Z.ai: GLM 5.3 Flash (batch)

GLM 5.3 Flash es un modelo multimodal de Z.ai para desarrollo con información visual, análisis de documentos y trabajo con agentes, con resultados en forma de texto.

Ailoot Ultra · Batch POST /v1/batches z-ai/glm-5.3-flash:batch

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

Un modelo multimodal para el trabajo

GLM 5.3 Flash combina la comprensión de texto, imágenes, video y archivos. Produce una respuesta de texto y está orientado a programación con retroalimentación visual, procesamiento de documentos y tareas profesionales. Las especificaciones publicadas indican una ventana de contexto de hasta un millón de tokens y una salida máxima de 128,000 tokens.

Arquitectura de contexto largo

El modelo contiene 320 mil millones de parámetros, con 18 mil millones activos. La atención híbrida combina procesamiento disperso y lineal, mientras que conexiones especializadas entre capas ayudan a mantener la estabilidad al aumentar la escala. El preentrenamiento incluye material multimodal.

La información visual participa en el flujo de trabajo: un asistente examina una interfaz o un resultado renderizado, lo compara con la tarea y propone correcciones. Esto explica el énfasis del fabricante en comprobar el resultado visual real después de escribir código.

Razonamiento, herramientas y datos

El razonamiento está siempre activado. La profundidad se selecciona mediante low, high y max; no se ofrece un modo desactivado. El historial de razonamiento puede conservarse entre pasos durante flujos de trabajo largos.

Para una herramienta, el modelo produce un nombre de función y argumentos; la aplicación ejecuta la acción y devuelve el resultado. JSON es adecuado para procesar respuestas mediante programas: los campos esperados se especifican con instrucciones, mientras que la sintaxis y el significado de los valores se comprueban por separado. La transmisión progresiva permite recibir texto de forma incremental.

Guardar en caché una instrucción o un historial repetidos ayuda a reutilizar contexto procesado. Según Z.ai, esto reduce el procesamiento repetido en tareas adecuadas; la reutilización real se determina por el resultado de la solicitud concreta.

Desarrollo a partir de una instrucción visual

El modelo puede analizar varias capturas de un mismo producto, relaciones entre páginas, componentes compartidos, estados de interfaz y animaciones. En un entorno de agentes con herramientas, escribe código, ejecuta una aplicación, inspecciona capturas del resultado y corrige discrepancias. En desarrollo de juegos, este ciclo abarca reglas, movimiento, interacciones, puntajes y la finalización de una sesión de juego.

Documentos y análisis profesional

Para presentaciones, informes y hojas de cálculo, el modelo considera el contenido junto con el diseño: texto, imágenes, diagramas y ubicación de elementos. Mediante herramientas, puede crear y comprobar material PPTX, PDF, DOCX y XLSX. Estos archivos son resultados de la aplicación; la respuesta directa del modelo sigue siendo texto.

El análisis financiero incluye trabajo con informes, comprobaciones de coherencia de fórmulas y consideración por separado de los datos divulgados, los supuestos y las conclusiones. En el flujo descrito por el fabricante, los datos provienen del material de la tarea.

Video, escenas tridimensionales e interfaces

En un entorno de agentes, el modelo puede analizar video, la secuencia temporal de eventos, las características visuales de los participantes y los subtítulos. Las herramientas permiten editar y guardar el resultado.

Al trabajar con una escena tridimensional o un dibujo, vincula descripciones espaciales, proporciones y resultados visibles. El ciclo de herramientas incluye construcción, renderizado desde un punto de vista especificado, comparación visual y corrección. De manera similar, el modelo puede analizar la pantalla de una aplicación y ayudar con trabajo secuencial en la interfaz.

Estos flujos describen propiedades del modelo en un entorno con las herramientas necesarias. El material aceptado depende del método seleccionado; la comprensión visual no significa que el procesamiento de video o archivos, ni la creación de los entregables indicados, estén disponibles automáticamente en todas las solicitudes.

