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, grátis para testar

O GLM-5.3 é um grande modelo de linguagem (LLM) de pesos abertos da Z.ai. Ele lê e escreve texto, comporta até 1M de tokens de contexto e tem três níveis de raciocínio. O deAPI oferece o modelo em um endpoint compatível com a OpenAI, então o SDK da OpenAI funciona assim que você troca a base URL, a chave e o ID do modelo.

  • Entrada e saída de texto, janela de contexto de 1.000.000 de tokens
  • Saída em json_object, chamadas de ferramentas e streaming
  • reasoning_effort em três níveis: low, high e max

Sem cartão de crédito · Créditos grátis válidos por 30 dias · Depois, você recarrega o saldo e paga pelo uso, sem assinatura

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 tokens de entrada + 79 de saída (0 de raciocínio) · 2,2 s Custo no deAPI: US$ 0,00064 (preço de novembro de 2026)

Casos de uso do GLM-5.3

Quatro tarefas em que o modelo se encaixa, cada uma com o número que sustenta a escolha. Todas rodam com a mesma chave do deAPI que você usa para transcrição, OCR e geração de imagens.

  1. Logs e stack traces. Cole as linhas em volta de um erro e peça a causa raiz. Em três execuções da pergunta acima, as três respostas apontaram o limite maxmemory do Redis, e não o 500 em /login. A execução 1 usou 168 tokens de entrada e 79 de saída.

  2. Agentes de programação. A Z.ai informa 88,2 no Terminal Bench 2.1 (harness Claude Code) e 66,9 no DeepSWE v1.1 (harness mini-swe-agent). Ferramentas de programação que falam a API Chat Completions da OpenAI podem apontar para https://oai.deapi.ai/v1.

  3. Transcrições e documentos longos. A janela de contexto comporta 1.000.000 de tokens, e uma resposta pode chegar a 131.072. Transcreva um dia inteiro de ligações de vendas com o WhisperLargeV3Ct2 e peça objeções, próximos passos e citações em uma única requisição.

  4. Agentes que chamam ferramentas. Com uma ferramenta get_logs e o pedido “Logins fail with 500. Check the last 50 log lines of the api service.”, o modelo devolveu uma chamada de ferramenta com {"lines": 50, "service": "api"} (uma execução). Seu código executa a chamada e envia o resultado de volta.

Preços da API GLM-5.3

Você paga por token, com o mesmo saldo pré-pago de todos os outros modelos do deAPI. Os tokens de raciocínio fazem parte de completion_tokens em usage. Sem assinatura.

Entrada (texto) US$ 1,54 ≈ 3,2M de tokens
Entrada em cache (prefixo de prompt repetido) US$ 0,308 ≈ 16M de tokens
Saída (resposta e raciocínio) US$ 4,84 ≈ 1,0M de tokens
Pergunta sobre o log no topo da página, uma chamada US$ 0,00064 ≈ 7.700 chamadas
Linha de log para JSON (exemplo em Python), uma chamada US$ 0,00025 ≈ 19.000 chamadas

O que vem na conta gratuita

  • US$ 5 em créditos assim que você adiciona um cartão de pagamento
  • Cerca de 7.700 chamadas como a da pergunta sobre o log no topo da página
  • Créditos válidos por 30 dias; depois, você recarrega o saldo e paga pelo uso
Ganhe US$ 5 em créditos

Preços do glm-5.3 em dólares americanos (USD), novembro de 2026. Contagens de tokens da pergunta do topo da página e do exemplo em Python. Limites de contexto e de saída de GET https://oai.deapi.ai/v1/models.

GLM-5.3 vs GLM-5.3 Flash vs Kimi K3

Entrada Texto Texto, imagem Texto, imagem
Contexto 1.000.000 tokens 1.048.576 tokens 1.000.000 tokens
Saída máxima 131.072 tokens 131.072 tokens 131.072 tokens
reasoning_effort low, high, max de none a max, 7 valores; raciocina mesmo em none de none a max, 7 níveis
response_format json_object json_schema, json_object json_schema, json_object
Preço por 1M, entrada / saída US$ 1,54 / US$ 4,84 US$ 0,165 / US$ 0,55 US$ 3,30 / US$ 16,50

Limites e tipos de entrada de GET /v1/models. Valores aceitos de reasoning_effort e response_format obtidos em chamadas de teste em 16 de novembro de 2026.

