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, da provare gratis

GLM-5.3 è un modello linguistico di grandi dimensioni a pesi aperti di Z.ai. Legge e scrive testo, gestisce fino a 1M di token di contesto e ha tre livelli di ragionamento. deAPI lo offre su un endpoint compatibile con OpenAI, quindi l’SDK OpenAI funziona appena cambi base URL, chiave e ID del modello.

  • Testo in input e in output, finestra di contesto da 1.000.000 di token
  • Output json_object, tool call e streaming
  • reasoning_effort su tre livelli: low, high e max

Nessuna carta di credito · Crediti gratuiti validi 30 giorni · Poi ricarichi il saldo e paghi a consumo, senza abbonamento

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 di input + 79 di output (0 di ragionamento) · 2,2 s Costo su deAPI: 0,00064 $ (prezzo di novembre 2026)

Casi d’uso di GLM-5.3

Quattro compiti adatti al modello, ognuno con il numero che lo dimostra. Tutti funzionano con la stessa chiave deAPI che usi per trascrizione, OCR e generazione di immagini.

  1. Log e stack trace. Incolla le righe attorno a un errore e chiedi la causa principale. In tre esecuzioni della domanda qui sopra, tutte e tre le risposte hanno indicato il limite maxmemory di Redis, non il 500 su /login. La prima esecuzione ha usato 168 token di input e 79 di output.

  2. Agenti di programmazione. Z.ai riporta 88,2 su Terminal Bench 2.1 (harness Claude Code) e 66,9 su DeepSWE v1.1 (harness mini-swe-agent). Gli strumenti di coding che usano l’API OpenAI Chat Completions possono puntare a https://oai.deapi.ai/v1.

  3. Trascrizioni e documenti lunghi. La finestra di contesto contiene 1.000.000 di token e una risposta può arrivare a 131.072. Trascrivi una giornata di chiamate di vendita con WhisperLargeV3Ct2 e chiedi obiezioni, follow-up e citazioni in una sola richiesta.

  4. Agenti che chiamano tool. Con un tool get_logs e la richiesta “Logins fail with 500. Check the last 50 log lines of the api service.”, il modello ha restituito una tool call con {"lines": 50, "service": "api"} (una sola esecuzione). Il tuo codice esegue la chiamata e rimanda indietro il risultato.

Prezzi dell’API GLM-5.3

Paghi a token dallo stesso saldo prepagato di tutti gli altri modelli deAPI. I token di ragionamento rientrano in completion_tokens di usage. Nessun abbonamento.

Input (testo) 1,54 $ ≈ 3,2M di token
Input in cache (prefisso del prompt ripetuto) 0,308 $ ≈ 16M di token
Output (risposta e ragionamento) 4,84 $ ≈ 1,0M di token
Domanda sui log in cima alla pagina, una chiamata 0,00064 $ ≈ 7.700 chiamate
Da riga di log a JSON (esempio Python), una chiamata 0,00025 $ ≈ 19.000 chiamate

Cosa include l’account gratuito

  • $5 di crediti dopo aver aggiunto una carta di pagamento
  • Circa 7.700 chiamate come la domanda sui log in cima alla pagina
  • Crediti validi 30 giorni, poi ricarichi il saldo e paghi a consumo
Ottieni $5 di crediti gratis

Prezzi per glm-5.3 in USD, novembre 2026. Conteggi dei token presi dalla domanda in cima alla pagina e dall’esempio Python. Limiti di contesto e di output da GET https://oai.deapi.ai/v1/models.

GLM-5.3 vs GLM-5.3 Flash vs Kimi K3

Input Testo Testo, immagini Testo, immagini
Contesto 1.000.000 token 1.048.576 token 1.000.000 token
Output massimo 131.072 token 131.072 token 131.072 token
reasoning_effort low, high, max da none a max, 7 valori; ragiona anche con none da none a max, 7 livelli
response_format json_object json_schema, json_object json_schema, json_object
Prezzo per 1M, input / output 1,54 $ / 4,84 $ 0,165 $ / 0,55 $ 3,30 $ / 16,50 $

Limiti e tipi di input da GET /v1/models. Valori accettati di reasoning_effort e response_format ricavati da chiamate di test del 16 novembre 2026.

