, sin suscripción

GLM-5.3 LLM

model: "glm-5.3"
reasoning_effort: "high"

system: You are an on-call SRE. Name the root cause in at most two sentences, then give a one-line fix. Plain text, no Markdown.

user

Logins return 500 since 09:12. What is the root cause?

09:12:01 INFO  api   GET /reports/418 200 41ms
09:12:07 WARN  redis OOM command not allowed when used memory > 'maxmemory'
09:12:07 ERROR api   POST /login 500 SessionStoreError: could not save session
09:12:08 ERROR api   POST /login 500 SessionStoreError: could not save session
09:12:09 INFO  api   GET /health 200 2ms
assistant

Root cause: Redis hit its maxmemory limit at 09:12:07 and started rejecting writes (OOM command not allowed), so the login endpoint can no longer save sessions, causing 500 errors.

Fix: Free up or raise Redis memory (e.g., flush stale keys / increase maxmemory or set an eviction policy like allkeys-lru), then restart or re-enable writes.

168 tokens de entrada + 79 de salida (0 de razonamiento) · 2,2 s Costo en deAPI: $0,00064 (precio de noviembre de 2026)

Casos de uso de GLM-5.3

Cuatro tareas en las que el modelo encaja, cada una con el dato que lo respalda. Todas funcionan con la misma clave de deAPI que la transcripción, el OCR y la generación de imágenes.

  1. Logs y stack traces. Pega las líneas que rodean un error y pide la causa raíz. En tres ejecuciones de la pregunta de arriba, las tres respuestas señalaron el límite maxmemory de Redis, no el 500 en /login. La primera ejecución usó 168 tokens de entrada y 79 de salida.

  2. Agentes de programación. Z.ai reporta 88,2 en Terminal Bench 2.1 (harness Claude Code) y 66,9 en DeepSWE v1.1 (harness mini-swe-agent). Las herramientas de programación que hablan la API Chat Completions de OpenAI pueden apuntar a https://oai.deapi.ai/v1.

  3. Transcripciones y documentos largos. La ventana de contexto admite 1.000.000 de tokens y una sola respuesta puede llegar a 131.072. Transcribe un día de llamadas de ventas con WhisperLargeV3Ct2 y pide objeciones, seguimientos y citas textuales en una sola solicitud.

  4. Agentes que llaman a herramientas. Con una herramienta get_logs y la solicitud “Logins fail with 500. Check the last 50 log lines of the api service.”, el modelo devolvió una llamada a la herramienta con {"lines": 50, "service": "api"} (una ejecución). Tu código ejecuta la llamada y le devuelve el resultado.

Precios de la API GLM-5.3

Pagas por token con el mismo saldo prepago que usas para los demás modelos de deAPI. Los tokens de razonamiento forman parte de completion_tokens en usage. Sin suscripción.

Entrada (texto) $1,54 ≈ 3,2M de tokens
Entrada en caché (prefijo de prompt repetido) $0,308 ≈ 16M de tokens
Salida (respuesta y razonamiento) $4,84 ≈ 1,0M de tokens
Pregunta sobre logs de la cabecera, una llamada $0,00064 ≈ 7.700 llamadas
De línea de log a JSON (ejemplo en Python), una llamada $0,00025 ≈ 19.000 llamadas

Qué incluye la cuenta gratuita

  • $5 en créditos al añadir una tarjeta de pago
  • Unas 7.700 llamadas como la pregunta sobre logs de la cabecera
  • Créditos válidos por 30 días; después recargas saldo y pagas por uso
Obtén $5 en créditos

Precios de glm-5.3 en USD, noviembre de 2026. Recuentos de tokens de la pregunta de la cabecera y del ejemplo en Python. Límites de contexto y de salida según GET https://oai.deapi.ai/v1/models.

GLM-5.3 vs GLM-5.3 Flash vs Kimi K3

Entrada Texto Texto, imagen Texto, imagen
Contexto 1.000.000 tokens 1.048.576 tokens 1.000.000 tokens
Salida máxima 131.072 tokens 131.072 tokens 131.072 tokens
reasoning_effort low, high, max de none a max, 7 valores; razona incluso con none de none a max, 7 niveles
response_format json_object json_schema, json_object json_schema, json_object
Precio por 1M, entrada / salida $1,54 / $4,84 $0,165 / $0,55 $3,30 / $16,50

Límites y tipos de entrada según GET /v1/models. Valores aceptados de reasoning_effort y response_format según llamadas de prueba del 16 de noviembre de 2026.

Ejemplo de API GLM-5.3

Un POST a https://oai.deapi.ai/v1/chat/completions con tu clave de deAPI como token Bearer. En el SDK de OpenAI, configura base_url, tu clave de deAPI y el ID del modelo; el resto de una llamada a Chat Completions queda igual. Sustituye YOUR_API_KEY por una clave de tu panel.

