Z.ai: GLM 5.3 Flash (batch)

O GLM 5.3 Flash é um modelo multimodal da Z.ai para desenvolvimento visual, análise de documentos e trabalho com agentes, com resultados em texto.

Ailoot Ultra · Processamento em lote POST /v1/batches z-ai/glm-5.3-flash:batch

Sobre o modelo

Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.

Um modelo multimodal para trabalho

GLM 5.3 Flash combina compreensão de texto, imagens, vídeo e ficheiros. Produz uma resposta textual e destina-se a programação com informação visual de retorno, processamento de documentos e tarefas profissionais. As especificações publicadas indicam uma janela de contexto de até um milhão de tokens e uma saída máxima de 128 000 tokens.

Arquitetura de contexto longo

O modelo contém 320 mil milhões de parâmetros, dos quais 18 mil milhões estão ativos. A atenção híbrida combina processamento esparso e linear, enquanto ligações especializadas entre camadas ajudam a manter a estabilidade à medida que a escala aumenta. O pré-treino inclui material multimodal.

A informação visual participa no fluxo de trabalho: um assistente examina uma interface ou um resultado apresentado, compara-o com a tarefa e propõe correções. Isto explica a ênfase do fabricante na verificação do resultado visual efetivo depois de escrever código.

Raciocínio, ferramentas e dados

O raciocínio está sempre ativado. A profundidade é selecionada através de low, high e max; não existe um modo desativado. O histórico de raciocínio pode ser conservado entre etapas durante fluxos de trabalho longos.

Para uma ferramenta, o modelo produz um nome de função e argumentos, a aplicação executa a ação e devolve o resultado. JSON é adequado ao processamento programático de respostas: os campos esperados são especificados através de instruções, enquanto a sintaxe e o significado dos valores são verificados separadamente. A transmissão em fluxo contínuo permite receber texto de forma incremental.

Colocar uma instrução repetida ou o histórico em cache ajuda a reutilizar o contexto processado. Segundo a Z.ai, reduz o processamento repetido em tarefas adequadas; a reutilização efetiva é determinada pelo resultado do pedido concreto.

Desenvolvimento a partir de um pedido visual

O modelo pode analisar várias capturas de ecrã de um produto, relações entre páginas, componentes partilhados, estados da interface e animações. Num ambiente de agentes com ferramentas, escreve código, executa uma aplicação, inspeciona capturas de ecrã do resultado e corrige as diferenças. No desenvolvimento de jogos, este ciclo abrange regras, movimento, interações, pontuações e o encerramento de uma sessão de jogo.

Documentos e análise profissional

Para apresentações, relatórios e folhas de cálculo, o modelo considera o conteúdo juntamente com a composição visual: texto, imagens, diagramas e posicionamento de elementos. Através de ferramentas, pode criar e verificar material PPTX, PDF, DOCX e XLSX. Estes ficheiros são resultados da aplicação; a resposta direta do modelo continua a ser texto.

A análise financeira inclui trabalho com informação financeira, verificações da coerência das fórmulas e consideração separada dos dados divulgados, dos pressupostos e das conclusões. No fluxo de trabalho descrito pelo fabricante, os dados provêm do material da tarefa.

Vídeo, cenas tridimensionais e interfaces

Num ambiente de agentes, o modelo pode analisar vídeo, a sequência temporal dos acontecimentos, as características visuais dos participantes e as legendas. As ferramentas asseguram a edição e a gravação do resultado.

Ao trabalhar com uma cena tridimensional ou um desenho, relaciona descrições espaciais, proporções e resultados visíveis. O ciclo de ferramentas inclui construção, renderização a partir de um ponto de vista especificado, comparação visual e correção. Da mesma forma, o modelo pode analisar um ecrã de aplicação e ajudar em trabalho sequencial com a interface.

Estes fluxos de trabalho descrevem propriedades do modelo num ambiente com as ferramentas necessárias. O material aceite é determinado pelo método selecionado; a compreensão visual não significa que o processamento de vídeo ou de ficheiros, ou a criação dos produtos indicados, esteja automaticamente disponível em todos os pedidos.

Ailoot Ultra · Processamento em lote 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

Introdução

O GLM 5.3 Flash é um modelo multimodal da Z.ai para desenvolvimento visual, análise de documentos e trabalho com agentes, com resultados em texto.

