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

GLM-5.3 Flash API, wypróbuj za darmo

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

  • Tekst i obrazy na wejściu, okno kontekstowe 1 048 576 tokenów
  • Wynik według JSON schema, wywołania narzędzi i streaming
  • reasoning_effort przyjmuje siedem wartości, od none do max; przy none rozumowanie pozostaje włączone

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

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.

tokeny: 123 wejściowe + 71 wyjściowych (1 na rozumowanie) · 3,2 s Koszt w deAPI: 0,00006 $ (stan na listopad 2026)

Zastosowania GLM-5.3 Flash

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. Streszczenia changelogów, zgłoszeń i notatek ze spotkań. Changelog powyżej wszedł jako 123 tokeny i wrócił jako dwuzdaniowe streszczenie o długości 71 tokenów. Każdy z trzech przebiegów z reasoning_effort: low wymienił wszystkie pięć zmian. Jedno takie wywołanie kosztuje 0,00006 $.

  2. Faktury, paragony i formularze. Wyślij zdjęcie lub skan jako image_url razem z JSON schema. Dla wygenerowanej niemieckiej faktury poniżej model zwrócił wszystkie 10 wartości w dwóch przebiegach, z datami w formacie ISO i kwotami jako liczbami. IBAN wrócił bez spacji.

  3. Agenci kodujący. Z.ai podaje dla GLM-5.3 Flash 63,4 w DeepSWE v1.1, wobec 46,2 dla GLM-5.2 (harness mini-swe-agent, według karty modelu). Narzędzia do kodowania, które obsługują OpenAI Chat Completions API, możesz skierować na https://oai.deapi.ai/v1.

  4. Agenci, którzy wywołują deAPI. Opisz endpointy deAPI jako narzędzia. Poproszony o rozdziały ze znacznikami czasu dla filmu z YouTube, model wywołał transcribe_video z include_ts: true (jeden przebieg). Twój kod wykonuje to wywołanie modelem WhisperLargeV3Ct2 i odsyła transkrypcję.

Niemiecka faktura od Nordlicht Studio GmbH z trzema pozycjami i sumą 2677,50 EUR
Odpowiedź: 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"
}
Przykład z fakturą: obraz na wejściu, JSON na wyjściu Prompt: „Extract the fields from this invoice.” Wiadomość systemowa: „Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” JSON schema z 10 polami, temperatura 0. Tokeny: 1440 wejściowych + 278 wyjściowych (152 na rozumowanie), 5,9 s przy pierwszym wywołaniu.

Cennik GLM-5.3 Flash 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 i obrazy) 0,165 $ ≈ 30 mln tokenów
Wejście z cache (powtórzony początek promptu) 0,033 $ ≈ 151 mln tokenów
Wyjście (odpowiedź i rozumowanie) 0,55 $ ≈ 9,0 mln tokenów
Streszczenie z góry strony, jedno wywołanie 0,00006 $ ≈ 84 000 wywołań
Przykład z fakturą, jedno wywołanie 0,00039 $ ≈ 12 000 wywołań

Co zawiera darmowe konto

  • 5 $ kredytów po dodaniu karty płatniczej
  • Około 12 000 wywołań takich jak przykład z fakturą
  • Kredyty ważne 30 dni, potem doładowujesz konto i płacisz za użycie
Odbierz 5 $ na start

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

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

Wejście Tekst, obraz Tekst Tekst, obraz
Kontekst 1 048 576 tokenów 1 000 000 tokenów 1 000 000 tokenów
Maks. wyjście 131 072 tokeny 131 072 tokeny 131 072 tokeny
reasoning_effort od none do max, 7 wartości; rozumuje nawet przy none low, high, max od none do max, 7 poziomów
Cena za 1 mln, wejście / wyjście 0,165 $ / 0,55 $ 1,54 $ / 4,84 $ 0,165 $ / 0,517 $

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

Przykładowe zapytanie do API GLM-5.3 Flash

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-flash
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Wejście
Tekst i obrazy jako części image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane.
Kontekst i wyjście
Okno kontekstowe 1 048 576 tokenów (prompt i odpowiedź łącznie), do 131 072 tokenów na odpowiedź
Rozumowanie
reasoning_effort: none, minimal, low, medium, high, xhigh lub max. Tekst rozumowania, jeśli model go zwraca, jest w reasoning_content.
Opcje wyniku
response_format z json_schema (strict) lub 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)

Czym jest GLM-5.3 Flash?

GLM-5.3 Flash to model z otwartymi wagami, który Z.ai publikuje na Hugging Face na licencji MIT. Ma łącznie 320B parametrów i używa 18B z nich na token. Z.ai nazywa go pierwszym natywnie multimodalnym modelem w serii GLM-5: czyta tekst i obrazy i pisze tekst. 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-flash, a odpowiedź odczytaj z choices[0].message.content.

GLM-5.3 Flash: najczęstsze pytania

Tak. deAPI udostępnia go pod adresem https://oai.deapi.ai/v1 z identyfikatorem modelu glm-5.3-flash, w formacie zapytań i odpowiedzi OpenAI Chat Completions API. W kodzie, który używa 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 12 000 wywołań takich jak przykład z fakturą na tej stronie. Kredyty są ważne 30 dni. Potem doładowujesz konto i płacisz za użycie, bez abonamentu.
0,165 $ za milion tokenów wejściowych i 0,55 $ za milion tokenów wyjściowych (listopad 2026). Tokeny rozumowania liczą się jako wyjście, a zobaczysz je w usage.completion_tokens_details.reasoning_tokens.
Tak. Dodaj do wiadomości użytkownika część image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane: PDF-y przepuść przez OCR API albo wyślij strony jako obrazy, a audio najpierw przetranskrybuj.
W deAPI okno kontekstowe ma 1 048 576 tokenów, prompt i odpowiedź łącznie, a jedna odpowiedź może mieć do 131 072 tokenów. Większa wartość max_tokens jest odrzucana z błędem.
W deAPI glm-5.3-flash czyta tekst i obrazy, przyjmuje siedem wartości reasoning_effort i json_schema w trybie strict. glm-5.3 czyta tylko tekst i przyjmuje low, high i max. Za milion tokenów Flash kosztuje 0,165 $ na wejściu i 0,55 $ na wyjściu, a GLM-5.3 1,54 $ na wejściu i 4,84 $ na wyjściu. Z.ai podaje dla Flash 320B parametrów, z czego 18B aktywnych na token.
Nie do końca. deAPI przyjmuje wszystkie siedem wartości reasoning_effort, ale według dokumentacji Z.ai myślenia w tym modelu nie da się wyłączyć. Na zapytanie o zgłoszenie z przykładu cURL model z none odpowiedział „billing”, zużywając 7 tokenów wyjściowych, z czego 5 poszło na rozumowanie. Z low zużył 5 tokenów wyjściowych (3 na rozumowanie), a z max 59 (57 na rozumowanie). Po jednym przebiegu.
Z.ai publikuje wagi na Hugging Face na licencji MIT, która pozwala na użytek komercyjny. Wywołania przez deAPI podlegają też regulaminowi deAPI.

Wyślij pierwsze zapytanie do GLM-5.3 Flash za darmowe 5 $

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