# GLM 智谱 API：模型 ID、思考模式开关、图片输入与 Claude Code

Source: https://ofox.ai/zh/docs/develop/models/glm

智谱的 GLM 文本模型，包括 GLM-5.3、GLM-5.2、GLM-5.1、GLM-5 系列与视觉模型 GLM-5V Turbo。通过 OpenAI 兼容接口调用，同时支持 Anthropic 原生接口，可在 Claude Code 中使用。

## 常见任务

- [关闭思考](#thinking) — 思考默认开启，耗时较长时如何关闭。
- [在 Claude Code 中使用](#anthropic) — 通过 Anthropic 接口调用 GLM。
- [图片与 PDF](#vision) — 哪些模型支持识图与文档。
- [报错排查](#errors) — Prompt 超长、回答为空、请求超时。

## 模型
完整的模型列表与实时价格请参阅[模型页](https://ofox.ai/zh/models?provider=z-ai)，也可通过 [Models API](https://ofox.ai/zh/docs/api/openai/models) 查询。模型 ID 的前缀为 `z-ai/`，可省略。

**常用模型 ID（调用时原样复制）**

- GLM-5.3: `z-ai/glm-5.3` — 仅文本，1M 上下文
- GLM-5.3 Flash: `z-ai/glm-5.3-flash` — 支持图片输入
- GLM-5.1: `z-ai/glm-5.1` — 仅文本
- GLM-5V Turbo: `z-ai/glm-5v-turbo` — 支持图片与 PDF

| 能力 | 支持的模型 |
|---|---|
| 图片输入 | GLM-5.3 Flash、GLM-5.3 FlashX、GLM-5V Turbo |
| PDF 输入 | GLM-5V Turbo |
| 1M 上下文 | GLM-5.3 系列、GLM-5.2；其余为 200K |

GLM 模型由智谱国际站（`zai`）提供，部分模型另有阿里云百炼、火山引擎等供应商，默认自动选择。指定方法见[供应商路由](https://ofox.ai/zh/docs/develop/advanced/provider-routing)。

## 调用示例

**Python**

```python filename="glm_basic.py"
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": "用一句话解释什么是幂等性。"}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)
```

**cURL**

```bash filename="Terminal"
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": "用一句话解释什么是幂等性。"}],
    "thinking": {"type": "disabled"}
  }'
```

## 思考模式

**要点**:GLM 模型默认开启思考，复杂问题可能思考上万 token、耗时数分钟。不需要思考时，请将 thinking 的 type 设为 disabled。

全部 GLM 模型默认开启思考。实测同一道数学题的思考量与耗时：

| 模型 | 默认思考 token | 耗时 |
|---|---|---|
| GLM-5.3 Flash | 约 1400 | 约 20 秒 |
| GLM-5.3 | 约 3300 | 约 50 秒 |
| GLM-5.1 | 约 7700 | 约 2 分钟 |
| GLM-5 | 约 2.4 万 | 约 4.5 分钟 |
| GLM-5 Turbo | 约 1.8 万 | 约 8 分钟 |

传入 `"thinking": {"type": "disabled"}` 可关闭思考，实测对 GLM-5.2、GLM-5.1、GLM-5、GLM-5 Turbo、GLM-5V Turbo、GLM-4.7 FlashX 有效，耗时明显缩短（如 GLM-5 从约 4.5 分钟降至约 10 秒）。OpenAI SDK 中请放在 `extra_body` 里。

思考 token 按输出单价计费，数量见 `usage.completion_tokens_details.reasoning_tokens`。

### 读取思考内容
- 流式响应中，思考内容位于 `delta.reasoning_content`，与智谱官方 API 一致。
- 非流式响应中，思考内容位于 `message.reasoning_details`，请将各项的 `text` 依次拼接。

## 在 Claude Code 中使用
GLM 模型支持 Anthropic 原生接口，地址为 `https://api.ofox.ai/anthropic`：

**Claude Code 配置值**

- ANTHROPIC_BASE_URL: `https://api.ofox.ai/anthropic`
- ANTHROPIC_AUTH_TOKEN: 粘贴你的 OfoxAI API Key
- ANTHROPIC_MODEL: `z-ai/glm-5.3`

```bash filename="Terminal"
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": "用一句话解释什么是幂等性。"}]
  }'
```

