APIMaster.ai
Dokumentacja APIMaster.ai
Quick startAPIMaster.aiMarketplace

Przewodnik po API GLM: GLM-5.2, GLM-5.3 i GLM-5.3-Flash

Wywołuj modele GLM-5.2, GLM-5.3 i GLM-5.3-Flash przez APIMaster za pomocą Pythona lub curl. Przetestowano Chat, Responses, Messages, streaming, JSON i wywołania narzędzi.

Używaj glm-5.2, glm-5.3 lub glm-5.3-flash z kluczem API APIMaster i bazowym adresem URL https://apimaster.ai/v1. W przypadku aplikacji zgodnych z OpenAI zacznij od Chat Completions. Codex korzysta z Responses; Claude Code korzysta z interfejsu Messages.

Są to wyniki integracji z bramką APIMaster, a nie twierdzenie, że każde górne połączenie GLM natywnie implementuje każdy protokół. GLM to rodzina modeli; zestawy SDK OpenAI i Anthropic zapewniają interfejsy klienckie.

Przetestowana zgodność

Walidacja rozpoczęła się 2026-09-15 UTC z wykorzystaniem publicznego punktu końcowego APIMaster i normalnego routingu. Każdy model przeszedł następujące testy:

Test glm-5.2 glm-5.3 glm-5.3-flash
Chat Completions: zwykły i strumieniowy Zaliczony Zaliczony Zaliczony
Responses: zwykły i strumieniowy Zaliczony Zaliczony Zaliczony
Messages: zwykły i strumieniowy Zaliczony Zaliczony Zaliczony
Wywołanie funkcji/narzędzia i pełna wymiana wyniku narzędzia, we wszystkich trzech protokołach Zaliczony Zaliczony Zaliczony
Wyjście obiektu JSON w Chat Zaliczony Zaliczony Zaliczony

Testy tekstowe sprawdzały rzeczywistą odpowiedź oraz zdarzenie zakończenia strumienia, a nie tylko HTTP 200. Testy narzędzi żądały funkcji pogodowej, a następnie zwracały kod weryfikacyjny przekazany wyłącznie w wyniku narzędzia. Są to funkcjonalne testy integracyjne, a nie benchmarki przepustowości ani gwarancja dostępności (SLA). Długie sesje, maksymalny kontekst, wideo i wszystkie zaawansowane parametry wykraczają poza tę macierz testową.

1. Uzyskaj klucz API

Utwórz klucz API APIMaster, włącz wybrany model i zasili konto. Użyj dokładnie identyfikatorów modeli podanych powyżej. Klucz z BigModel, OpenAI lub Anthropic nie może uwierzytelnić się w APIMaster.

macOS / Linux:

export APIMASTER_API_KEY='YOUR_APIMASTER_API_KEY'

Windows PowerShell:

$env:APIMASTER_API_KEY = 'YOUR_APIMASTER_API_KEY'

2. Wywołaj Chat Completions za pomocą 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}'

Odczytaj choices[0].message.content. Zmień model na glm-5.2 lub glm-5.3, aby przełączyć model. Modele rozumujące mogą zużyć część budżetu wyjściowego przed wygenerowaniem ostatecznej odpowiedzi.

3. Użyj zestawu Python OpenAI SDK

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)

W przypadku strumieniowania ustaw stream=True. Sprawdzaj puste choice: końcowy fragment usage może zawierać dane użycia bez przyrostu tekstu.

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)

Pierwsze zdarzenie może zawierać proces rozumowania, a nie widoczny tekst odpowiedzi. Zachowuj reasoning_content, gdy przenosisz wiadomości asystenta do rozmowy z narzędziami na trasach, które je zwracają; nie odtwarzaj wiadomości asystenta wyłącznie z ostatecznego tekstu.

4. Wybierz właściwy punkt końcowy

Aplikacja Bazowy URL Punkt końcowy żądania
Python OpenAI SDK / Chat https://apimaster.ai/v1 /v1/chat/completions
Responses API / Codex https://apimaster.ai/v1 /v1/responses
Claude Code https://apimaster.ai /v1/messages

Minimalne żądanie Responses:

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}'

Tekst odczytuj z elementów typu message, których typ zawartości to output_text; przechowuj elementy rozumowania oddzielnie. W przypadku strumieniowania użyj stream: true i sprawdź wystąpienie response.completed lub zdarzenia błędu.

Parametry i rozwiązywanie problemów

Sytuacja Zalecane działanie
401 Sprawdź klucz APIMaster i konto, które go wydało.
404 Użyj bazowego URL oczekiwanego przez Twojego klienta; nie duplikuj /v1.
Pusta odpowiedź lub limit wyjścia Sprawdź powód zakończenia i zużycie na rozumowanie; zwiększ budżet wyjściowy.
Wyjście JSON Chat response_format: {"type":"json_object"} przeszedł podstawowy test JSON. Waliduj zwrócony JSON w swojej aplikacji.
Odrzucone reasoning.summary Obsługa zależy od wybranego dostawcy nadrzędnego. Pomiń to w konfiguracji bazowej. Pomyślny test bramki nie potwierdza natywnej obsługi przez BigModel.
Odrzucone thinking.type: disabled Oficjalny przewodnik modelu GLM-5.3-Flash dopuszcza wyłącznie enabled; nie wymagaj wyłączania rozumowania.
429 / 5xx / przerwany strumień Zapisz identyfikator żądania, model, czas UTC i błąd. Tam, gdzie jest to bezpieczne, stosuj ograniczone ponowienia; nie powtarzaj w ciemno wykonanych już narzędzi.

Często zadawane pytania

Czy GLM-5.3-Flash jest darmowy w APIMaster?

Słowo Flash jest częścią nazwy modelu, a nie obietnicą bezpłatnego użytkowania. Sprawdź aktualne ceny tras w marketplace modeli oraz stan konta w portfelu.

Czy wysoki wskaźnik trafień w cache dotyczy każdego żądania?

Nie. Ponowne użycie cache zależy od zgodności prefiksów wejściowych i dostawcy nadrzędnego. Analizuj zwracane dane użycia oraz swoje logi użycia. Wskaźnik trafień w cache z poprzedniego obciążenia nie jest gwarancją dla nowej aplikacji.

Czy to dowodzi pełnej zgodności z OpenAI lub Anthropic?

Potwierdza przetestowane przepływy tekstowe, strumieniowanie, JSON i narzędzia. Pola specyficzne dla dostawcy, przechowywany stan Responses, wbudowane wyszukiwanie w sieci oraz multimedia wymagają odrębnej walidacji.

Powiązane przewodniki i źródła