Exemplo da API GLM-5.3

Um POST para https://oai.deapi.ai/v1/chat/completions com sua chave do deAPI como Bearer token. No SDK da OpenAI, defina base_url, sua chave do deAPI e o ID do modelo; o restante da chamada de Chat Completions continua igual. Troque YOUR_API_KEY por uma chave do seu painel.

ID do modelo
glm-5.3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Entrada
Somente texto. Uma requisição com uma parte image_url retorna erro 400.
Contexto e saída
Janela de contexto de 1.000.000 de tokens, até 131.072 tokens por resposta
Raciocínio
reasoning_effort: low, high ou max. Outros valores retornam erro 400. Quando o modelo raciocina, o texto volta em reasoning_content.
Opções de saída
response_format com json_object, tools, stream. json_schema não é suportado, então indique as chaves no 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)

O que é o GLM-5.3?

O GLM-5.3 é um modelo de texto de pesos abertos da Z.ai, publicado no Hugging Face sob a GLM-5.3 License. O model card da Z.ai diz que ele usa o mesmo modelo base do GLM-5.2 e que todo o ganho vem do pós-treinamento. Ele recebe texto, escreve texto e tem três níveis de raciocínio. No deAPI, você o chama como qualquer modelo de chat da OpenAI e paga por token.

  1. Crie uma conta gratuita

    Cadastre-se e ganhe US$ 5 em créditos.

  2. Aponte seu cliente para o deAPI

    Defina base_url como https://oai.deapi.ai/v1 e use sua chave do deAPI.

  3. Envie a requisição

    Use glm-5.3 como modelo e leia a resposta em choices[0].message.content.

Perguntas sobre o GLM-5.3

Sim. O deAPI oferece o modelo em https://oai.deapi.ai/v1 com o ID glm-5.3, no formato de requisição e resposta da API Chat Completions da OpenAI. Em código escrito para o SDK da OpenAI, você muda três valores: base_url, a chave de API e o modelo. Rode seus próprios testes antes de migrar o tráfego.
Uma conta nova no deAPI ganha US$ 5 em créditos assim que você adiciona um cartão de pagamento, o suficiente para cerca de 7.700 chamadas como a da pergunta sobre o log desta página. Os créditos valem por 30 dias. Depois disso, você recarrega o saldo e paga pelo uso, sem assinatura.
US$ 1,54 por milhão de tokens de entrada e US$ 4,84 por milhão de tokens de saída (novembro de 2026). Os tokens de raciocínio contam como saída, e você os vê em usage.completion_tokens_details.reasoning_tokens.
Não. No deAPI, o GLM-5.3 aceita somente texto, e uma requisição com uma parte image_url retorna erro 400. Para imagens, chame o glm-5.3-flash no mesmo endpoint. Passe PDFs e scans pela API OCR e envie o texto.
No deAPI, a janela de contexto é de 1.000.000 de tokens, e uma resposta pode ter até 131.072 tokens. Os tokens de raciocínio contam para o max_tokens.
O model card da Z.ai lista 88,2 no Terminal Bench 2.1, 66,9 no DeepSWE v1.1, 28,3 no Terminal Bench 3.0 e 84,5 no CyberGym, os dois últimos com esforço de raciocínio max. São números da Z.ai; teste o modelo com seus próprios dados usando os créditos grátis.
reasoning_effort aceita low, high ou max; não existe none. Na requisição de ticket do exemplo em cURL, low respondeu “billing” com 2 tokens de saída, e high deu a mesma resposta com 5 tokens de saída, 3 deles de raciocínio (uma execução cada). Para JSON, use response_format: {"type": "json_object"} e indique as chaves no prompt, como no exemplo em Python. json_schema retorna um erro unsupported_parameter.
A Z.ai publica os pesos no Hugging Face sob uma licença própria, a GLM-5.3 License. A licença concede o direito de usar, modificar, distribuir e vender cópias. Empresas que operam um negócio de modelo como serviço com mais de 10 bilhões de dólares americanos de receita em 12 meses precisam antes passar por uma revisão de segurança da Z.ai. As chamadas pelo deAPI também estão sujeitas aos Termos de Serviço do deAPI.

Envie sua primeira requisição ao GLM-5.3 com US$ 5 em créditos grátis

Cadastre-se com e-mail ou Google. Sem assinatura, você paga pelo uso.