Familia GLM

Los modelos de texto GLM de Zhipu, que incluyen las series GLM-5.3, GLM-5.2, GLM-5.1 y GLM-5, además del modelo de visión GLM-5V Turbo. Se llaman a través de la API compatible con OpenAI y también admiten el endpoint nativo de Anthropic, por lo que pueden usarse en Claude Code.

Tareas habituales

Modelos

La lista completa de modelos y los precios en tiempo real están en la página de modelos ; también puede consultarlos con la Models API. El prefijo del ID de modelo es z-ai/ y puede omitirse.

Los modelos GLM los ofrece el sitio internacional de Zhipu (zai); algunos modelos también están disponibles con otros proveedores, como Alibaba Cloud Model Studio o Volcano Engine, con selección automática por defecto. Cómo seleccionarlos: Enrutamiento de proveedores.

Ejemplos de llamada

import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="z-ai/glm-5.1",
    messages=[{"role": "user", "content": "Explica en una frase qué es la idempotencia."}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

curl https://api.ofox.ai/v1/chat/completions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-ai/glm-5.1",
    "messages": [{"role": "user", "content": "Explica en una frase qué es la idempotencia."}],
    "thinking": {"type": "disabled"}
  }'

Modo thinking

Todos los modelos GLM tienen el thinking activado por defecto. Cantidad de thinking y tiempo medidos con un mismo problema matemático:

Enviar "thinking": {"type": "disabled"} desactiva el thinking; en nuestras mediciones funciona con GLM-5.2, GLM-5.1, GLM-5, GLM-5 Turbo, GLM-5V Turbo y GLM-4.7 FlashX, y reduce notablemente el tiempo (por ejemplo, GLM-5 pasa de unos 4,5 minutos a unos 10 segundos). En el SDK de OpenAI, colóquelo en extra_body.

Los tokens de thinking se facturan al precio de salida; su número figura en usage.completion_tokens_details.reasoning_tokens.

Leer el contenido del thinking

• En las respuestas en streaming, el contenido del thinking está en delta.reasoning_content, igual que en la API oficial de Zhipu.
• En las respuestas sin streaming, el contenido del thinking está en message.reasoning_details; concatene por orden el text de cada elemento.

Uso en Claude Code

Los modelos GLM admiten el endpoint nativo de Anthropic, con la URL https://api.ofox.ai/anthropic:

curl https://api.ofox.ai/anthropic/v1/messages \
  -H "x-api-key: $OFOX_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-ai/glm-5.3",
    "max_tokens": 8000,
    "messages": [{"role": "user", "content": "Explica en una frase qué es la idempotencia."}]
  }'

• Al llamar a través del endpoint de Anthropic, el contenido del thinking se devuelve en bloques thinking, y "thinking": {"type": "disabled"} también desactiva el thinking (en los mismos modelos indicados arriba).
• Con el thinking activado, configure un max_tokens suficientemente grande y un tiempo de espera del cliente de 600 segundos o más.

Los pasos completos de configuración de Claude Code están en Configuración de Claude Code.

Imágenes y PDF

Los modelos que admiten entrada de imágenes usan el bloque de contenido estándar image_url; GLM-5V Turbo admite además PDF mediante el bloque de contenido file:

import base64
import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
img_b64 = base64.b64encode(open("photo.png", "rb").read()).decode()
 
resp = client.chat.completions.create(
    model="z-ai/glm-5v-turbo",
    messages=[{"role": "user", "content": [
        {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img_b64}"}},
        {"type": "text", "text": "Describe esta imagen."},
    ]}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

GLM-5.3, GLM-5.2, GLM-5.1, GLM-5 y GLM-5 Turbo solo admiten texto; no les envíe imágenes.

Salida JSON y llamadas a herramientas

En response_format, use {"type": "json_object"} e indique en el prompt «devuelve en JSON» y los campos que necesita; las llamadas a herramientas usan el parámetro estándar tools. Formas de uso: Salida estructurada y Llamadas a funciones.

Caché de prompts

GLM almacena en caché automáticamente los prefijos de petición repetidos, sin cambiar la petición. La cantidad acertada figura en usage.prompt_tokens_details.cached_tokens, y la parte acertada se factura al precio de lectura de caché.

Errores habituales

Otros errores generales: Gestión de errores.

Documentación oficial

• Plataforma abierta de Zhipu · Documentación 
• Z.ai · Documentación para desarrolladores 

La documentación oficial describe el comportamiento al llamar directamente a Zhipu. Al llamar a través de OfoxAI, los IDs de modelo y las URL de los endpoints son los de esta página.

Preguntas frecuentes