Entradas aceites: Texto
Resultados: Texto

Disponível no Ailoot · entradas e métodos

Ailoot Ultra · Processamento em lote POST /v1/batches

Entrada: text
Saída: text
Formato de saída: JSON em linha de results[].response.body

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

Parâmetros e ciclo de vida do método

Parâmetro	Contrato
Parâmetro`content_type`	Contratoapplication/json
Parâmetro`required`	Contratoendpoint, model, requests
Parâmetro`material_types`	Contratotext
Parâmetro`representation`	Contratorequests[] em linha; cada item tem custom_id e body
Parâmetro`request_endpoint_profile`	Contrato/v1/chat/completions
Parâmetro`file_material`	ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST.
Parâmetro`serialization_order`	Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar
Parâmetro`optional_controls`	Contratoprovider.only, provider.allow_fallbacks, completion_window
Parâmetro`schema_scope`	ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada.

Ciclo de vida: asynchronous

GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo

Tarifários

As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.

Modo rápido: Não especificado Quando o modo rápido está selecionado
Modo flex: Não especificado Quando o modo flex está selecionado
Esforço máximo de raciocínio: Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)
Preços da cache explícita: Não ativado Quando é pedida cache explícita

Tarifas Ailoot

Preços por configuração

Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.

Configuração	Tabela de tarifas	Tokens de contexto, mais de	Tokens de contexto, até ao limite inclusive	Custo
ConfiguraçãoTarifas base dos tokens	Tabela de tarifasTarifa base	Tokens de contexto, mais de—	Tokens de contexto, até ao limite inclusiveSem limite superior	Custo Entrada · Tokens de entrada $0.00012 / 1K tokens Saída · Tokens de saída $0.0004 / 1K tokens Entrada · Leitura da cache $0.000024 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens
ConfiguraçãoEscalão 1 por comprimento do pedido	Tabela de tarifas—	Tokens de contexto, mais de0	Tokens de contexto, até ao limite inclusiveSem limite superior	Custo Entrada · Tokens de entrada $0.00012 / 1K tokens Saída · Tokens de saída $0.0004 / 1K tokens Entrada · Leitura da cache $0.000024 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens

O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →

Exemplos de pedidos

Ailoot Ultra · Processamento em lote

curl · dados de teste preservadosPython HTTP · JSONL real do clientePython · guarde cada resultado concluído

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.

Receber e guardar os resultados

Ailoot Ultra · Processamento em lote

JSON em linha de results[].response.body

GET /v1/batches/{operation_id}

Verificar o estado da tarefa

curl · estado da operação 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

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.

Se for necessário verificar a resposta original

Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.

Campos da resposta

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

Erros e passos seguintes

Resposta	Condição	Passo seguinte
Resposta400 · `invalid_request_error`	CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo.	Passo seguinteCorrija os campos indicados antes de qualquer novo envio.
Resposta401 · `authentication_error`	CondiçãoChave de API inválida.	Passo seguinteUse a chave Ailoot autorizada.
Resposta403 · `permission_error`	CondiçãoGrupo de processamento em lote indisponível.	Passo seguinteVerifique os direitos de acesso da chave/do grupo.
Resposta422 · `invalid_request_error`	CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada.	Passo seguinteUse o grupo autorizado com faturação por débito do saldo.
Resposta422 · `price_unavailable`	CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote.	Passo seguinteConserve a resposta; use os dados de entrada documentados para a família.
Resposta402 · `billing_error`	CondiçãoReserva para processamento em lote indisponível.	Passo seguinteResolva a questão da admissão antes de um novo pedido.
Resposta503 · `price_unavailable`	CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis.	Passo seguinteConserve a resposta; não substitua os preços.
Resposta503 · `api_error`	CondiçãoA rota exata do fornecedor está indisponível.	Passo seguinteConserve a resposta para corrigir a rota.
Resposta503 · `result_pending_check`	CondiçãoO resultado original requer verificação; X-Should-Retry:false.	Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original.
Resposta404 · `not_found`	CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade.	Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo.

Aliases

Aliases do modelo

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

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

z-ai/glm-5.3-flash:batch

FAQ · Z.ai: GLM 5.3 Flash (batch)

Que entradas e resultados estão disponíveis?: POST /v1/batches · z-ai/glm-5.3-flash:batch: text → text
Que campos utiliza o pedido?: POST /v1/batches · z-ai/glm-5.3-flash:batch: endpoint, model, requests, completion_window, provider
Que limites se aplicam?: POST /v1/batches · z-ai/glm-5.3-flash:batch: requests.min_items: 1

Z.ai: GLM 5.3 Flash (batch)