Source: https://ailoot.ai/models/ru/z-ai-glm-5-3-u003a-batch/ Canonical: https://ailoot.ai/models/ru/z-ai-glm-5-3-u003a-batch/ Language: ru # Z.ai: GLM 5.3 (batch) [Markdown](https://ailoot.ai/models/ru/z-ai-glm-5-3-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/ru/z-ai-glm-5-3-u003a-batch/facts.json) ## [Z.ai: GLM 5.3 (batch)](https://ailoot.ai/models/ru/z-ai-glm-5-3-u003a-batch/) Z.ai GLM 5.3 — текстовая модель рассуждения для сложной разработки ПО, работы в терминале и длительных агентных задач. Она поддерживает документированные производителем контекст 1M токенов, до 128K выходных токенов, вызов функций и уровни рассуждения low/high/max; рассуждение включено постоянно. - [**Ailoot Ultra · Пакетная обработка** `POST /v1/batches` `z-ai/glm-5.3:batch`](https://ailoot.ai/models/ru/z-ai-glm-5-3-u003a-batch/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Z.ai GLM 5.3 — крупная текстовая модель рассуждения для сложной разработки ПО и длительной работы агентов. Производитель указывает, что она использует ту же базовую модель, что и GLM 5.2, а новые улучшения получены за счёт постобучения. Выпуск направлен на усиление программирования, терминальных операций и более широких задач с несколькими зависимыми шагами. Модель принимает текст и выдаёт текст, включая код, объяснения, планы и запросы на вызов инструментов в приложении с их подключением. Документированный режим рассуждения включён постоянно. GLM 5.3 предлагает три уровня усилий: low, high и max; по умолчанию используется max. Производитель рекомендует max для сложного программирования; low даёт более лёгкое рассуждение для простых шагов. Используйте выбранный уровень вместе с ясным итоговым результатом и критериями завершения. Например: «Изучи эти файлы и результаты неудачных проверок, проследи причину через затронутые модули, предложи исправление с сохранением публичного интерфейса и объясни, какие проверки подтверждают устранение регрессии». Производитель задаёт контекстное окно 1M токенов и максимальную длину выхода 128K токенов. Организуйте длинный материал вокруг связи, которую модель должна исследовать. Сохраняйте имена файлов, существенные определения, обозначения источников и порядок наблюдений, оставляя место для рассуждения и итогового ответа в применимом рабочем контексте. Большое окно полезно для зависимостей между модулями или длинной последовательности наблюдений агента; оно не превращает бесцельный архив несвязанных материалов в чётко поставленную задачу. Для работы с репозиторием предоставьте ожидаемое поведение, нужный исходный текст, версии зависимостей и фактический вывод ошибки. Попросите модель определить затронутое поведение до предложения патча. Для рефакторинга назовите интерфейс и инварианты, которые необходимо сохранить. Полезный ответ содержит изменённый код, объяснение того, почему изменение устраняет наблюдаемую проблему, и случаи для проверки результата. Возвращайте фактические результаты в процесс с подключёнными инструментами, чтобы следующий шаг опирался на изменившееся состояние, а не на прежнее предложение. Для работы над производительностью предоставьте нагрузку, исходный уровень и измерения: например, время выполнения, профили или записи выделения памяти. Z.ai описывает обучающие задачи по диагностике узких мест, оптимизации, экспериментам и сохранению корректности результата. Практический запрос: «По этому профилю выяви наиболее существенное узкое место, предложи одно измеримое изменение и объясни, какой результат оправдает его сохранение». Отличайте гипотезу о производительности от зафиксированного улучшения. При рассмотрении результата сохраняйте ту же нагрузку и существенные условия. Выпуск также развивает возможности анализа уязвимостей. Для защитной проверки исходного кода предоставьте нужный код, предполагаемые границы доверия и условия исполнения. Запросите вывод, связывающий подозреваемую проблему с затронутым входом, поведением и целевым исправлением. Отделяйте потенциальную слабость от воспроизведённого дефекта и сохраняйте наблюдение, использованное для проверки. Отчёт полезнее, когда отдаёт приоритет конкретным данным и предлагаемым исправлениям, а не объявляет каждый подозрительный шаблон подтверждённой уязвимостью. Вызов функций позволяет внешнему приложению предоставлять модели операции. Определите назначение, аргументы и ожидаемый результат каждого инструмента, затем верните фактическое наблюдение инструмента для следующего шага. Модель может проанализировать этот результат и определить, как он меняет задачу. Различайте