模型

Z.ai: GLM 5.3 (batch)

Markdown · JSON

Z.ai: GLM 5.3 (batch)

Z.ai GLM 5.3 是文字推理模型,適用於複雜軟體工程、終端機工作與長期任務代理。它支援製造商文件記載的 1M 詞元上下文、最多 128K 輸出詞元、函式呼叫與 low/high/max 推理強度,推理全程保持啟用。

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項,依所選方法列於下方。

Z.ai GLM 5.3 是大型文字推理模型,為複雜軟體工程與長期代理工作設計。製造商表示,它與 GLM 5.2 使用相同基礎模型,新增效能提升來自後訓練。此版本著重於更強的程式設計、終端機操作,以及涉及多個相依步驟的廣泛任務。它接收並產生文字;在連接工具的應用程式中,文字可包含程式碼、說明、計畫與工具呼叫請求。

文件中的推理模式一律啟用。GLM 5.3 提供三種強度:low、high 與 max,預設為 max。製造商建議複雜程式設計工作採用 max;low 則為較簡單步驟提供較輕量的推理選項。將選定強度與明確的最終成品及完成準則搭配。例如:「檢視這些檔案與失敗結果,沿受影響的模組追查原因,提出保留公開介面的修正,並解釋哪些檢查可確立回歸問題已解決。」

製造商規定 1M 詞元的上下文視窗與 128K 詞元的輸出長度上限。圍繞模型需要調查的關係組織長篇素材。保留檔名、相關定義、來源標籤與觀察順序,並在適用工作上下文中為推理及最終答案預留空間。大視窗適合跨模組相依關係或長串代理觀察;它不會讓缺乏方向、含有無關素材的資料封存自動變成定義明確的任務。

進行儲存庫工作時,提供預期行為、相關原始碼文字、相依套件版本與實際錯誤輸出。要求模型先辨識受影響的行為,再提出修補。重構時,指出必須完整保留的介面與不變條件。實用的回覆包含修訂後的程式碼、變更為何能解決觀察到的問題,以及檢查結果所需的案例。將實際結果回饋至連接工具的流程,讓下一步以變更後狀態為依據,而非以前一份提案為依據。

進行效能工作時,提供工作負載、基準及測量資料,例如時間、效能剖析或配置紀錄。Z.ai 描述的訓練任務涵蓋瓶頸診斷、最佳化、實驗及保留正確性的結果。實用的請求是:「利用這份效能剖析找出影響最大的瓶頸,提出一項可量測的變更,並解釋什麼結果足以支持保留它。」區分效能假設與已記錄的改善。檢視結果時,保留相同工作負載與相關條件。

此版本也發展了弱點分析能力。進行防禦性原始碼審查時,提供相關程式碼、預期信任邊界與執行條件。要求發現能將疑似問題連結至受影響輸入、行為與聚焦的修正方式。區分潛在弱點與已重現故障,並保留驗證所用的觀察。報告若優先呈現具體證據與修正建議,而非將每種可疑模式都視為已確認弱點,會更有用。

函式呼叫讓外圍應用程式向模型提供外部操作。定義每個工具的用途、引數與預期結果,再將實際工具觀察回傳給下一步。模型可以推理該結果,判斷它如何改變任務。保持提議動作、已執行操作與未解檢查彼此可區分。製造商也記載了串流回覆,會分別回傳推理與答案片段;先組合完整答案,再將其視為最終報告或程式碼說明。

本機模型卡提供了一項明確的歷史設定細節:其聊天範本預設保留思考,但製造商建議一般聊天情境明確清除舊思考。依使用情境套用合適的對話結構,保留接續工作所需的實際完整答案與工具結果。避免將 GLM 5.2 或另行命名的 GLM 5.3 Flash 版本之推理控制設定,視為可與此模型的 low/high/max 控制項互換。

