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 · Vision

API GLM-5.3 Flash, da provare gratis

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

  • Testo e immagini in input, finestra di contesto da 1.048.576 token
  • Output con JSON schema, tool call e streaming
  • reasoning_effort accetta sette valori, da none a max; con none il ragionamento resta attivo

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

GLM-5.3 Flash LLM · Vision

model: "glm-5.3-flash"
reasoning_effort: "low"

system: You write release notes. Summarise the changelog in two plain sentences. No lists.

user

Summarise this for the customer newsletter.

v2.4.0 (2026-11-12)
- Added: CSV export on the Invoices page
- Added: SSO login with Google Workspace
- Fixed: duplicate e-mail reminders after a timezone change
- Changed: API rate limit raised from 60 to 120 requests per minute
- Removed: legacy /v1/reports endpoint (use /v2/reports)
assistant

In v2.4.0 you can now export invoices as CSV, sign in with Google Workspace via SSO, and enjoy a doubled API rate limit of 120 requests per minute. We’ve also fixed duplicate email reminders after timezone changes and removed the legacy /v1/reports endpoint, so please switch to /v2/reports.

123 token di input + 71 di output (1 di ragionamento) · 3,2 s Costo su deAPI: 0,00006 $ (prezzo di novembre 2026)

Casi d’uso di GLM-5.3 Flash

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. Riassunti di changelog, ticket e appunti di riunione. Il changelog qui sopra è entrato come 123 token ed è tornato come riassunto di due frasi da 71 token. Tre esecuzioni con reasoning_effort: low hanno citato ciascuna tutte e cinque le modifiche. Una chiamata così costa 0,00006 $.

  2. Fatture, ricevute e moduli. Invia una foto o una scansione come image_url insieme a un JSON schema. Sulla fattura tedesca generata qui sotto ha restituito tutti i 10 valori in due esecuzioni, con le date in formato ISO e gli importi come numeri. L’IBAN è tornato senza spazi.

  3. Agenti di programmazione. Z.ai riporta 63,4 su DeepSWE v1.1 per GLM-5.3 Flash, contro 46,2 per GLM-5.2 (harness mini-swe-agent, secondo la model card). Gli strumenti di coding che usano l’API OpenAI Chat Completions possono puntare a https://oai.deapi.ai/v1.

  4. Agenti che chiamano deAPI. Descrivi gli endpoint di deAPI come tool. Alla richiesta dei capitoli con timestamp di un video YouTube, il modello ha chiamato transcribe_video con include_ts: true (una sola esecuzione). Il tuo codice esegue quella chiamata con WhisperLargeV3Ct2 e rimanda indietro la trascrizione.

Fattura tedesca di Nordlicht Studio GmbH con tre voci e un totale di 2.677,50 EUR
Risposta: message.content
{
  "invoice_number": "NS-2026-0418",
  "issue_date": "2026-11-03",
  "due_date": "2026-11-17",
  "seller": "Nordlicht Studio GmbH",
  "seller_vat_id": "DE298765431",
  "net": 2250.00,
  "vat": 427.50,
  "total": 2677.50,
  "currency": "EUR",
  "iban": "DE44100100100123456789"
}
Esempio della fattura: immagine in input, JSON in output Prompt: “Extract the fields from this invoice.” Messaggio di sistema: “Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” JSON schema con 10 campi, temperature 0. 1.440 token di input + 278 di output (152 di ragionamento), 5,9 s alla prima chiamata.

Prezzi dell’API GLM-5.3 Flash

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 e immagini) 0,165 $ ≈ 30M di token
Input in cache (prefisso del prompt ripetuto) 0,033 $ ≈ 151M di token
Output (risposta e ragionamento) 0,55 $ ≈ 9,0M di token
Riassunto in cima alla pagina, una chiamata 0,00006 $ ≈ 84.000 chiamate
Esempio della fattura, una chiamata 0,00039 $ ≈ 12.000 chiamate

Cosa include l’account gratuito

  • $5 di crediti dopo aver aggiunto una carta di pagamento
  • Circa 12.000 chiamate come l’esempio della fattura
  • Crediti validi 30 giorni, poi ricarichi il saldo e paghi a consumo
Ottieni $5 di crediti gratis

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

GLM-5.3 Flash vs GLM-5.3 vs Qwen3.8 Flash

Input Testo, immagini Testo Testo, immagini
Contesto 1.048.576 token 1.000.000 token 1.000.000 token
Output massimo 131.072 token 131.072 token 131.072 token
reasoning_effort da none a max, 7 valori; ragiona anche con none low, high, max da none a max, 7 livelli
Prezzo per 1M, input / output 0,165 $ / 0,55 $ 1,54 $ / 4,84 $ 0,165 $ / 0,517 $

Limiti e tipi di input da GET /v1/models. Valori accettati di reasoning_effort testati il 16 novembre 2026.