предлагаемые действия, выполненные операции и нерешённые проверки. Производитель также документирует потоковые ответы, возвращающие фрагменты рассуждения и ответа отдельно; собирайте завершённый ответ, прежде чем считать его итоговым отчётом или объяснением кода. Локальная карточка модели содержит конкретную деталь настройки истории: её шаблон чата по умолчанию сохраняет рассуждения, тогда как для обычных диалогов производитель рекомендует явно очищать старые рассуждения. Применяйте структуру диалога, соответствующую сценарию, сохраняя фактические завершённые ответы и результаты инструментов, необходимые для продолжения. Не считайте настройки рассуждения GLM 5.2 или отдельных версий GLM 5.3 Flash взаимозаменяемыми с уровнями low/high/max этой модели. Для структурированного результата задайте ожидаемые поля, типы и правила использования источников. Полезным материалом может быть таблица дефектов, план изменений или объект JSON с резюме наблюдений. Проверяйте и структуру, и значения до использования в приложении. Итог должен определять ответ или изменённый материал, подтверждающие данные и оставшиеся предположения. Более интенсивное рассуждение не подтверждает, что инструмент был запущен, предложенный патч прошёл проверки или фактическое утверждение обосновано за пределами предоставленного материала. **Ailoot Ultra · Пакетная обработка** `POST /v1/batches` `z-ai/glm-5.3:batch` [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/ru/#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` ### Начало Z.ai GLM 5.3 — текстовая модель рассуждения для сложной разработки ПО, работы в терминале и длительных агентных задач. Она поддерживает документированные производителем контекст 1M токенов, до 128K выходных токенов, вызов функций и уровни рассуждения low/high/max; рассуждение включено постоянно. Допустимые входные данные Текст Результаты Текст ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Пакетная обработка** `POST /v1/batches` Входные данные `text` Результат `text` Выходной формат Встроенный JSON results\[\].response.body | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`endpoint` | Тип`string` | ТребованиеОбязательно | Значения и ограничения /v1/chat/completions | По умолчанию— | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения z-ai/glm-5.3:batch | По умолчанию— | | Поле`requests` | Тип`batch_item[]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— | | Поле`requests[].custom_id` | Тип`string` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`requests[].body.messages` | Тип`message[]` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`completion_window` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения 24h | По умолчанию— | | Поле`provider` | Тип`object\|null` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`requests[].body.model` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения z-ai/glm-5.3:batch, z-ai/glm-5.3 | По умолчанию— | | Поле`provider.only` | Тип`string[]` | ТребованиеНеобязательно | Значения и ограничения deepinfra/fp4 | По умолчанию— | | Поле`provider.allow_fallbacks` | Тип`boolean\|null` | ТребованиеНеобязательно | Значения и ограничения false, null | По умолчанию— | Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактendpoint, model, requests | | Параметр`material_types` | Контрактtext | | Параметр`representation` | КонтрактВстроенный массив requests\[\]; у каждого элемента есть custom\_id и body | | Параметр`request_endpoint_profile` | Контракт/v1/chat/completions | | Параметр`file_material` | КонтрактВызывающая сторона может локально прочитать фактический JSONL в UTF-8 и поместить его в requests\[\]. Назначение загрузки, input\_file\_id и ссылка на файл не используются. Отсутствующий или пустой материал клиента останавливает подготовку до POST. | | Параметр`serialization_order` | Контрактendpoint, model, provider (если указан), completion\_window (если указан), requests — последним | | Параметр`optional_controls` | Контрактprovider.only, provider.allow\_fallbacks, completion\_window | | Параметр`schema_scope` | КонтрактТела текстовых запросов Chat Completions в документированной встроенной оболочке Batch. | Жизненный цикл: `asynchronous` `GET /v1/batches/{operation_id}` · Фактический response.id исходного ответа на создание; тот же пользователь, ключ и группа ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Не указано При выборе быстрого режима Режим flex Не указано При выборе режима flex Максимальная интенсивность рассуждений Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) Цены