Famille GLM

Les modèles de texte GLM de Zhipu, qui comprennent les séries GLM-5.3, GLM-5.2, GLM-5.1 et GLM-5, ainsi que le modèle de vision GLM-5V Turbo. Ils s’appellent via l’API compatible OpenAI et prennent aussi en charge l’API native Anthropic, ce qui permet de les utiliser dans Claude Code.

Tâches courantes

Modèles

La liste complète des modèles et les prix en vigueur figurent sur la page des modèles  ; vous pouvez aussi les interroger via la Models API. Le préfixe des ID de modèle est z-ai/, et il est facultatif.

Les modèles GLM sont servis par le site international de Zhipu (zai) ; certains modèles sont aussi disponibles chez d’autres fournisseurs comme Alibaba Cloud Model Studio ou Volcano Engine, sélectionnés automatiquement par défaut. Pour en choisir un, voir Routage des fournisseurs.

Exemples d’appel

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": "Explique en une phrase ce qu’est l’idempotence."}],
    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": "Explique en une phrase ce qu’est l’idempotence."}],
    "thinking": {"type": "disabled"}
  }'

Mode thinking

Tous les modèles GLM activent le thinking par défaut. Volume de thinking et temps de réponse mesurés sur un même problème de mathématiques :

Passez "thinking": {"type": "disabled"} pour désactiver le thinking. Lors de nos tests, cela fonctionne pour GLM-5.2, GLM-5.1, GLM-5, GLM-5 Turbo, GLM-5V Turbo et GLM-4.7 FlashX, avec un temps de réponse nettement réduit (par exemple, GLM-5 passe d’environ 4 minutes 30 à environ 10 secondes). Avec le SDK OpenAI, placez-le dans extra_body.

Les tokens de thinking sont facturés au prix unitaire de sortie ; leur nombre figure dans usage.completion_tokens_details.reasoning_tokens.

Lire le contenu du thinking

• Dans une réponse streamée, le contenu du thinking se trouve dans delta.reasoning_content, comme dans l’API officielle de Zhipu.
• Dans une réponse non streamée, le contenu du thinking se trouve dans message.reasoning_details ; concaténez le text de chaque élément dans l’ordre.

Utiliser avec Claude Code

Les modèles GLM prennent en charge l’API native Anthropic, à l’adresse 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": "Explique en une phrase ce qu’est l’idempotence."}]
  }'

• Via l’API Anthropic, le contenu du thinking est renvoyé dans des blocs thinking, et "thinking": {"type": "disabled"} désactive également le thinking (pour les mêmes modèles que ci-dessus).
• Lorsque le thinking est activé, réglez un max_tokens suffisamment grand et un délai d’attente du client d’au moins 600 secondes.

Les étapes complètes de configuration de Claude Code sont décrites dans Configuration de Claude Code.

Images et PDF

Les modèles qui acceptent les images utilisent le bloc de contenu standard image_url ; GLM-5V Turbo accepte en outre les PDF via un bloc de contenu 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": "Décris cette image."},
    ]}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

GLM-5.3, GLM-5.2, GLM-5.1, GLM-5 et GLM-5 Turbo ne prennent en charge que le texte ; ne leur envoyez pas d’images.

Sortie JSON et appel d’outils

Pour response_format, utilisez {"type": "json_object"} et indiquez explicitement dans le prompt « Renvoie en JSON » ainsi que les champs attendus ; l’appel d’outils utilise le paramètre standard tools. Voir Sortie structurée et Appel de fonctions.

Mise en cache des prompts

GLM met automatiquement en cache les préfixes de requête répétés, sans modifier la requête. Le volume concerné figure dans usage.prompt_tokens_details.cached_tokens, et cette partie est facturée au prix unitaire de lecture du cache.

Erreurs courantes

Les autres erreurs générales sont décrites dans Gestion des erreurs.

Documentation officielle

• Plateforme ouverte de Zhipu · Documentation 
• Z.ai · Documentation développeurs 

La documentation officielle décrit le comportement en appel direct à Zhipu. Via OfoxAI, les ID de modèle et les adresses d’endpoint de cette page font foi.

FAQ