對結構化結果,指定預期欄位、型別與來源規則。實用成品可以是缺陷表、變更計畫,或彙整觀察的 JSON 物件。應用程式使用前,同時驗證結構與欄位值。最終結果應指出答案或修訂成品、支持它的證據及剩餘假設。更多推理投入並不能證明工具已執行、提議的修補已通過檢查,或事實主張具有提供素材以外的支持。

Ailoot Ultra · 批次處理(Batch) POST /v1/batches z-ai/glm-5.3:batch

z-ai/glm-5.3:batch

Z.ai /z-ai/glm-5.3:batch

入門

Z.ai GLM 5.3 是文字推理模型,適用於複雜軟體工程、終端機工作與長期任務代理。它支援製造商文件記載的 1M 詞元上下文、最多 128K 輸出詞元、函式呼叫與 low/high/max 推理強度,推理全程保持啟用。

接受的輸入
文字
結果
文字

Ailoot 可用 · 輸入與方法

Ailoot Ultra · 批次處理(Batch) POST /v1/batches
輸入
text
輸出
text
輸出格式
內嵌的 results[].response.body JSON
欄位類型要求值與限制預設值
欄位endpoint類型string要求必填值與限制
/v1/chat/completions
預設值—
欄位model類型string要求必填值與限制
z-ai/glm-5.3:batch
預設值—
欄位requests類型batch_item[]要求必填值與限制
項目數下限: 1
預設值—
欄位requests[].custom_id類型string要求必填值與限制預設值—
欄位requests[].body.messages類型message[]要求必填值與限制預設值—
欄位completion_window類型string要求選填值與限制
24h
預設值—
欄位provider類型object|null要求選填值與限制預設值—
欄位requests[].body.model類型string要求選填值與限制
z-ai/glm-5.3:batch, z-ai/glm-5.3
預設值—
欄位provider.only類型string[]要求選填值與限制
deepinfra/fp4
預設值—
欄位provider.allow_fallbacks類型boolean|null要求選填值與限制
false, null
預設值—
方法參數與生命週期
參數規格
參數content_type規格application/json
參數required規格endpoint, model, requests
參數material_types規格text
參數representation規格內嵌的 requests[];每個項目皆含 custom_id 與 body
參數request_endpoint_profile規格/v1/chat/completions
參數file_material規格呼叫端可在本機將實際的 UTF-8 JSONL 讀入 requests[]。此流程不使用上傳用途、input_file_id 或檔案參照。若缺少客戶素材或素材為空,應在 POST 前停止準備。
參數serialization_order規格endpoint, model, provider(如有提供), completion_window(如有提供), requests 放在最後
參數optional_controls規格provider.only, provider.allow_fallbacks, completion_window
參數schema_scope規格依文件規定的內嵌 Batch 封裝格式提供文字 Chat Completions 請求主體。

生命週期: asynchronous

GET /v1/batches/{operation_id} · 原始建立回應中實際回傳的 response.id;使用相同使用者/金鑰/群組

方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式
未指定 選取快速模式時
flex 模式
未指定 選取 flex 模式時
最高推理強度
未指定 最高推理強度採用 default 調整值時
顯式快取計價
未啟用 請求顯式快取時

Ailoot 費率

各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

設定費率表上下文 Token 數大於上下文 Token 數小於或等於費用
設定詞元基本費率費率表基本費率上下文 Token 數大於—上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.0009 / 1K Token
輸出 · 輸出 Token $0.004 / 1K Token
輸入 · 讀取快取 $0.0002 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token
設定請求長度級距 1費率表—上下文 Token 數大於0上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.0009 / 1K Token
輸出 · 輸出 Token $0.004 / 1K Token
輸入 · 讀取快取 $0.0002 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token

Ailoot 會在請求前預留估算金額。取得結果後,依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot Ultra · 批次處理(Batch)

curl · 保留的測試資料Python HTTP · 客戶實際的 JSONLPython · 儲存每個已完成的結果
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
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"))
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.