явного кэширования Не включено Когда запрошено явное кэширование #### Ставки Ailoot #### Цены по конфигурациям Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку. | Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата | | --- | --- | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены **$0.0009** / 1K токенов Выход · Выходные токены **$0.004** / 1K токенов Вход · Чтение кэша **$0.0002** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | | КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены **$0.0009** / 1K токенов Выход · Выходные токены **$0.004** / 1K токенов Вход · Чтение кэша **$0.0002** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Пакетная обработка curl · сохранённый образец запросаPython HTTP · реальный JSONL клиентаPython · сохраните каждый готовый результат ```bash set -eu : "${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. ``` ### Получить и сохранить результаты #### Ailoot Ultra · Пакетная обработка Встроенный JSON results\[\].response.body - `GET /v1/batches/{operation_id}` ##### Проверить статус задачи curl · статус исходной операции ```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 ``` ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте полный исходный JSON статуса, каждый результат и custom\_id, а также полное тело ответа или ошибки. Сохраняйте завершённые results\[\] как JSONL без фильтрации. ##### Если нужно проверить исходный ответ Сохраните исходный ID операции. Ответ 503 result\_pending\_check содержит X-Should-Retry:false; никогда не отправляйте повторно исходный пакет с неизвестным результатом. Поля ответа | Поле | Тип | | --- | --- | | Поле`results[].custom_id` | Типstring | | Поле`results[].response.body.choices[].message.content` | Типstring\|null | | Поле`results[].error` | Типobject\|null | | Поле`usage` | Типobject\|null | | Поле`id` | Типstring | | Поле`model` | Типstring | | Поле`endpoint` | Типstring | | Поле`status` | Типstring | | Поле`request_counts` | Типobject | | Поле`results[].id` | Типstring | | Поле`results[].response.status_code` | Типinteger | | Поле`results[].response.request_id` | Типstring | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверный формат документированной встроенной оболочки, повторяющиеся ключи, ошибки идентификации элементов или конфликт настроенных возможностей модели. | Следующий шагИсправьте указанные поля перед любой новой отправкой. | | Ответ401 · `authentication_error` | УсловиеНедействительный ключ API. | Следующий шагИспользуйте разрешённый ключ Ailoot. | | Ответ403 · `permission_error` | УсловиеГруппа пакетной обработки недоступна. | Следующий шагПроверьте права доступа ключа и группы. | | Ответ422 · `invalid_request_error` | УсловиеПакетная обработка оплачивается с баланса; создание по подписке отклоняется. | Следующий шагИспользуйте разрешённую группу с оплатой с баланса. | | Ответ422 · `price_unavailable` | УсловиеСтоимость входных данных пакета невозможно рассчитать. | Следующий шагСохраните ответ; используйте документированный формат входных данных для этого семейства. | | Ответ402 · `billing_error` | УсловиеРезерв для пакетной обработки недоступен. | Следующий шагУстраните причину отказа в допуске перед новым запросом. | | Ответ503 · `price_unavailable` | УсловиеЦена метода пакетной обработки или нативные тарифы недоступны. | Следующий шагСохраните ответ; не подменяйте цены. | | Ответ503 · `api_error` | УсловиеТочный маршрут поставщика недоступен. | Следующий шагСохраните ответ для исправления маршрута. | | Ответ503 · `result_pending_check` | УсловиеИсходный результат требует проверки; X-Should-Retry:false. | Следующий шагСохраните исходный operation\_id/id и читайте его статус; никогда не повторяйте исходный POST. | | Ответ404 · `not_found` | УсловиеОперация проверки статуса пакета отсутствует или принадлежит другой учётной записи. | Следующий шагИспользуйте точный исходный id и того же пользователя, ключ и группу. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/ru/#m=z-ai%2Fglm-5.3%3Abatch&route=Ultra&caller=z-ai%2Fglm-5.3%3Abatch&fmt=batches) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/ru/#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) Какие входные данные и результаты доступны? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `text` → `text` Какие поля использует запрос? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Какие ограничения действуют? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `requests.min_items`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.