Ailoot Ultra · Batch POST /v1/batches z-ai/glm-5.3-flash:batch

z-ai/glm-5.3-flash:batch

Z.ai /z-ai/glm-5.3-flash:batch

Inicio

GLM 5.3 Flash es un modelo multimodal de Z.ai para desarrollo con información visual, análisis de documentos y trabajo con agentes, con resultados en forma de texto.

Entradas aceptadas: Texto
Resultados: Texto

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · Batch POST /v1/batches

Entrada: text
Salida: text
Formato de salida: JSON de results[].response.body en línea

Campo	Tipo	Requisito	Valores y límites	Predeterminado
Campo`endpoint`	Tipo`string`	RequisitoObligatorio	Valores y límites /v1/chat/completions	Predeterminado—
Campo`model`	Tipo`string`	RequisitoObligatorio	Valores y límites z-ai/glm-5.3-flash:batch	Predeterminado—
Campo`requests`	Tipo`batch_item[]`	RequisitoObligatorio	Valores y límites Número mínimo de elementos: 1	Predeterminado—
Campo`requests[].custom_id`	Tipo`string`	RequisitoObligatorio	Valores y límites	Predeterminado—
Campo`requests[].body.messages`	Tipo`message[]`	RequisitoObligatorio	Valores y límites	Predeterminado—
Campo`completion_window`	Tipo`string`	RequisitoOpcional	Valores y límites 24h	Predeterminado—
Campo`provider`	Tipo`object\|null`	RequisitoOpcional	Valores y límites	Predeterminado—
Campo`requests[].body.model`	Tipo`string`	RequisitoOpcional	Valores y límites z-ai/glm-5.3-flash:batch, z-ai/glm-5.3-flash	Predeterminado—
Campo`provider.only`	Tipo`string[]`	RequisitoOpcional	Valores y límites deepinfra/fp4	Predeterminado—
Campo`provider.allow_fallbacks`	Tipo`boolean\|null`	RequisitoOpcional	Valores y límites false, null	Predeterminado—

Parámetros del método y ciclo de vida

Parámetro	Contrato
Parámetro`content_type`	Contratoapplication/json
Parámetro`required`	Contratoendpoint, model, requests
Parámetro`material_types`	Contratotext
Parámetro`representation`	Contratorequests[] en línea; cada elemento tiene custom_id y body
Parámetro`request_endpoint_profile`	Contrato/v1/chat/completions
Parámetro`file_material`	ContratoQuien realiza la llamada puede leer localmente el JSONL UTF-8 real e incorporarlo a requests[]. No se utiliza el campo purpose para cargas, ni input_file_id ni referencias a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST.
Parámetro`serialization_order`	Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final
Parámetro`optional_controls`	Contratoprovider.only, provider.allow_fallbacks, completion_window
Parámetro`schema_scope`	ContratoCuerpos de solicitudes de texto de Chat Completions dentro de la estructura Batch en línea documentada.

Ciclo de vida: asynchronous

GET /v1/batches/{operation_id} · El response.id real de la respuesta de creación original; el mismo usuario, clave y grupo

Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast: Sin especificar Cuando se selecciona el modo fast
Modo flex: Sin especificar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento: Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default
Precios de caché explícita: No habilitado Cuando se solicita caché explícita

Tarifas de Ailoot

Precios por configuración

Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.

Configuración	Tabla de tarifas	Tokens de contexto, más de	Tokens de contexto, hasta inclusive	Cargo
ConfiguraciónTarifas base por token	Tabla de tarifasTarifa base	Tokens de contexto, más de—	Tokens de contexto, hasta inclusiveSin límite superior	Cargo Entrada · Tokens de entrada $0.00012 / 1K tokens Salida · Tokens de salida $0.0004 / 1K tokens Entrada · Lectura de caché $0.000024 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens
ConfiguraciónNivel 1 por longitud de la solicitud	Tabla de tarifas—	Tokens de contexto, más de0	Tokens de contexto, hasta inclusiveSin límite superior	Cargo Entrada · Tokens de entrada $0.00012 / 1K tokens Salida · Tokens de salida $0.0004 / 1K tokens Entrada · Lectura de caché $0.000024 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →

Solicitudes de ejemplo

Ailoot Ultra · Batch

curl · ejemplo de prueba conservadoPython HTTP · JSONL real del clientePython · guarda cada resultado completado

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"z-ai/glm-5.3-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json

import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['z-ai/glm-5.3-flash:batch', 'z-ai/glm-5.3-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"z-ai/glm-5.3-flash:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))

import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.

