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, wypróbuj za darmo

GLM-5.3 to duży model językowy z otwartymi wagami od Z.ai. Czyta i pisze tekst, mieści do 1 mln tokenów kontekstu i ma trzy poziomy rozumowania. deAPI udostępnia go na endpoincie zgodnym z OpenAI, więc OpenAI SDK działa po zmianie base URL, klucza i identyfikatora modelu.

  • Tekst na wejściu i na wyjściu, okno kontekstowe 1 000 000 tokenów
  • Wynik json_object, wywołania narzędzi i streaming
  • reasoning_effort na trzech poziomach: low, high i max

Bez karty kredytowej · Darmowe kredyty są ważne 30 dni · Potem doładowujesz konto i płacisz za użycie, bez abonamentu

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.

tokeny: 168 wejściowych + 79 wyjściowych (0 na rozumowanie) · 2,2 s Koszt w deAPI: 0,00064 $ (stan na listopad 2026)

Zastosowania GLM-5.3

Cztery zadania, do których model pasuje, każde z liczbą na poparcie. Wszystkie działają na tym samym kluczu deAPI co transkrypcja, OCR i generowanie obrazów.

  1. Logi i stack trace’y. Wklej linie wokół błędu i zapytaj o przyczynę źródłową. W trzech przebiegach pytania powyżej wszystkie trzy odpowiedzi wskazały limit maxmemory w Redisie, a nie błąd 500 na /login. Przebieg 1 zużył 168 tokenów wejściowych i 79 wyjściowych.

  2. Agenci kodujący. Z.ai podaje 88,2 w Terminal Bench 2.1 (harness Claude Code) i 66,9 w DeepSWE v1.1 (harness mini-swe-agent). Narzędzia do kodowania, które obsługują OpenAI Chat Completions API, możesz skierować na https://oai.deapi.ai/v1.

  3. Długie transkrypcje i dokumenty. Okno kontekstowe mieści 1 000 000 tokenów, a jedna odpowiedź może mieć do 131 072. Zrób transkrypcję całego dnia rozmów sprzedażowych modelem WhisperLargeV3Ct2 i w jednym zapytaniu poproś o obiekcje, ustalone dalsze kroki i cytaty.

  4. Agenci, którzy wywołują narzędzia. Mając narzędzie get_logs i prośbę „Logins fail with 500. Check the last 50 log lines of the api service.”, model zwrócił wywołanie narzędzia z {"lines": 50, "service": "api"} (jeden przebieg). Twój kod wykonuje to wywołanie i odsyła wynik.

Cennik GLM-5.3 API

Płacisz za tokeny z tego samego doładowanego salda co za każdy inny model w deAPI. Tokeny rozumowania wchodzą w skład completion_tokens w usage. Bez abonamentu.

Wejście (tekst) 1,54 $ ≈ 3,2 mln tokenów
Wejście z cache (powtórzony początek promptu) 0,308 $ ≈ 16 mln tokenów
Wyjście (odpowiedź i rozumowanie) 4,84 $ ≈ 1,0 mln tokenów
Pytanie o logi z góry strony, jedno wywołanie 0,00064 $ ≈ 7 700 wywołań
Linia logu do JSON (przykład w Pythonie), jedno wywołanie 0,00025 $ ≈ 19 000 wywołań

Co zawiera darmowe konto

  • 5 $ kredytów po dodaniu karty płatniczej
  • Około 7 700 wywołań takich jak pytanie o logi z góry strony
  • Kredyty ważne 30 dni, potem doładowujesz konto i płacisz za użycie
Odbierz 5 $ na start

Ceny dla glm-5.3 w USD, listopad 2026. Liczby tokenów z pytania na górze strony i z przykładu w Pythonie. Limity kontekstu i wyjścia z GET https://oai.deapi.ai/v1/models.

GLM-5.3 vs GLM-5.3 Flash vs Kimi K3

Wejście Tekst Tekst, obraz Tekst, obraz
Kontekst 1 000 000 tokenów 1 048 576 tokenów 1 000 000 tokenów
Maks. wyjście 131 072 tokeny 131 072 tokeny 131 072 tokeny
reasoning_effort low, high, max od none do max, 7 wartości; rozumuje nawet przy none od none do max, 7 poziomów
response_format json_object json_schema, json_object json_schema, json_object
Cena za 1 mln, wejście / wyjście 1,54 $ / 4,84 $ 0,165 $ / 0,55 $ 3,30 $ / 16,50 $

Limity i typy wejścia z GET /v1/models. Przyjmowane wartości reasoning_effort i response_format z wywołań testowych z 16 listopada 2026.

