Source: https://ailoot.ai/models/pl/z-ai-glm-5-3-u003a-batch/ Canonical: https://ailoot.ai/models/pl/z-ai-glm-5-3-u003a-batch/ Language: pl # Z.ai: GLM 5.3 (batch) [Markdown](https://ailoot.ai/models/pl/z-ai-glm-5-3-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/pl/z-ai-glm-5-3-u003a-batch/facts.json) ## [Z.ai: GLM 5.3 (batch)](https://ailoot.ai/models/pl/z-ai-glm-5-3-u003a-batch/) Z.ai GLM 5.3 to tekstowy model rozumowania do złożonej inżynierii oprogramowania, pracy w terminalu i długotrwałych zadań agentów. Obsługuje udokumentowany przez producenta kontekst 1M tokenów, do 128K tokenów wyjścia, wywoływanie funkcji i poziomy wysiłku low/high/max, z rozumowaniem stale włączonym. - [**Ailoot Ultra · Batch** `POST /v1/batches` `z-ai/glm-5.3:batch`](https://ailoot.ai/models/pl/z-ai-glm-5-3-u003a-batch/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Z.ai GLM 5.3 to duży tekstowy model rozumowania zaprojektowany do złożonej inżynierii oprogramowania i długotrwałej pracy agentów. Producent podaje, że używa tej samej bazy co GLM 5.2, a nowe usprawnienia wynikają z treningu końcowego. Wydanie koncentruje się na lepszym programowaniu, operacjach terminalowych i szerszych zadaniach obejmujących kilka zależnych kroków. Przyjmuje i tworzy tekst, w tym kod, wyjaśnienia, plany i żądania wywołań narzędzi w aplikacji podłączonej do narzędzi. Udokumentowany tryb rozumowania jest zawsze włączony. GLM 5.3 oferuje trzy poziomy wysiłku: low, high i max, przy czym domyślny jest max. Producent zaleca max do złożonej pracy programistycznej; low zapewnia lżejsze rozumowanie dla prostszych kroków. Stosuj wybrany poziom wraz z jasnym rezultatem końcowym i kryteriami ukończenia. Na przykład: „Zbadaj te pliki i wyniki nieudanych kontroli, prześledź przyczynę w objętych modułach, zaproponuj poprawkę zachowującą interfejs publiczny i wyjaśnij, które kontrole potwierdzają usunięcie regresji”. Producent określa okno kontekstu na 1M tokenów i maksymalną długość wyjścia na 128K tokenów. Uporządkuj długi materiał wokół relacji, którą model ma zbadać. Zachowaj nazwy plików, istotne definicje, oznaczenia źródeł i kolejność obserwacji oraz pozostaw w obowiązującym kontekście roboczym miejsce na rozumowanie i odpowiedź końcową. Duże okno przydaje się przy zależnościach między modułami lub długiej sekwencji obserwacji agenta; nie sprawia, że nieukierunkowane archiwum niepowiązanych materiałów staje się dobrze określonym zadaniem. W pracy z repozytorium podaj oczekiwane zachowanie, istotny tekst źródłowy, wersje zależności i rzeczywiste komunikaty błędów. Poproś model o wskazanie zachowania, którego dotyczy problem, przed zaproponowaniem poprawki. Dla refaktoryzacji nazwij interfejs i niezmienniki, które muszą pozostać nienaruszone. Przydatna odpowiedź zawiera zmieniony kod, powód, dla którego zmiana rozwiązuje zaobserwowany problem, oraz przypadki potrzebne do sprawdzenia wyniku. Zwracaj rzeczywiste wyniki do procesu z narzędziami, aby kolejny krok opierał się na zmienionym stanie, a nie wcześniejszej propozycji. Dla pracy nad wydajnością podaj obciążenie, punkt odniesienia i pomiary, takie jak czasy, profile lub zapisy alokacji. Z.ai opisuje zadania treningowe obejmujące diagnozę wąskich gardeł, optymalizację, eksperymenty i wyniki zachowujące poprawność. Praktyczne żądanie brzmi: „Użyj tego profilu, aby wskazać najistotniejsze wąskie gardło, zaproponuj jedną mierzalną zmianę i wyjaśnij, jaki wynik uzasadni jej zachowanie”. Odróżniaj hipotezę o wydajności od zarejestrowanej poprawy. Przy badaniu wyniku zachowaj to samo obciążenie i istotne warunki. Wydanie rozwija również analizę podatności. Przy defensywnym przeglądzie źródeł podaj odpowiedni kod, zamierzone granice zaufania i warunki wykonywania. Poproś o ustalenie łączące podejrzany problem z wejściem i zachowaniem, których dotyczy, oraz z ukierunkowanym środkiem naprawczym. Oddziel potencjalną słabość od odtworzonego błędu i zachowaj obserwację używaną do weryfikacji. Raport jest przydatniejszy, gdy nadaje priorytet konkretnym dowodom i proponowanym poprawkom, zamiast uznawać każdy