Recibir y guardar resultados

Ailoot Ultra · Batch

JSON de results[].response.body en línea

GET /v1/batches/{operation_id}

Consultar el estado de la tarea

curl · estado de la operación original

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json

Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva el JSON completo del estado original, cada result/custom_id y el cuerpo completo de la respuesta o del error. Guarda results[] completados como JSONL sin filtrar.

Si es necesario revisar la respuesta original

Conserva el ID de la operación original. La respuesta 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado sea desconocido.

Campos de respuesta

Campo	Tipo
Campo`results[].custom_id`	Tipostring
Campo`results[].response.body.choices[].message.content`	Tipostring\|null
Campo`results[].error`	Tipoobject\|null
Campo`usage`	Tipoobject\|null
Campo`id`	Tipostring
Campo`model`	Tipostring
Campo`endpoint`	Tipostring
Campo`status`	Tipostring
Campo`request_counts`	Tipoobject
Campo`results[].id`	Tipostring
Campo`results[].response.status_code`	Tipointeger
Campo`results[].response.request_id`	Tipostring

Errores y siguientes pasos

Respuesta	Condición	Siguiente paso
Respuesta400 · `invalid_request_error`	CondiciónLa estructura en línea documentada no es válida, hay claves duplicadas, existe un problema con la identidad de los elementos o hay un conflicto entre las capacidades configuradas del modelo.	Siguiente pasoCorrige los campos indicados antes de realizar cualquier nuevo envío.
Respuesta401 · `authentication_error`	CondiciónClave de API no válida.	Siguiente pasoUsa la clave de Ailoot autorizada.
Respuesta403 · `permission_error`	CondiciónGrupo de Batch no disponible.	Siguiente pasoVerifica los permisos de la clave y el grupo.
Respuesta422 · `invalid_request_error`	CondiciónBatch usa facturación contra saldo; se rechazan las solicitudes de creación con una suscripción.	Siguiente pasoUsa el grupo autorizado con facturación contra saldo.
Respuesta422 · `price_unavailable`	CondiciónNo se puede cotizar la entrada de Batch.	Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia.
Respuesta402 · `billing_error`	CondiciónReserva de Batch no disponible.	Siguiente pasoResuelve los requisitos de admisión antes de realizar una nueva solicitud.
Respuesta503 · `price_unavailable`	CondiciónPrecio del método Batch o tarifas nativas no disponibles.	Siguiente pasoConserva la respuesta; no sustituyas los precios.
Respuesta503 · `api_error`	CondiciónLa ruta exacta del proveedor no está disponible.	Siguiente pasoConserva la respuesta para reparar la ruta.
Respuesta503 · `result_pending_check`	CondiciónEl resultado original requiere una revisión; X-Should-Retry:false.	Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original.
Respuesta404 · `not_found`	CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad.	Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo.

Alias

Alias del modelo

Ailoot Ultra z-ai/glm-5.3-flash:batch

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

z-ai/glm-5.3-flash:batch

FAQ · Z.ai: GLM 5.3 Flash (batch)

¿Qué entradas y resultados están disponibles?: POST /v1/batches · z-ai/glm-5.3-flash:batch: text → text
¿Qué campos utiliza la solicitud?: POST /v1/batches · z-ai/glm-5.3-flash:batch: endpoint, model, requests, completion_window, provider
¿Qué límites se aplican?: POST /v1/batches · z-ai/glm-5.3-flash:batch: requests.min_items: 1

Z.ai: GLM 5.3 Flash (batch)