ID del modelo
glm-5.3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Entrada
Solo texto. Una solicitud con una parte image_url devuelve un error 400.
Contexto y salida
Ventana de contexto de 1.000.000 de tokens, hasta 131.072 tokens por respuesta
Razonamiento
reasoning_effort: low, high o max. Otros valores devuelven un error 400. Cuando el modelo razona, el texto llega en reasoning_content.
Opciones de salida
response_format con json_object, tools, stream. json_schema no está soportado, así que nombra las claves en el prompt.
curl https://oai.deapi.ai/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "glm-5.3",
    "reasoning_effort": "low",
    "messages": [
      {"role": "system", "content": "Sort support tickets. Reply with one word: billing, bug, feature or other."},
      {"role": "user", "content": "I was charged twice for the November top-up."}
    ]
  }'
import json
from openai import OpenAI

client = OpenAI(base_url="https://oai.deapi.ai/v1", api_key="YOUR_API_KEY")

log_line = "09:12:07 ERROR api POST /login 500 SessionStoreError: could not save session"

response = client.chat.completions.create(
    model="glm-5.3",
    reasoning_effort="low",
    messages=[
        {"role": "system", "content": "Read the log line. Reply with a JSON object "
         "with exactly these keys: service (string), level (string), "
         "status (number), error (string)."},
        {"role": "user", "content": log_line},
    ],
    response_format={"type": "json_object"},
)

entry = json.loads(response.choices[0].message.content)
print(entry["service"], entry["level"], entry["status"])  # api ERROR 500
print(entry["error"])  # SessionStoreError: could not save session
print(response.usage)

¿Qué es GLM-5.3?

GLM-5.3 es un modelo de texto de pesos abiertos de Z.ai, publicado en Hugging Face bajo la GLM-5.3 License. La ficha del modelo de Z.ai dice que usa el mismo modelo base que GLM-5.2 y que todas las mejoras vienen del post-entrenamiento. Recibe texto, escribe texto y tiene tres niveles de razonamiento. En deAPI lo llamas como a cualquier modelo de chat de OpenAI y pagas por token.

  1. Crea una cuenta gratis

    Regístrate y recibe $5 en créditos.

  2. Apunta tu cliente a deAPI

    Configura base_url como https://oai.deapi.ai/v1 y usa tu clave de deAPI.

  3. Envía la solicitud

    Usa glm-5.3 como modelo y lee la respuesta en choices[0].message.content.

Preguntas frecuentes sobre GLM-5.3

Sí. deAPI lo ofrece en https://oai.deapi.ai/v1 con el ID de modelo glm-5.3 y el formato de solicitud y respuesta de la API Chat Completions de OpenAI. En código escrito para el SDK de OpenAI cambias tres valores: base_url, la clave de API y el modelo. Haz tus propias pruebas antes de migrar tráfico.
Una cuenta nueva de deAPI recibe $5 en créditos al añadir una tarjeta de pago, suficiente para unas 7.700 llamadas como la pregunta sobre logs de esta página. Los créditos son válidos por 30 días. Después recargas saldo y pagas por uso, sin suscripción.
$1,54 por millón de tokens de entrada y $4,84 por millón de tokens de salida (noviembre de 2026). Los tokens de razonamiento cuentan como salida y los ves en usage.completion_tokens_details.reasoning_tokens.
No. GLM-5.3 en deAPI solo recibe texto, y una solicitud con una parte image_url devuelve un error 400. Para imágenes, llama a glm-5.3-flash en el mismo endpoint. Pasa los PDF y los escaneos por la API OCR y envía el texto.
En deAPI la ventana de contexto es de 1.000.000 de tokens y una respuesta puede tener hasta 131.072 tokens. Los tokens de razonamiento cuentan para max_tokens.
La ficha del modelo de Z.ai indica 88,2 en Terminal Bench 2.1, 66,9 en DeepSWE v1.1, 28,3 en Terminal Bench 3.0 y 84,5 en CyberGym, los dos últimos con el esfuerzo de razonamiento en max. Son cifras de Z.ai; pruébalo con tus propios datos usando los créditos gratis.
reasoning_effort acepta low, high o max; no existe none. Con la solicitud de tickets del ejemplo de cURL, low respondió “billing” con 2 tokens de salida y high dio la misma respuesta con 5 tokens de salida, 3 de ellos de razonamiento (una ejecución cada uno). Para JSON, usa response_format: {"type": "json_object"} y nombra las claves en el prompt, como en el ejemplo en Python. json_schema devuelve un error unsupported_parameter.
Z.ai publica los pesos en Hugging Face bajo su propia GLM-5.3 License. La licencia concede el derecho a usar, modificar, distribuir y vender copias. Las empresas que operan un negocio de modelo como servicio con más de 10 mil millones de dólares estadounidenses de ingresos en 12 meses deben pasar antes una revisión de seguridad de Z.ai. Las llamadas a través de deAPI también están sujetas a los Términos de servicio de deAPI.

Envía tu primera solicitud a GLM-5.3 con $5 en créditos gratis

Regístrate con tu correo o con Google. Sin suscripción, pagas por uso.