接收並儲存結果

Ailoot Ultra · 批次處理(Batch)

內嵌的 results[].response.body JSON

  • GET /v1/batches/{operation_id}
查看工作狀態
curl · 原始作業狀態
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
保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

保留完整的原始狀態 JSON、每個結果/custom_id,以及完整的回應或錯誤主體。將已完成的 results[] 儲存為 JSONL,不得篩除任何項目。

需要檢查原始回應時

保留原始作業 ID。503 result_pending_check 回應帶有 X-Should-Retry:false;請勿重新提交狀態不明的原始批次。

回應欄位
欄位類型
欄位results[].custom_id類型string
欄位results[].response.body.choices[].message.content類型string|null
欄位results[].error類型object|null
欄位usage類型object|null
欄位id類型string
欄位model類型string
欄位endpoint類型string
欄位status類型string
欄位request_counts類型object
欄位results[].id類型string
欄位results[].response.status_code類型integer
欄位results[].response.request_id類型string
錯誤與後續步驟
回應條件下一步
回應400 · invalid_request_error條件文件規定的內嵌封裝格式無效、索引鍵重複、項目識別有誤,或與已設定的模型能力衝突。下一步再次提交前,請先修正指出的欄位。
回應401 · authentication_error條件API 金鑰無效。下一步使用已獲授權的 Ailoot 金鑰。
回應403 · permission_error條件批次處理群組無法使用。下一步檢查金鑰/群組的使用權限。
回應422 · invalid_request_error條件批次處理採用餘額計費;透過訂閱建立批次的請求會遭拒絕。下一步使用已獲授權、以餘額計費的群組。
回應422 · price_unavailable條件無法為批次輸入估價。下一步保留回應;使用文件規定的該 API 家族輸入格式。
回應402 · billing_error條件批次處理的預留額度無法取得。下一步提交新請求前,請先解決請求受理問題。
回應503 · price_unavailable條件批次處理方法的價格/原生費率無法取得。下一步保留回應;請勿替換價格。
回應503 · api_error條件指定的供應商路由無法使用。下一步保留回應,以供修復路由。
回應503 · result_pending_check條件原始結果需要檢查;X-Should-Retry:false。下一步保留原始 operation_id/id 並讀取其狀態;請勿重複原始 POST。
回應404 · not_found條件查詢批次狀態所需的作業不存在,或屬於其他身分。下一步使用完全相同的原始 id,以及相同的使用者/金鑰/群組。

別名

模型別名

Ailoot Ultra z-ai/glm-5.3:batch

方法路徑別名

請使用上方列出的 API 方法路徑。

相關呼叫用 ID

z-ai/glm-5.3:batch

FAQ · Z.ai: GLM 5.3 (batch)
可以使用哪些輸入與結果?

POST /v1/batches · z-ai/glm-5.3:batch: text → text

請求使用哪些欄位?

POST /v1/batches · z-ai/glm-5.3:batch: endpoint, model, requests, completion_window, provider

適用哪些限制?

POST /v1/batches · z-ai/glm-5.3:batch: requests.min_items: 1

更多詳情

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

公司及其專案組合

公司及其專案組合:數百萬客戶,每月銷售額達數十億。

優惠購買 token。

訂閱優惠適合持續工作,折扣碼購買 token 最高可折 50%。

訂閱
為定期請求選擇優惠方案。
最高 50% 折扣碼
購買時輸入代碼,價格依活動重算。
歷史中的費用
每次請求保存模型、token 與金額。

選擇訂閱 · 查看模型價格

將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人;轉售請申請經銷授權。

商用應用程式
在付費功能加入文字、圖片、影片與聲音生成。
經銷授權
提供專案說明與存取方式,要求書面使用和轉售條件。
網站文件
串接前可閱讀正式服務條款、授權合約與資料處理政策。

申請經銷授權 · 正式服務條款與授權合約