Esempio di API GLM-5.3 Flash

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-flash
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Input
Testo e immagini come parti image_url: un data URL base64 o un link HTTPS pubblico. PDF e audio vengono rifiutati.
Contesto e output
Finestra di contesto da 1.048.576 token (prompt e risposta insieme), fino a 131.072 token per risposta
Ragionamento
reasoning_effort: none, minimal, low, medium, high, xhigh o max. Il testo del ragionamento, quando il modello lo restituisce, è in reasoning_content.
Opzioni di output
response_format con json_schema (strict) o json_object, tools, stream
curl https://oai.deapi.ai/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "glm-5.3-flash",
    "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 base64, json
from openai import OpenAI

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

with open("invoice.png", "rb") as f:
    image = "data:image/png;base64," + base64.b64encode(f.read()).decode()

schema = {
    "type": "object",
    "additionalProperties": False,
    "required": ["invoice_number", "issue_date", "due_date", "seller",
                 "seller_vat_id", "net", "vat", "total", "currency", "iban"],
    "properties": {
        "invoice_number": {"type": "string"},
        "issue_date": {"type": "string"},
        "due_date": {"type": "string"},
        "seller": {"type": "string"},
        "seller_vat_id": {"type": "string"},
        "net": {"type": "number"},
        "vat": {"type": "number"},
        "total": {"type": "number"},
        "currency": {"type": "string"},
        "iban": {"type": "string"},
    },
}

response = client.chat.completions.create(
    model="glm-5.3-flash",
    temperature=0,
    messages=[
        {"role": "system", "content": "Extract invoice fields. "
         "Dates as YYYY-MM-DD, amounts as numbers."},
        {"role": "user", "content": [
            {"type": "text", "text": "Extract the fields from this invoice."},
            {"type": "image_url", "image_url": {"url": image}},
        ]},
    ],
    response_format={"type": "json_schema",
                     "json_schema": {"name": "invoice", "strict": True, "schema": schema}},
)

invoice = json.loads(response.choices[0].message.content)
print(invoice["total"], invoice["currency"])  # 2677.5 EUR
print(response.usage)

Cos’è GLM-5.3 Flash?

GLM-5.3 Flash è un modello a pesi aperti che Z.ai pubblica su Hugging Face con licenza MIT. Ha 320 miliardi di parametri in totale e ne usa 18 miliardi per token. Z.ai lo definisce il primo modello nativamente multimodale della serie GLM-5: legge testo e immagini e scrive testo. 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-flash come modello e leggi la risposta da choices[0].message.content.

FAQ su GLM-5.3 Flash

Sì. deAPI lo offre su https://oai.deapi.ai/v1 con l’ID modello glm-5.3-flash, nel formato di richiesta e risposta dell’API OpenAI Chat Completions. Nel codice che usa 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 12.000 chiamate come l’esempio della fattura in questa pagina. I crediti sono validi 30 giorni. Dopo ricarichi il saldo e paghi a consumo, senza abbonamento.
0,165 $ per milione di token di input e 0,55 $ 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.
Sì. Aggiungi una parte image_url al messaggio utente, come data URL base64 o link HTTPS pubblico. PDF e file audio vengono rifiutati: passa i PDF dall’API OCR oppure invia le pagine come immagini, e trascrivi prima l’audio.
Su deAPI la finestra di contesto è di 1.048.576 token, prompt e risposta insieme, e una risposta può essere lunga fino a 131.072 token. Un max_tokens più alto viene rifiutato con un errore.
Su deAPI glm-5.3-flash legge testo e immagini e accetta sette valori di reasoning_effort e un json_schema strict. glm-5.3 legge solo testo e accetta low, high e max. Per milione di token, Flash costa 0,165 $ in input e 0,55 $ in output; GLM-5.3 costa 1,54 $ in input e 4,84 $ in output. Z.ai indica per Flash 320 miliardi di parametri, di cui 18 miliardi attivi per token.
Non del tutto. deAPI accetta tutti e sette i valori di reasoning_effort, ma la documentazione di Z.ai dice che per questo modello il thinking non si può disattivare. Sulla richiesta del ticket dell’esempio cURL, none ha risposto “billing” con 7 token di output, di cui 5 di ragionamento. low ha usato 5 token di output (3 di ragionamento) e max ne ha usati 59 (57 di ragionamento). Una sola esecuzione ciascuno.
Z.ai pubblica i pesi su Hugging Face con licenza MIT, che consente l’uso commerciale. Le chiamate tramite deAPI sono regolate anche dai Termini di servizio di deAPI.

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

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