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

GLM-5.3 API, coba gratis

GLM-5.3 adalah large language model open-weight dari Z.ai. Model ini membaca dan menulis teks, menampung konteks hingga 1 juta token dan punya tiga tingkat reasoning. deAPI menyajikannya di endpoint yang kompatibel dengan OpenAI, jadi OpenAI SDK bisa langsung dipakai setelah Anda mengganti base URL, API key dan model ID.

  • Teks masuk, teks keluar, context window 1.000.000 token
  • Output json_object, tool call dan streaming
  • reasoning_effort dalam tiga tingkat: low, high dan max

Tanpa kartu kredit · Kredit gratis berlaku 30 hari · Setelah itu isi saldo dan bayar sesuai pemakaian, tanpa langganan

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 token input + 79 token output (0 reasoning) · 2,2 detik Biaya di deAPI: $0,00064 (harga per November 2026)

Kasus penggunaan GLM-5.3

Empat pekerjaan yang cocok untuk model ini, masing-masing dengan angka pendukungnya. Semuanya berjalan dengan API key deAPI yang sama seperti transkripsi, OCR dan pembuatan gambar.

  1. Log dan stack trace. Tempel baris-baris di sekitar error dan tanyakan akar masalahnya. Dalam tiga percobaan untuk pertanyaan di atas, ketiga jawaban menyebut batas maxmemory Redis, bukan error 500 di /login. Percobaan pertama memakai 168 token input dan 79 token output.

  2. Coding agent. Z.ai melaporkan 88,2 di Terminal Bench 2.1 (harness Claude Code) dan 66,9 di DeepSWE v1.1 (harness mini-swe-agent). Tool coding yang mendukung OpenAI Chat Completions API bisa diarahkan ke https://oai.deapi.ai/v1.

  3. Transkrip dan dokumen panjang. Context window menampung 1.000.000 token dan satu jawaban bisa mencapai 131.072 token. Transkripsikan panggilan sales seharian dengan WhisperLargeV3Ct2, lalu minta daftar keberatan, tindak lanjut dan kutipan dalam satu request.

  4. Agent yang memanggil tool. Dengan tool get_logs dan request “Logins fail with 500. Check the last 50 log lines of the api service.”, model mengembalikan tool call dengan {"lines": 50, "service": "api"} (satu kali percobaan). Kode Anda menjalankan panggilan itu dan mengirim hasilnya kembali.

Harga GLM-5.3 API

Anda membayar per token dari saldo prabayar yang sama dengan semua model deAPI lainnya. Token reasoning termasuk dalam completion_tokens di usage. Tanpa langganan.

Input (teks) $1,54 ≈ 3,2 juta token
Input ter-cache (awalan prompt yang berulang) $0,308 ≈ 16 juta token
Output (jawaban dan reasoning) $4,84 ≈ 1,0 juta token
Pertanyaan log di hero, satu panggilan $0,00064 ≈ 7.700 panggilan
Baris log ke JSON (contoh Python), satu panggilan $0,00025 ≈ 19.000 panggilan

Isi akun gratis

  • Kredit $5 setelah Anda menambahkan kartu pembayaran
  • Sekitar 7.700 panggilan seperti pertanyaan log di hero
  • Kredit berlaku 30 hari, setelah itu isi saldo dan bayar sesuai pemakaian
Dapatkan kredit $5 gratis

Harga untuk glm-5.3 dalam USD, November 2026. Jumlah token dari pertanyaan di hero dan contoh Python. Batas konteks dan output dari GET https://oai.deapi.ai/v1/models.

GLM-5.3 vs GLM-5.3 Flash vs Kimi K3

Input Teks Teks, gambar Teks, gambar
Konteks 1.000.000 token 1.048.576 token 1.000.000 token
Output maks. 131.072 token 131.072 token 131.072 token
reasoning_effort low, high, max none sampai max, 7 nilai; tetap bernalar pada none none sampai max, 7 tingkat
response_format json_object json_schema, json_object json_schema, json_object
Harga per 1 juta, input / output $1,54 / $4,84 $0,165 / $0,55 $3,30 / $16,50

Batas dan jenis input dari GET /v1/models. Nilai reasoning_effort dan response_format yang diterima berasal dari panggilan uji pada 16 November 2026.

