Source: https://ailoot.ai/models/sv/z-ai-glm-5-3-u003a-batch/ Canonical: https://ailoot.ai/models/sv/z-ai-glm-5-3-u003a-batch/ Language: sv # Z.ai: GLM 5.3 (batch) [Markdown](https://ailoot.ai/models/sv/z-ai-glm-5-3-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/sv/z-ai-glm-5-3-u003a-batch/facts.json) ## [Z.ai: GLM 5.3 (batch)](https://ailoot.ai/models/sv/z-ai-glm-5-3-u003a-batch/) Z.ai GLM 5.3 är en textbaserad resonemangsmodell för komplex mjukvaruutveckling, terminalarbete och långsiktiga agenter. Den stöder en tillverkardokumenterad kontext på 1M token, upp till 128K utdatatoken, funktionsanrop och resonemangsnivåerna low/high/max, med resonemang aktiverat genomgående. - [**Ailoot Ultra · Batchkörning** `POST /v1/batches` `z-ai/glm-5.3:batch`](https://ailoot.ai/models/sv/z-ai-glm-5-3-u003a-batch/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Z.ai GLM 5.3 är en storskalig textbaserad resonemangsmodell för komplex mjukvaruutveckling och långsiktigt agentarbete. Tillverkaren anger att den använder samma basmodell som GLM 5.2 och att förbättringarna kommer från efterträning. Utgåvan fokuserar på starkare programmering, terminaloperationer och bredare uppgifter med flera beroende steg. Den tar emot text och producerar text, inklusive kod, förklaringar, planer och begäranden om verktygsanrop i en verktygsansluten applikation. Det dokumenterade resonemangsläget är alltid aktiverat. GLM 5.3 erbjuder tre ansträngningsnivåer: low, high och max, med max som standard. Tillverkaren rekommenderar max för komplex kodning; low ger ett lättare resonemangsalternativ för enklare steg. Använd den valda nivån tillsammans med en tydlig slutleverans och kriterier för färdigställande. Exempelvis: ”Granska dessa filer och felresultat, spåra orsaken genom de berörda modulerna, föreslå en korrigering som bevarar det publika gränssnittet och förklara vilka kontroller som visar att regressionen är löst.” Tillverkaren anger ett kontextfönster på 1M token och en maximal utdatalängd på 128K token. Organisera långt material kring det samband modellen behöver undersöka. Bevara filnamn, relevanta definitioner, källbeteckningar och observationernas ordning och lämna utrymme för resonemang och slutsvar inom den tillämpliga arbetskontexten. Ett stort fönster är användbart för beroenden mellan moduler eller en lång följd av agentobservationer; det gör inte ett oordnat arkiv av orelaterat material till en väldefinierad uppgift. För arbete i kodarkiv tillhandahåller du förväntat beteende, relevant källtext, beroendeversioner och faktisk felutdata. Be modellen identifiera det berörda beteendet innan den föreslår en patch. För refaktorering anger du gränssnittet och de invarianter som måste förbli intakta. Ett användbart svar innehåller den reviderade koden, varför ändringen åtgärdar det observerade problemet och fallen som behövs för att kontrollera resultatet. Återför faktiska resultat till ett verktygsanslutet arbetsflöde så att nästa steg baseras på det ändrade tillståndet snarare än på det tidigare förslaget. För prestandaarbete tillhandahåller du en arbetslast, en baslinje och mätningar som tider, profiler eller allokeringsposter. Z.ai beskriver träningsuppgifter med flaskhalsdiagnostik, optimering, experiment och resultat som bevarar korrektheten. En praktisk begäran är: ”Använd denna profil för att identifiera den mest betydelsefulla flaskhalsen, föreslå en mätbar ändring och förklara vilket resultat som skulle motivera att behålla den.” Skilj en prestandahypotes från en dokumenterad förbättring. Bevara samma arbetslast och relevanta villkor när ett resultat granskas. Utgåvan utvecklar också förmåga till sårbarhetsanalys. För defensiv källkodsgranskning tillhandahåller du relevant kod, avsedda tillitsgränser och körvillkor. Be om en iakttagelse som kopplar ett misstänkt problem till berörd indata, beteende och en fokuserad åtgärd. Skilj en möjlig svaghet från ett reproducerat fel och behåll observationen som användes för att validera det. En rapport är mer användbar när den prioriterar konkret underlag och föreslagna korrigeringar i stället för att behandla varje misstänkt mönster som en bekräftad sårbarhet. Funktionsanrop låter en omgivande applikation exponera externa operationer för modellen. Definiera varje verktygs syfte, argument och förväntade resultat och återför sedan den faktiska verktygsobservationen inför nästa steg. Modellen kan resonera om resultatet och avgöra