APIMaster.ai
APIMaster.ai 使用文件
快速開始APIMaster 官網模型廣場

GLM API 指南：GLM-5.2、GLM-5.3 與 GLM-5.3-Flash

透過 APIMaster 使用 Python 或 curl 呼叫 GLM-5.2、GLM-5.3 與 GLM-5.3-Flash。已測試 Chat、Responses、Messages、串流、JSON 與工具呼叫。

請使用 glm-5.2、glm-5.3 或 glm-5.3-flash，搭配 APIMaster API 金鑰與基礎網址 https://apimaster.ai/v1。 對於 OpenAI 相容的應用程式，請從 Chat Completions 開始。Codex 使用 Responses;Claude Code 使用 Messages 介面。

這些是 APIMaster 閘道的整合測試結果，並不表示每個 GLM 上游皆原生實作所有協定。GLM 是模型系列;OpenAI 與 Anthropic SDK 提供用戶端介面。

已測試的相容性

驗證於 2026-09-15 UTC 開始，使用公開的 APIMaster 端點與一般路由。每個模型皆完成以下檢查：

檢查項目 glm-5.2 glm-5.3 glm-5.3-flash
Chat Completions:一般與串流 通過 通過 通過
Responses:一般與串流 通過 通過 通過
Messages:一般與串流 通過 通過 通過
函式/工具呼叫與工具結果往返，三種協定皆測試 通過 通過 通過
Chat JSON 物件輸出 通過 通過 通過

文字測試檢查了實際答案與串流終止事件，而不僅是 HTTP 200。工具測試請求了一個天氣函式,然後回傳一個僅在工具結果中提供的驗證碼。這些是功能性整合檢查，而非吞吐量基準測試或可用性 SLA。長時間工作階段、最大上下文、影片以及所有進階參數均不在此測試範圍內。

1. 取得 API 金鑰

建立 APIMaster API 金鑰，啟用所需的模型並為帳戶儲值。請使用上述確切的模型 ID。來自 BigModel、OpenAI 或 Anthropic 的金鑰無法向 APIMaster 進行驗證。

macOS / Linux：

export APIMASTER_API_KEY='YOUR_APIMASTER_API_KEY'

Windows PowerShell：

$env:APIMASTER_API_KEY = 'YOUR_APIMASTER_API_KEY'

2. 使用 curl 呼叫 Chat Completions

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}'

讀取 choices[0].message.content。將 model 變更為 glm-5.2 或 glm-5.3 以切換模型。推理模型可能會在輸出最終答案之前消耗部分輸出額度。

3. 使用 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)

若要串流，請設定 stream=True。請檢查 choices 是否為空：最後的 usage 區塊可能僅包含用量資訊而沒有文字差量。

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)

第一個事件可能包含推理內容而非可見的答案文字。在會回傳 reasoning_content 的路由上，將助理訊息帶入工具對話時請保留該欄位；不要僅根據最終文字重建助理訊息。

4. 選擇正確的端點

應用程式 基礎網址 請求端點
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

最小的 Responses 請求：

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}'

從內容類型為 output_text 的訊息項目讀取文字；推理項目請另行保留。若要串流，請使用 stream: true 並檢查 response.completed 或錯誤事件。

參數與疑難排解

情況 建議做法
401 檢查 APIMaster 金鑰及其發出的帳戶。
404 使用用戶端所預期的基礎網址；不要重複 /v1。
空答案或輸出受限 檢查結束原因與推理用量；增加輸出額度。
JSON 輸出 Chat 的 response_format: {"type":"json_object"} 已通過基本 JSON 測試。請在您的應用程式中驗證回傳的 JSON。
reasoning.summary 被拒絕 支援與否取決於所選的上游。基準設定請省略此參數。閘道測試成功並不代表 BigModel 原生支援。
thinking.type: disabled 被拒絕 官方 GLM-5.3-Flash 模型指南僅允許 enabled；不要要求停用思考功能。
429 / 5xx / 串流中斷 記錄請求 ID、模型、UTC 時間與錯誤。在安全的前提下使用有界限的重試；不要盲目重複已執行的工具。

常見問題

GLM-5.3-Flash 在 APIMaster 上是免費的嗎？

Flash 一詞是模型名稱的一部分，並非免費使用的承諾。請查看模型市集以取得目前的路由價格，並查看錢包以了解實際扣款。

高快取命中率適用於每個請求嗎？

不適用。快取重用取決於輸入前綴的匹配與上游。請檢視回傳的用量資訊與您的用量日誌。先前工作負載的快取命中率並不保證新應用程式也能獲得相同結果。

這能證明與 OpenAI 或 Anthropic 完全相容嗎？

它確立了已測試的文字、串流、JSON 與工具工作流程。供應商專屬欄位、儲存的 Responses 狀態、內建網頁搜尋與多媒體皆需另行驗證。

相關指南與來源