Przykładowe zapytanie do API GLM-5.3

Jedno zapytanie POST na https://oai.deapi.ai/v1/chat/completions z kluczem deAPI jako tokenem Bearer. W OpenAI SDK ustawiasz base_url, klucz deAPI i identyfikator modelu, a reszta wywołania Chat Completions zostaje bez zmian. W miejsce YOUR_API_KEY wstaw klucz z panelu.

Identyfikator modelu
glm-5.3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Wejście
Tylko tekst. Zapytanie z częścią image_url zwraca błąd 400.
Kontekst i wyjście
Okno kontekstowe 1 000 000 tokenów, do 131 072 tokenów na odpowiedź
Rozumowanie
reasoning_effort: low, high lub max. Inne wartości zwracają błąd 400. Gdy model rozumuje, tekst wraca w reasoning_content.
Opcje wyniku
response_format z json_object, tools, stream. json_schema nie jest obsługiwany, więc wymień klucze w prompcie.
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)

Czym jest GLM-5.3?

GLM-5.3 to tekstowy model z otwartymi wagami od Z.ai, opublikowany na Hugging Face na licencji GLM-5.3 License. Według karty modelu Z.ai korzysta z tego samego modelu bazowego co GLM-5.2, a cała poprawa wyników pochodzi z post-treningu. Przyjmuje tekst, zwraca tekst i ma trzy poziomy rozumowania. W deAPI wywołujesz go jak każdy model czatu OpenAI i płacisz za tokeny.

  1. Załóż darmowe konto

    Zarejestruj się i odbierz 5 $ kredytów.

  2. Skieruj klienta na deAPI

    Ustaw base_url na https://oai.deapi.ai/v1 i użyj klucza deAPI.

  3. Wyślij zapytanie

    Jako model podaj glm-5.3, a odpowiedź odczytaj z choices[0].message.content.

GLM-5.3: najczęstsze pytania

Tak. deAPI udostępnia go pod adresem https://oai.deapi.ai/v1 z identyfikatorem modelu glm-5.3, w formacie zapytań i odpowiedzi OpenAI Chat Completions API. W kodzie napisanym pod OpenAI SDK zmieniasz trzy wartości: base_url, klucz API i model. Zanim przełączysz ruch, uruchom własne testy.
Nowe konto deAPI dostaje 5 $ kredytów po dodaniu karty płatniczej, co wystarcza na około 7 700 wywołań takich jak pytanie o logi na tej stronie. Kredyty są ważne 30 dni. Potem doładowujesz konto i płacisz za użycie, bez abonamentu.
1,54 $ za milion tokenów wejściowych i 4,84 $ za milion tokenów wyjściowych (listopad 2026). Tokeny rozumowania liczą się jako wyjście, a zobaczysz je w usage.completion_tokens_details.reasoning_tokens.
Nie. GLM-5.3 w deAPI przyjmuje tylko tekst, a zapytanie z częścią image_url zwraca błąd 400. Do obrazów wywołaj glm-5.3-flash na tym samym endpoincie. Pliki PDF i skany przepuść przez OCR API i wyślij tekst.
W deAPI okno kontekstowe ma 1 000 000 tokenów, a jedna odpowiedź może mieć do 131 072 tokenów. Tokeny rozumowania wliczają się do max_tokens.
Karta modelu Z.ai podaje 88,2 w Terminal Bench 2.1, 66,9 w DeepSWE v1.1, 28,3 w Terminal Bench 3.0 i 84,5 w CyberGym, przy czym dwa ostatnie wyniki są przy poziomie rozumowania max. To liczby Z.ai; sprawdź model na własnych danych za darmowe kredyty.
reasoning_effort przyjmuje low, high lub max; wartości none nie ma. Na zapytanie o zgłoszenie z przykładu cURL model z low odpowiedział „billing”, zużywając 2 tokeny wyjściowe, a z high dał tę samą odpowiedź przy 5 tokenach wyjściowych, z czego 3 poszły na rozumowanie (po jednym przebiegu). Do JSON-a użyj response_format: {"type": "json_object"} i wymień klucze w prompcie, tak jak w przykładzie w Pythonie. json_schema zwraca błąd unsupported_parameter.
Z.ai publikuje wagi na Hugging Face na własnej licencji GLM-5.3 License. Licencja daje prawo do używania, modyfikowania, rozpowszechniania i sprzedawania kopii. Firmy, które prowadzą działalność model-as-a-service i mają ponad 10 miliardów dolarów amerykańskich przychodu w ciągu 12 miesięcy, muszą najpierw przejść przegląd bezpieczeństwa Z.ai. Wywołania przez deAPI podlegają też regulaminowi deAPI.

Wyślij pierwsze zapytanie do GLM-5.3 za darmowe 5 $

Rejestracja przez e-mail albo Google. Bez abonamentu, płacisz za użycie.