Contoh API GLM-5.3

Satu POST ke https://oai.deapi.ai/v1/chat/completions dengan API key deAPI Anda sebagai Bearer token. Di OpenAI SDK, atur base_url, API key deAPI Anda dan model ID. Bagian lain dari panggilan Chat Completions tetap sama. Ganti YOUR_API_KEY dengan key dari dashboard Anda.

Model ID
glm-5.3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Input
Hanya teks. Request dengan bagian image_url mengembalikan error 400.
Konteks dan output
Context window 1.000.000 token, hingga 131.072 token per jawaban
Reasoning
reasoning_effort: low, high atau max. Nilai lain mengembalikan error 400. Saat model bernalar, teksnya kembali di reasoning_content.
Opsi output
response_format dengan json_object, tools, stream. json_schema tidak didukung, jadi sebutkan nama key-nya di 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)

Apa itu GLM-5.3?

GLM-5.3 adalah model teks open-weight dari Z.ai, dipublikasikan di Hugging Face dengan lisensi GLM-5.3 License. Model card Z.ai menyebutkan bahwa model ini memakai model dasar yang sama dengan GLM-5.2 dan bahwa seluruh peningkatannya berasal dari post-training. Model ini menerima teks, menulis teks dan punya tiga tingkat reasoning. Di deAPI Anda memanggilnya seperti model chat OpenAI mana pun dan membayar per token.

  1. Buat akun gratis

    Daftar dan dapatkan kredit $5.

  2. Arahkan client Anda ke deAPI

    Atur base_url ke https://oai.deapi.ai/v1 dan gunakan API key deAPI Anda.

  3. Kirim request

    Gunakan glm-5.3 sebagai model dan baca jawabannya dari choices[0].message.content.

FAQ GLM-5.3

Ada. deAPI menyajikannya di https://oai.deapi.ai/v1 dengan model ID glm-5.3, memakai format request dan response OpenAI Chat Completions API. Di kode yang ditulis untuk OpenAI SDK, Anda mengubah tiga nilai: base_url, API key dan model. Jalankan pengujian Anda sendiri sebelum memindahkan trafik.
Akun deAPI baru mendapat kredit $5 setelah menambahkan kartu pembayaran, cukup untuk sekitar 7.700 panggilan seperti pertanyaan log di halaman ini. Kredit berlaku 30 hari. Setelah itu Anda mengisi saldo dan membayar sesuai pemakaian, tanpa langganan.
$1,54 per satu juta token input dan $4,84 per satu juta token output (November 2026). Token reasoning dihitung sebagai output, dan Anda bisa melihatnya di usage.completion_tokens_details.reasoning_tokens.
Tidak. GLM-5.3 di deAPI hanya menerima teks, dan request dengan bagian image_url mengembalikan error 400. Untuk gambar, panggil glm-5.3-flash di endpoint yang sama. Proses PDF dan scan lewat OCR API, lalu kirim teksnya.
Di deAPI context window-nya 1.000.000 token dan satu jawaban bisa sepanjang 131.072 token. Token reasoning ikut dihitung dalam max_tokens.
Model card Z.ai mencantumkan 88,2 di Terminal Bench 2.1, 66,9 di DeepSWE v1.1, 28,3 di Terminal Bench 3.0 dan 84,5 di CyberGym, dua yang terakhir pada reasoning effort max. Ini angka dari Z.ai. Uji model ini pada data Anda sendiri dengan kredit gratis.
reasoning_effort menerima low, high atau max. Tidak ada none. Pada request tiket dari contoh cURL, low menjawab “billing” dengan 2 token output dan high memberi jawaban yang sama dengan 5 token output, 3 di antaranya reasoning (masing-masing satu kali percobaan). Untuk JSON, gunakan response_format: {"type": "json_object"} dan sebutkan nama key-nya di prompt, seperti pada contoh Python. json_schema mengembalikan error unsupported_parameter.
Z.ai mempublikasikan weights-nya di Hugging Face dengan lisensinya sendiri, GLM-5.3 License. Lisensi itu memberi hak untuk menggunakan, memodifikasi, mendistribusikan dan menjual salinan. Perusahaan yang menjalankan bisnis model-as-a-service dengan pendapatan lebih dari 10 miliar dolar AS dalam 12 bulan harus lebih dulu lolos tinjauan keamanan Z.ai. Panggilan lewat deAPI juga tunduk pada Ketentuan Layanan deAPI.

Kirim request GLM-5.3 pertama Anda dengan kredit gratis $5

Daftar dengan email atau Google. Tanpa langganan, bayar sesuai pemakaian.