Família GLM

Os modelos de texto GLM da Zhipu, incluindo as séries GLM-5.3, GLM-5.2, GLM-5.1 e GLM-5, além do modelo de visão GLM-5V Turbo. São chamados pela API compatível com OpenAI e também suportam o endpoint nativo da Anthropic, podendo ser usados no Claude Code.

Tarefas comuns

Modelos

A lista completa de modelos e os preços atualizados estão na página de modelos ; também é possível consultá-los pela Models API. O prefixo dos IDs de modelo é z-ai/ e pode ser omitido.

Os modelos GLM são oferecidos pelo site internacional da Zhipu (zai), e alguns modelos também têm provedores como Alibaba Cloud Model Studio (Bailian) e Volcano Engine, escolhidos automaticamente por padrão. Como indicar um provedor está em Roteamento de provedores.

Exemplos de chamada

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 em uma frase o que é idempotência."}],
    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 em uma frase o que é idempotência."}],
    "thinking": {"type": "disabled"}
  }'

Modo thinking

Todos os modelos GLM vêm com thinking ativado por padrão. Quantidade de thinking e tempo medidos no mesmo problema de matemática:

Envie "thinking": {"type": "disabled"} para desativar o thinking. Em nossos testes, funciona com GLM-5.2, GLM-5.1, GLM-5, GLM-5 Turbo, GLM-5V Turbo e GLM-4.7 FlashX, com redução clara no tempo (o GLM-5, por exemplo, caiu de cerca de 4,5 minutos para cerca de 10 segundos). No SDK da OpenAI, coloque-o em extra_body.

Os tokens de thinking são cobrados pelo preço de saída, e a quantidade aparece em usage.completion_tokens_details.reasoning_tokens.

Ler o conteúdo do thinking

• Em respostas com streaming, o conteúdo do thinking fica em delta.reasoning_content, como na API oficial da Zhipu.
• Em respostas sem streaming, o conteúdo do thinking fica em message.reasoning_details; concatene o text de cada item na ordem.

Usar no Claude Code

Os modelos GLM suportam o endpoint nativo da Anthropic, no endereço 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 em uma frase o que é idempotência."}]
  }'

• Pelo endpoint Anthropic, o conteúdo do thinking é retornado em blocos thinking, e "thinking": {"type": "disabled"} também desativa o thinking (nos mesmos modelos citados acima).
• Com o thinking ativado, defina um max_tokens grande o suficiente e um timeout do cliente de 600 segundos ou mais.

Os passos completos de configuração do Claude Code estão em Configuração do Claude Code.

Imagem e PDF

Os modelos que aceitam entrada de imagem usam o bloco de conteúdo padrão image_url; o GLM-5V Turbo também aceita PDF pelo bloco de conteúdo 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": "Descreva esta imagem."},
    ]}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

GLM-5.3, GLM-5.2, GLM-5.1, GLM-5 e GLM-5 Turbo aceitam somente texto; não envie imagens a eles.

Saída JSON e chamada de ferramentas

Em response_format, use {"type": "json_object"} e deixe explícito no prompt “retorne em JSON” e os campos necessários; a chamada de ferramentas usa o parâmetro padrão tools. O formato está em Saída estruturada e Chamada de funções.

Cache de prompt

O GLM armazena automaticamente em cache os prefixos de requisição repetidos, sem alterações na requisição. A quantidade em cache aparece em usage.prompt_tokens_details.cached_tokens, e a parte em cache é cobrada pelo preço de leitura de cache.

Erros comuns

Outros erros gerais estão em Tratamento de erros.

Documentação oficial

• Plataforma aberta da Zhipu · Documentação 
• Z.ai · Documentação para desenvolvedores 

A documentação oficial descreve o comportamento das chamadas diretas à Zhipu. Ao chamar pela OfoxAI, prevalecem os IDs de modelo e os endereços de endpoint desta página.

Perguntas frequentes