Guide de l'API GLM : GLM-5.2, GLM-5.3 et GLM-5.3-Flash

Appelez GLM-5.2, GLM-5.3 et GLM-5.3-Flash via APIMaster avec Python ou curl. Chat, Responses, Messages, streaming, JSON et appels d'outils testés.

Utilisez glm-5.2, glm-5.3 ou glm-5.3-flash avec une clé API APIMaster et l'URL de base https://apimaster.ai/v1. Pour les applications compatibles OpenAI, commencez par Chat Completions. Codex utilise Responses ; Claude Code utilise l'interface Messages.

Il s'agit de résultats d'intégration via la passerelle APIMaster, et non d'une affirmation selon laquelle chaque GLM en amont implémente nativement chaque protocole. GLM est la famille de modèles ; les SDK OpenAI et Anthropic fournissent les interfaces client.

Compatibilité testée

La validation a commencé le 2026-09-15 UTC, en utilisant le point de terminaison public APIMaster et un routage normal. Chaque modèle a réussi les vérifications suivantes :

Vérification	`glm-5.2`	`glm-5.3`	`glm-5.3-flash`
Chat Completions : normal et en streaming	Réussi	Réussi	Réussi
Responses : normal et en streaming	Réussi	Réussi	Réussi
Messages : normal et en streaming	Réussi	Réussi	Réussi
Appel de fonction/outil et aller-retour du résultat d'outil, les trois protocoles	Réussi	Réussi	Réussi
Sortie d'objet JSON via Chat	Réussi	Réussi	Réussi

Les tests de texte ont vérifié la réponse réelle et l'événement de fin de flux, et pas seulement le code HTTP 200. Les tests d'outils ont demandé une fonction météo, puis renvoyé un code de vérification fourni uniquement dans le résultat de l'outil. Il s'agit de vérifications fonctionnelles d'intégration, et non de benchmarks de débit ni d'un SLA de disponibilité. Les sessions longues, le contexte maximal, la vidéo et tous les paramètres avancés sont hors du périmètre de cette matrice de tests.

1. Obtenir une clé API

Créez une clé API APIMaster, activez le modèle souhaité et approvisionnez le compte. Utilisez les identifiants de modèles exacts indiqués ci-dessus. Une clé de BigModel, OpenAI ou Anthropic ne permet pas de s'authentifier auprès d'APIMaster.

macOS / Linux :

export APIMASTER_API_KEY='YOUR_APIMASTER_API_KEY'

Windows PowerShell :

$env:APIMASTER_API_KEY = 'YOUR_APIMASTER_API_KEY'

2. Appeler Chat Completions avec curl

curl --fail-with-body --max-time 120 'https://apimaster.ai/v1/chat/completions' \
  -H "Authorization: Bearer $APIMASTER_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"model":"glm-5.3-flash","messages":[{"role":"user","content":"Reply with exactly GLM_API_OK."}],"max_tokens":2048}'

Lisez choices[0].message.content. Remplacez model par glm-5.2 ou glm-5.3 pour changer de modèle. Les modèles avec raisonnement peuvent consommer une partie du budget de sortie avant d'émettre la réponse finale.

3. Utiliser le SDK Python OpenAI

python -m pip install -U openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APIMASTER_API_KEY"],
    base_url="https://apimaster.ai/v1",
    timeout=120.0,
)

response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "Reply with exactly GLM_API_OK."}],
    max_tokens=2048,
)
print(response.choices[0].message.content)

Pour le streaming, définissez stream=True. Vérifiez la présence de choix vides : le dernier fragment d'utilisation peut contenir des données d'usage sans delta de texte.

stream = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "Explain binary search briefly."}],
    max_tokens=4096,
    stream=True,
    stream_options={"include_usage": True},
)
for chunk in stream:
    if chunk.choices:
        text = chunk.choices[0].delta.content
        if text:
            print(text, end="", flush=True)
    if chunk.usage:
        print("\nUsage:", chunk.usage)

Le premier événement peut contenir du raisonnement plutôt que le texte visible de la réponse. Conservez reasoning_content lorsque vous reportez des messages d'assistant dans une conversation avec outils sur les routes qui le renvoient ; ne reconstruisez pas le message d'assistant à partir du texte final seul.

4. Choisir le bon point de terminaison

Application	URL de base	Point de terminaison de requête
SDK Python OpenAI / Chat	`https://apimaster.ai/v1`	`/v1/chat/completions`
API Responses / Codex	`https://apimaster.ai/v1`	`/v1/responses`
Claude Code	`https://apimaster.ai`	`/v1/messages`

Requête Responses minimale :

curl --fail-with-body --max-time 120 'https://apimaster.ai/v1/responses' \
  -H "Authorization: Bearer $APIMASTER_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"model":"glm-5.3","input":"Reply with exactly GLM_API_OK.","max_output_tokens":2048}'

Lisez le texte des éléments de message dont le type de contenu est output_text ; gardez les éléments de raisonnement séparés. Pour le streaming, utilisez stream: true et vérifiez la présence de response.completed ou d'un événement d'erreur.

Paramètres et dépannage

Situation	Action recommandée
401	Vérifiez la clé APIMaster et le compte qui l'a émise.
404	Utilisez l'URL de base attendue par votre client ; ne dupliquez pas `/v1`.
Réponse vide ou limite de sortie atteinte	Inspectez la raison de fin et l'usage du raisonnement ; augmentez le budget de sortie.
Sortie JSON	Chat `response_format: {"type":"json_object"}` a réussi un test JSON de base. Validez le JSON renvoyé dans votre application.
`reasoning.summary` rejeté	La prise en charge dépend de l'amont sélectionné. Omettez-le pour la configuration de base. Un test de passerelle réussi n'établit pas une prise en charge native par BigModel.
`thinking.type: disabled` rejeté	Le guide officiel du modèle GLM-5.3-Flash n'autorise que `enabled` ; n'exigez pas que la réflexion soit désactivée.
429 / 5xx / flux interrompu	Notez l'ID de requête, le modèle, l'heure UTC et l'erreur. Utilisez des tentatives bornées lorsque c'est sûr ; ne répétez pas aveuglément des outils déjà exécutés.

Foire aux questions

GLM-5.3-Flash est-il gratuit sur APIMaster ?

Le mot Flash fait partie du nom du modèle, ce n'est pas une promesse d'utilisation gratuite. Consultez le marketplace de modèles pour les prix actuels des routes et le portefeuille pour les frais réels.

Un taux de réussite de cache élevé s'applique-t-il à chaque requête ?

Non. La réutilisation du cache dépend de la correspondance des préfixes d'entrée et de l'amont. Inspectez l'usage renvoyé et vos journaux d'utilisation. Le taux de réussite de cache d'une charge de travail précédente ne constitue pas une garantie pour une nouvelle application.

Cela prouve-t-il une compatibilité totale avec OpenAI ou Anthropic ?

Cela établit les workflows de texte, de streaming, de JSON et d'outils testés. Les champs spécifiques au fournisseur, l'état stocké de Responses, la recherche web intégrée et le multimédia nécessitent une validation distincte.