Z.ai: GLM 5.3 Flash (batch)

GLM 5.3 Flash est un modèle multimodal de Z.ai pour le développement visuel, l’analyse de documents et le travail d’agent avec un résultat textuel.

Ailoot Ultra · Traitement par lots POST /v1/batches z-ai/glm-5.3-flash:batch

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Un modèle multimodal pour le travail

GLM 5.3 Flash associe la compréhension du texte, des images, de la vidéo et des fichiers. Il produit une réponse textuelle et vise la programmation avec retour visuel, le traitement documentaire et les tâches professionnelles. Les spécifications publiées indiquent une fenêtre de contexte allant jusqu’à un million de tokens et une sortie maximale de 128 000 tokens.

Architecture à contexte long

Le modèle contient 320 milliards de paramètres, dont 18 milliards actifs. L’attention hybride associe des traitements parcimonieux et linéaires, tandis que des connexions spécialisées entre couches contribuent à maintenir la stabilité lorsque l’échelle augmente. Des éléments multimodaux sont inclus dans le préentraînement.

Les informations visuelles participent au processus : un assistant examine une interface ou un rendu, les compare à la tâche et propose des corrections. Cela explique l’accent mis par le fabricant sur la vérification du résultat visuel réel après l’écriture du code.

Raisonnement, outils et données

Le raisonnement est toujours activé. La profondeur se choisit au moyen de low, high et max ; aucun mode désactivé n’est proposé. L’historique du raisonnement peut être conservé entre les étapes de longs processus.

Pour un outil, le modèle produit un nom de fonction et des arguments, l’application exécute l’action et renvoie le résultat. JSON convient au traitement programmatique des réponses : les champs attendus sont précisés dans les consignes, tandis que la syntaxe et le sens des valeurs sont vérifiés séparément. La diffusion en continu permet de recevoir le texte progressivement.

La mise en cache d’une consigne ou d’un historique répétés aide à réutiliser le contexte traité. Selon Z.ai, elle réduit les traitements répétés dans les tâches adaptées ; la réutilisation réelle se détermine à partir du résultat de la requête concernée.

Développer à partir d’un prompt visuel

Le modèle peut analyser plusieurs captures d’écran d’un produit, les relations entre pages, les composants partagés, les états d’interface et les animations. Dans un environnement agentique doté d’outils, il écrit du code, exécute une application, inspecte les captures du résultat et corrige les écarts. Dans le développement de jeux, ce cycle couvre les règles, le déplacement, les interactions, les scores et la fin d’une session de jeu.

Documents et analyse professionnelle

Pour les présentations, rapports et feuilles de calcul, le modèle considère le contenu avec la mise en page : texte, images, schémas et placement des éléments. À l’aide d’outils, il peut créer et vérifier des éléments PPTX, PDF, DOCX et XLSX. Ces fichiers sont des résultats applicatifs ; la réponse directe du modèle reste textuelle.

L’analyse financière inclut le travail sur les rapports, la vérification de la cohérence des formules et l’examen séparé des données publiées, des hypothèses et des conclusions. Dans le processus décrit par le fabricant, les données proviennent des éléments de la tâche.

Vidéo, scènes tridimensionnelles et interfaces

Dans un environnement agentique, le modèle peut analyser la vidéo, la succession temporelle des événements, les caractéristiques visuelles des participants et les sous-titres. Les outils assurent le montage et l’enregistrement du résultat.

Lors du travail sur une scène tridimensionnelle ou un dessin, il relie les descriptions spatiales, les proportions et les résultats visibles. Le cycle d’outils comprend la construction, le rendu depuis un point de vue donné, la comparaison visuelle et la correction. De même, le modèle peut analyser un écran d’application et aider à travailler successivement sur l’interface.

Ces processus décrivent les propriétés du modèle dans un environnement disposant des outils nécessaires. Les éléments acceptés dépendent de la méthode sélectionnée ; la compréhension visuelle ne signifie pas que le traitement de vidéos ou de fichiers, ou la création des livrables cités, soit automatiquement disponible dans chaque requête.

Ailoot Ultra · Traitement par lots 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

Premiers pas

GLM 5.3 Flash est un modèle multimodal de Z.ai pour le développement visuel, l’analyse de documents et le travail d’agent avec un résultat textuel.

Entrées acceptées: Texte
Résultats: Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Traitement par lots POST /v1/batches

Entrée: text
Sortie: text
Format de sortie: JSON results[].response.body intégré

Champ	Type	Exigence	Valeurs et limites	Par défaut
Champ`endpoint`	Type`string`	ExigenceObligatoire	Valeurs et limites /v1/chat/completions	Par défaut—
Champ`model`	Type`string`	ExigenceObligatoire	Valeurs et limites z-ai/glm-5.3-flash:batch	Par défaut—
Champ`requests`	Type`batch_item[]`	ExigenceObligatoire	Valeurs et limites Nombre minimal d’éléments: 1	Par défaut—
Champ`requests[].custom_id`	Type`string`	ExigenceObligatoire	Valeurs et limites	Par défaut—
Champ`requests[].body.messages`	Type`message[]`	ExigenceObligatoire	Valeurs et limites	Par défaut—
Champ`completion_window`	Type`string`	ExigenceFacultatif	Valeurs et limites 24h	Par défaut—
Champ`provider`	Type`object\|null`	ExigenceFacultatif	Valeurs et limites	Par défaut—
Champ`requests[].body.model`	Type`string`	ExigenceFacultatif	Valeurs et limites z-ai/glm-5.3-flash:batch, z-ai/glm-5.3-flash	Par défaut—
Champ`provider.only`	Type`string[]`	ExigenceFacultatif	Valeurs et limites deepinfra/fp4	Par défaut—
Champ`provider.allow_fallbacks`	Type`boolean\|null`	ExigenceFacultatif	Valeurs et limites false, null	Par défaut—