podejrzany wzorzec za potwierdzoną podatność. Wywoływanie funkcji umożliwia otaczającej aplikacji udostępnianie modelowi operacji zewnętrznych. Określ cel, argumenty i oczekiwany wynik każdego narzędzia, a następnie zwróć rzeczywistą obserwację narzędziową dla następnego kroku. Model może rozumować nad tym wynikiem i ustalić jego wpływ na zadanie. Odróżniaj proponowane działania, wykonane operacje i nierozstrzygnięte kontrole. Producent dokumentuje także odpowiedzi strumieniowe, które oddzielnie zwracają fragmenty rozumowania i odpowiedzi; złóż ukończoną odpowiedź, zanim uznasz ją za końcowy raport lub wyjaśnienie kodu. Lokalna karta modelu podaje szczegół ustawień historii: szablon czatu domyślnie zachowuje myślenie, natomiast producent zaleca jawne usuwanie wcześniejszego myślenia w zwykłych rozmowach. Stosuj strukturę rozmowy odpowiednią do zastosowania, zachowując rzeczywiste ukończone odpowiedzi i wyniki narzędzi potrzebne do kontynuacji. Nie traktuj ustawień rozumowania GLM 5.2 lub osobnych edycji GLM 5.3 Flash jako zamiennych z ustawieniami low/high/max tego modelu. Dla wyników strukturalnych określ oczekiwane pola, typy i reguły źródłowe. Przydatnym materiałem może być tabela błędów, plan zmian lub obiekt JSON podsumowujący obserwacje. Zweryfikuj strukturę i wartości przed użyciem przez aplikację. Wynik końcowy powinien wskazywać odpowiedź lub zmieniony materiał, uzasadniające dowody i pozostałe założenia. Większy wysiłek rozumowania nie dowodzi uruchomienia narzędzia, przejścia kontroli przez proponowaną poprawkę ani uzasadnienia twierdzenia faktograficznego poza podanym materiałem. **Ailoot Ultra · Batch** `POST /v1/batches` `z-ai/glm-5.3:batch` [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/pl/#m=z-ai%2Fglm-5.3%3Abatch&route=Ultra&caller=z-ai%2Fglm-5.3%3Abatch&fmt=batches) Z.ai /`z-ai/glm-5.3:batch` ### Start Z.ai GLM 5.3 to tekstowy model rozumowania do złożonej inżynierii oprogramowania, pracy w terminalu i długotrwałych zadań agentów. Obsługuje udokumentowany przez producenta kontekst 1M tokenów, do 128K tokenów wyjścia, wywoływanie funkcji i poziomy wysiłku low/high/max, z rozumowaniem stale włączonym. Akceptowane dane wejściowe Tekst Wyniki Tekst ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Batch** `POST /v1/batches` Wejście `text` Wyjście `text` Format wyjściowy JSON bezpośrednio w results\[\].response.body | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`endpoint` | Typ`string` | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity z-ai/glm-5.3:batch | Domyślnie— | | Pole`requests` | Typ`batch_item[]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— | | Pole`requests[].custom_id` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`requests[].body.messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`completion_window` | Typ`string` | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— | | Pole`provider` | Typ`object\|null` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`requests[].body.model` | Typ`string` | WymaganieOpcjonalne | Wartości i limity z-ai/glm-5.3:batch, z-ai/glm-5.3 | Domyślnie— | | Pole`provider.only` | Typ`string[]` | WymaganieOpcjonalne | Wartości i limity deepinfra/fp4 | Domyślnie— | | Pole`provider.allow_fallbacks` | Typ`boolean\|null` | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— | Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktendpoint, model, requests | | Parametr`material_types` | Kontrakttext | | Parametr`representation` | Kontraktrequests\[\] bezpośrednio w żądaniu; każdy element zawiera custom\_id i body | | Parametr`request_endpoint_profile` | Kontrakt/v1/chat/completions | | Parametr`file_material` | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests\[\]. Nie używa się przeznaczenia przesyłanego pliku, input\_file\_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. | | Parametr`serialization_order` | Kontraktendpoint, model, provider (jeśli podano), completion\_window (jeśli podano), requests na końcu | | Parametr`optional_controls` | Kontraktprovider.only, provider.allow\_fallbacks, completion\_window | | Parametr`schema_scope` | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. | Cykl życia: `asynchronous` `GET /v1/batches/{operation_id}` · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) Wycena jawnej pamięci podręcznej Niewłączone Gdy zażądano jawnej pamięci podręcznej #### Stawki Ailoot #### Ceny według konfiguracji Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji. | Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata | | --- | --- | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.0009** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.004** / 1K tokenów Wejście · Odczyt cache **$0.0002** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | | KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe **$0.0009** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.004** / 1K tokenów Wejście · Odczyt cache **$0.0002** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Batch curl · zachowany zestaw danych testowychPython HTTP · rzeczywisty JSONL klientaPython · zapisz każdy ukończony wynik ```bash set -eu : "${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: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 ``` ```python 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:batch', 'z-ai/glm-5.3']: raise ValueError("body.model must be an exact documented caller or wire ID") return {"endpoint":"/v1/chat/completions", "model":"z-ai/glm-5.3: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")) ``` ```python 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. ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Batch JSON bezpośrednio w results\[\].response.body - `GET /v1/batches/{operation_id}` ##### Sprawdź status zadania curl · status pierwotnej operacji ```bash 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 ``` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom\_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results\[\] jako JSONL bez filtrowania. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result\_pending\_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`results[].custom_id` | Typstring | | Pole`results[].response.body.choices[].message.content` | Typstring\|null | | Pole`results[].error` | Typobject\|null | | Pole`usage` | Typobject\|null | | Pole`id` | Typstring | | Pole`model` | Typstring | | Pole`endpoint` | Typstring | | Pole`status` | Typstring | | Pole`request_counts` | Typobject | | Pole`results[].id` | Typstring | | Pole`results[].response.status_code` | Typinteger | | Pole`results[].response.request_id` | Typstring | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. | | Odpowiedź401 · `authentication_error` | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. | | Odpowiedź403 · `permission_error` | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. | | Odpowiedź422 · `invalid_request_error` | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. | | Odpowiedź422 · `price_unavailable` | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. | | Odpowiedź402 · `billing_error` | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. | | Odpowiedź503 · `price_unavailable` | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. | | Odpowiedź503 · `api_error` | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. | | Odpowiedź503 · `result_pending_check` | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation\_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. | | Odpowiedź404 · `not_found` | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/pl/#m=z-ai%2Fglm-5.3%3Abatch&route=Ultra&caller=z-ai%2Fglm-5.3%3Abatch&fmt=batches) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/pl/#m=z-ai%2Fglm-5.3%3Abatch&route=Ultra&caller=z-ai%2Fglm-5.3%3Abatch&fmt=batches) FAQ · Z.ai: GLM 5.3 (batch) Jakie dane wejściowe i wyniki są dostępne? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `text` → `text` Jakich pól używa żądanie? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Jakie limity obowiązują? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `requests.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.