Esempio di API GLM-5.3

Una POST a https://oai.deapi.ai/v1/chat/completions con la tua chiave deAPI come Bearer token. Nell’SDK OpenAI imposta base_url, la tua chiave deAPI e l’ID del modello; il resto di una chiamata Chat Completions resta uguale. Sostituisci YOUR_API_KEY con una chiave dalla tua dashboard.

ID modello
glm-5.3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Input
Solo testo. Una richiesta con una parte image_url restituisce un errore 400.
Contesto e output
Finestra di contesto da 1.000.000 di token, fino a 131.072 token per risposta
Ragionamento
reasoning_effort: low, high o max. Gli altri valori restituiscono un errore 400. Quando il modello ragiona, il testo torna in reasoning_content.
Opzioni di output
response_format con json_object, tools, stream. json_schema non è supportato, quindi indica le chiavi nel 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)

Cos’è GLM-5.3?

GLM-5.3 è un modello di testo a pesi aperti di Z.ai, pubblicato su Hugging Face con la GLM-5.3 License. La model card di Z.ai dice che usa lo stesso modello base di GLM-5.2 e che ogni miglioramento viene dal post-training. Riceve testo in input, scrive testo in output e ha tre livelli di ragionamento. Su deAPI lo chiami come qualsiasi modello chat di OpenAI e paghi a token.

  1. Crea un account gratuito

    Registrati e ricevi $5 di crediti.

  2. Punta il tuo client a deAPI

    Imposta base_url su https://oai.deapi.ai/v1 e usa la tua chiave deAPI.

  3. Invia la richiesta

    Usa glm-5.3 come modello e leggi la risposta da choices[0].message.content.

FAQ su GLM-5.3

Sì. deAPI lo offre su https://oai.deapi.ai/v1 con l’ID modello glm-5.3, nel formato di richiesta e risposta dell’API OpenAI Chat Completions. Nel codice scritto per l’SDK OpenAI cambi tre valori: base_url, la chiave API e il modello. Fai i tuoi test prima di spostare il traffico.
Un nuovo account deAPI riceve $5 di crediti dopo aver aggiunto una carta di pagamento, sufficienti per circa 7.700 chiamate come la domanda sui log in questa pagina. I crediti sono validi 30 giorni. Dopo ricarichi il saldo e paghi a consumo, senza abbonamento.
1,54 $ per milione di token di input e 4,84 $ per milione di token di output (novembre 2026). I token di ragionamento contano come output e li vedi in usage.completion_tokens_details.reasoning_tokens.
No. Su deAPI GLM-5.3 accetta solo testo, e una richiesta con una parte image_url restituisce un errore 400. Per le immagini chiama glm-5.3-flash sullo stesso endpoint. Passa PDF e scansioni dall’API OCR e invia il testo.
Su deAPI la finestra di contesto è di 1.000.000 di token e una risposta può essere lunga fino a 131.072 token. I token di ragionamento rientrano nel limite max_tokens.
La model card di Z.ai riporta 88,2 su Terminal Bench 2.1, 66,9 su DeepSWE v1.1, 28,3 su Terminal Bench 3.0 e 84,5 su CyberGym, gli ultimi due con reasoning effort max. Sono numeri di Z.ai; provalo sui tuoi dati con i crediti gratuiti.
reasoning_effort accetta low, high o max; none non esiste. Sulla richiesta del ticket dell’esempio cURL, low ha risposto “billing” con 2 token di output e high ha dato la stessa risposta con 5 token di output, di cui 3 di ragionamento (una sola esecuzione ciascuno). Per il JSON usa response_format: {"type": "json_object"} e indica le chiavi nel prompt, come nell’esempio Python. json_schema restituisce un errore unsupported_parameter.
Z.ai pubblica i pesi su Hugging Face con una licenza propria, la GLM-5.3 License. La licenza concede il diritto di usare, modificare, distribuire e vendere copie. Le aziende che gestiscono un’attività model-as-a-service con più di 10 miliardi di dollari USA di ricavi in 12 mesi devono prima superare una revisione di sicurezza di Z.ai. Le chiamate tramite deAPI sono regolate anche dai Termini di servizio di deAPI.

Invia la tua prima richiesta a GLM-5.3 con $5 di crediti gratis

Registrati con email o Google. Paghi a consumo, senza abbonamento.