hur det förändrar uppgiften. Håll föreslagna åtgärder, utförda operationer och olösta kontroller åtskilda. Tillverkaren dokumenterar även strömmande svar där resonemangs- och svarsfragment returneras separat; sammanställ det färdiga svaret innan det behandlas som slutrapport eller kodförklaring. Det lokala modellkortet anger en specifik detalj om historikinställningen: chattmallen behåller tänkandet som standard, medan tillverkaren rekommenderar uttrycklig rensning av äldre tänkande i vanliga chattscenarier. Tillämpa lämplig samtalsstruktur för användningsfallet och bevara de faktiska färdiga svar och verktygsresultat som behövs för fortsättningen. Behandla inte resonemangsinställningar från GLM 5.2 eller de separata GLM 5.3 Flash-versionerna som utbytbara mot denna modells low/high/max-kontroller. För strukturerade resultat anger du förväntade fält, typer och källregler. En användbar leverans kan vara en feltabell, en ändringsplan eller ett JSON-objekt som sammanfattar observationer. Validera både strukturen och värdena innan en applikation använder dem. Slutresultatet bör identifiera svaret eller den reviderade leveransen, underlaget som stöder det och återstående antaganden. Mer resonemangsarbete fastställer inte att ett verktyg kördes, att en föreslagen patch klarade sina kontroller eller att ett faktapåstående har stöd utanför det tillhandahållna materialet. **Ailoot Ultra · Batchkörning** `POST /v1/batches` `z-ai/glm-5.3:batch` [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/sv/#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 är en textbaserad resonemangsmodell för komplex mjukvaruutveckling, terminalarbete och långsiktiga agenter. Den stöder en tillverkardokumenterad kontext på 1M token, upp till 128K utdatatoken, funktionsanrop och resonemangsnivåerna low/high/max, med resonemang aktiverat genomgående. Godkända indata Text Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Batchkörning** `POST /v1/batches` Indatatyper `text` Utdatatyper `text` Utdataformat JSON i inbäddade results\[\].response.body | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`endpoint` | Typ`string` | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser z-ai/glm-5.3:batch | Standard— | | Fält`requests` | Typ`batch_item[]` | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— | | Fält`requests[].custom_id` | Typ`string` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`requests[].body.messages` | Typ`message[]` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`completion_window` | Typ`string` | KravValfritt | Värden & gränser 24h | Standard— | | Fält`provider` | Typ`object\|null` | KravValfritt | Värden & gränser | Standard— | | Fält`requests[].body.model` | Typ`string` | KravValfritt | Värden & gränser z-ai/glm-5.3:batch, z-ai/glm-5.3 | Standard— | | Fält`provider.only` | Typ`string[]` | KravValfritt | Värden & gränser deepinfra/fp4 | Standard— | | Fält`provider.allow_fallbacks` | Typ`boolean\|null` | KravValfritt | Värden & gränser false, null | Standard— | Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalendpoint, model, requests | | Parameter`material_types` | Avtaltext | | Parameter`representation` | AvtalInbäddade requests\[\]; varje objekt har custom\_id och body | | Parameter`request_endpoint_profile` | Avtal/v1/chat/completions | | Parameter`file_material` | AvtalDen anropande klienten kan läsa in faktiska UTF-8 JSONL-data lokalt i requests\[\]. Inget uppladdningssyfte, input\_file\_id eller någon filreferens används. Om kundmaterial saknas eller är tomt avbryts förberedelserna före POST. | | Parameter`serialization_order` | Avtalendpoint, model, provider (om angivet), completion\_window (om angivet), requests sist | | Parameter`optional_controls` | Avtalprovider.only, provider.allow\_fallbacks, completion\_window | | Parameter`schema_scope` | AvtalFörfrågningskroppar för Text Chat Completions i det dokumenterade inbäddade Batch-formatet. | Livscykel: `asynchronous` `GET /v1/batches/{operation_id}` · Det faktiska response.id från det ursprungliga skapandesvaret; samma användare/nyckel/grupp ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) Prissättning för explicit cache Inte aktiverat När explicit cache begärs #### Ailoot-priser #### Priser efter konfiguration Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer. | Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift | | --- | --- | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken **$0.0009** / 1K token Utdata · Utdatatoken **$0.004** / 1K token Indata · Cacheläsning **$0.0002** / 1K token Indata · Skrivning till cache **—** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | | KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken **$0.0009** / 1K token Utdata · Utdatatoken **$0.004** / 1K token Indata · Cacheläsning **$0.0002** / 1K token Indata · Skrivning till cache **—** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Batchkörning curl · bevarat referensexempelPython HTTP · kundens faktiska JSONLPython · spara varje färdigt resultat ```bash set -eu : "${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. ``` ### Ta emot och spara resultat #### Ailoot Ultra · Batchkörning JSON i inbäddade results\[\].response.body - `GET /v1/batches/{operation_id}` ##### Kontrollera jobbstatus curl · status för ursprunglig åtgärd ```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 ``` ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Spara hela det ursprungliga statusobjektet i JSON, varje resultat/custom\_id och hela svars- eller felkroppen. Spara slutförda results\[\] som JSONL utan filtrering. ##### Om det ursprungliga svaret behöver kontrolleras Behåll det ursprungliga operations-ID:t. Vid 503 result\_pending\_check gäller X-Should-Retry:false; skicka aldrig om en ursprunglig batch med okänt utfall. Svarsfält | Fält | Typ | | --- | --- | | Fält`results[].custom_id` | Typstring | | Fält`results[].response.body.choices[].message.content` | Typstring\|null | | Fält`results[].error` | Typobject\|null | | Fält`usage` | Typobject\|null | | Fält`id` | Typstring | | Fält`model` | Typstring | | Fält`endpoint` | Typstring | | Fält`status` | Typstring | | Fält`request_counts` | Typobject | | Fält`results[].id` | Typstring | | Fält`results[].response.status_code` | Typinteger | | Fält`results[].response.request_id` | Typstring | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorFörfrågan har ett ogiltigt inbäddat format enligt dokumentationen, duplicerade nycklar eller en felaktig objektidentitet, eller står i konflikt med modellens konfigurerade funktioner. | Nästa stegRätta de angivna fälten innan du skickar en ny förfrågan. | | Svar401 · `authentication_error` | VillkorOgiltig API-nyckel. | Nästa stegAnvänd den behöriga Ailoot-nyckeln. | | Svar403 · `permission_error` | VillkorGrupp för batchkörning är inte tillgänglig. | Nästa stegKontrollera nyckelns/gruppens behörighet. | | Svar422 · `invalid_request_error` | VillkorBatchkörning debiteras från saldot; skapande via abonnemang avvisas. | Nästa stegAnvänd den behöriga gruppen med saldodebitering. | | Svar422 · `price_unavailable` | VillkorKostnaden för batchindata kan inte beräknas i förväg. | Nästa stegSpara svaret; använd det dokumenterade indataformatet för API-familjen. | | Svar402 · `billing_error` | VillkorReservation för batchkörning är inte tillgänglig. | Nästa stegSe till att villkoren för att godta förfrågan är uppfyllda innan du skickar en ny. | | Svar503 · `price_unavailable` | VillkorPriset för batchmetoden eller de inbyggda priserna är inte tillgängliga. | Nästa stegSpara svaret; ersätt inte priserna med andra. | | Svar503 · `api_error` | VillkorDen exakta leverantörsrutten är inte tillgänglig. | Nästa stegSpara svaret för att kunna reparera routningen. | | Svar503 · `result_pending_check` | VillkorDet ursprungliga resultatet behöver kontrolleras; X-Should-Retry:false. | Nästa stegBehåll det ursprungliga värdet för operation\_id/id och läs av operationens status; upprepa aldrig det ursprungliga POST-anropet. | | Svar404 · `not_found` | VillkorOperationen för batchstatus saknas eller tillhör en annan identitet. | Nästa stegAnvänd exakt det ursprungliga id-värdet och samma användare/nyckel/grupp. | ### Alias #### Modellalias **Ailoot Ultra** [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/sv/#m=z-ai%2Fglm-5.3%3Abatch&route=Ultra&caller=z-ai%2Fglm-5.3%3Abatch&fmt=batches) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`z-ai/glm-5.3:batch`](https://ailoot.ai/models/sv/#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) Vilka indata och resultat finns? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `text` → `text` Vilka fält använder begäran? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Vilka gränser gäller? `POST /v1/batches` · `z-ai/glm-5.3:batch`: `requests.min_items`: `1` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.