Paramètres et cycle de vie de la méthode

Paramètre	Contrat
Paramètre`content_type`	Contratapplication/json
Paramètre`required`	Contratendpoint, model, requests
Paramètre`material_types`	Contrattext
Paramètre`representation`	Contratrequests[] intégré ; chaque élément comporte custom_id et body
Paramètre`request_endpoint_profile`	Contrat/v1/chat/completions
Paramètre`file_material`	ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST.
Paramètre`serialization_order`	Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier
Paramètre`optional_controls`	Contratprovider.only, provider.allow_fallbacks, completion_window
Paramètre`schema_scope`	ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée.

Cycle de vie : asynchronous

GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide: Non précisé Lorsque le mode rapide est sélectionné
Mode Flex: Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal: Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Tarification du cache explicite: Non activé Lorsqu’un cache explicite est demandé

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

Configuration	Barème tarifaire	Tokens de contexte, plus de	Tokens de contexte, jusqu’à la limite incluse	Coût
ConfigurationTarifs de base des tokens	Barème tarifaireTarif de base	Tokens de contexte, plus de—	Tokens de contexte, jusqu’à la limite incluseSans borne supérieure	Coût Entrée · Tokens en entrée $0.00012 / 1K tokens Sortie · Tokens en sortie $0.0004 / 1K tokens Entrée · Lecture du cache $0.000024 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 1 de longueur de requête	Barème tarifaire—	Tokens de contexte, plus de0	Tokens de contexte, jusqu’à la limite incluseSans borne supérieure	Coût Entrée · Tokens en entrée $0.00012 / 1K tokens Sortie · Tokens en sortie $0.0004 / 1K tokens Entrée · Lecture du cache $0.000024 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →

Exemples de requêtes

Ailoot Ultra · Traitement par lots

curl · jeu de données de test conservéPython HTTP · JSONL réel du clientPython · enregistrez chaque résultat finalisé

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.

Recevoir et enregistrer les résultats

Ailoot Ultra · Traitement par lots

JSON results[].response.body intégré

GET /v1/batches/{operation_id}

Vérifier l’état de la tâche

curl · état de l’opération d’origine

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

Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.

Si la réponse d’origine doit être vérifiée

Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.

Champs de la réponse

Champ	Type
Champ`results[].custom_id`	Typestring
Champ`results[].response.body.choices[].message.content`	Typestring\|null
Champ`results[].error`	Typeobject\|null
Champ`usage`	Typeobject\|null
Champ`id`	Typestring
Champ`model`	Typestring
Champ`endpoint`	Typestring
Champ`status`	Typestring
Champ`request_counts`	Typeobject
Champ`results[].id`	Typestring
Champ`results[].response.status_code`	Typeinteger
Champ`results[].response.request_id`	Typestring

Erreurs et étapes suivantes

Réponse	Condition	Étape suivante
Réponse400 · `invalid_request_error`	ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle.	Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission.
Réponse401 · `authentication_error`	ConditionClé API invalide.	Étape suivanteUtilisez la clé Ailoot autorisée.
Réponse403 · `permission_error`	ConditionGroupe de traitement par lots indisponible.	Étape suivanteVérifiez les droits d’accès de la clé/du groupe.
Réponse422 · `invalid_request_error`	ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée.	Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde.
Réponse422 · `price_unavailable`	ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots.	Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille.
Réponse402 · `billing_error`	ConditionRéserve pour le traitement par lots indisponible.	Étape suivanteRéglez les conditions d’admission avant une nouvelle requête.
Réponse503 · `price_unavailable`	ConditionPrix de la méthode Batch/tarifs natifs indisponibles.	Étape suivanteConservez la réponse ; ne substituez pas d’autres prix.
Réponse503 · `api_error`	ConditionRoute exacte du fournisseur indisponible.	Étape suivanteConservez la réponse pour réparer la route.
Réponse503 · `result_pending_check`	ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false.	Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine.
Réponse404 · `not_found`	ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité.	Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe.

Alias

Alias du modèle

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

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

z-ai/glm-5.3-flash:batch

FAQ · Z.ai: GLM 5.3 Flash (batch)

Quelles entrées et quels résultats sont disponibles ?: POST /v1/batches · z-ai/glm-5.3-flash:batch: text → text
Quels champs la requête utilise-t-elle ?: POST /v1/batches · z-ai/glm-5.3-flash:batch: endpoint, model, requests, completion_window, provider
Quelles limites s’appliquent ?: POST /v1/batches · z-ai/glm-5.3-flash:batch: requests.min_items: 1

Z.ai: GLM 5.3 Flash (batch)