- 通过 Anthropic 接口调用时，思考内容以 `thinking` 块返回，`"thinking": {"type": "disabled"}` 同样可关闭思考（适用模型同上）。
- 开启思考时请设置足够大的 `max_tokens`，并将客户端超时设置为 600 秒以上。

Claude Code 的完整配置步骤见 [Claude Code 配置](https://ofox.ai/zh/docs/integrations/claude-code)。

## 图片与 PDF
支持图片输入的模型使用标准的 `image_url` 内容块；GLM-5V Turbo 另支持 `file` 内容块传入 PDF：

```python filename="glm_vision.py"
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": "描述这张图片。"},
    ]}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)
```

GLM-5.3、GLM-5.2、GLM-5.1、GLM-5、GLM-5 Turbo 仅支持文本，请勿传入图片。

## JSON 输出与工具调用
`response_format` 请使用 `{"type": "json_object"}`，并在提示词中写明「以 JSON 返回」及所需字段；工具调用使用标准的 `tools` 参数。写法见[结构化输出](https://ofox.ai/zh/docs/develop/guides/structured-output)与[函数调用](https://ofox.ai/zh/docs/develop/guides/function-calling)。

## 提示缓存
GLM 自动缓存重复的请求前缀，无需修改请求。命中量见 `usage.prompt_tokens_details.cached_tokens`，命中部分按缓存读取单价计费。

## 常见报错

**要点**:请求很慢或超时，多半与默认开启的思考有关；不需要思考时请关闭。

| HTTP · type | 报错原文 | 原因 | 处理方法 |
|---|---|---|---|
| 400 `invalid_request_error` | `Prompt 超长` | 输入超过模型上下文 | 缩短输入，或改用 1M 上下文的 GLM-5.3、GLM-5.2 |
| 404 `model_not_found` | `Model 'z-ai/glm-9' not found` | 模型 ID 拼写错误，或使用了 `zhipu/` 前缀 | 前缀为 `z-ai/`，从本页复制模型 ID |
| 504 `gateway_timeout` | `The upstream service did not respond in time.` | 思考时间过长，上游未在时限内响应 | 关闭思考，或使用流式输出 |
| 200，回答为空或只有思考内容 | — | 思考用尽了输出额度 | 增大 `max_tokens`，或关闭思考 |

其他通用错误见[错误处理](https://ofox.ai/zh/docs/develop/guides/error-handling)。

## 官方文档
- [智谱开放平台 · 文档](https://docs.bigmodel.cn/)
- [Z.ai · 开发者文档](https://docs.z.ai/)

官方文档描述的是直连智谱时的行为。在 OfoxAI 上调用时，模型 ID 与接口地址以本页为准。

## 常见问题

**GLM 的模型 ID 怎么写？**

标准写法为 z-ai/glm-5.3，也可以省略前缀写成 glm-5.3。写成 zhipu/glm-5.3 会返回 404。

**GLM 怎么关闭思考？**

传 "thinking": {"type": "disabled"}，OpenAI SDK 中放在 extra_body 里。实测对 GLM-5.2、5.1、5、5 Turbo、5V Turbo 有效。

**GLM 响应很慢，等了好几分钟？**

GLM 默认开启思考，GLM-5、GLM-5 Turbo 处理复杂问题时可能思考上万 token、耗时数分钟。不需要思考时请关闭，或改用思考量较小的 GLM-5.3 Flash。

**Claude Code 能用 GLM 吗？**

能。ANTHROPIC_BASE_URL 设为 https://api.ofox.ai/anthropic，模型填 z-ai/glm-5.3 等 GLM 模型 ID。

**GLM 哪些模型能看图？**

GLM-5.3 Flash、GLM-5.3 FlashX、GLM-5V Turbo 支持图片输入，GLM-5V Turbo 另支持 PDF。其余 GLM 模型仅支持文本。

**GLM 报错 Prompt 超长？**

输入超过了模型上下文。GLM-5.3 系列与 GLM-5.2 为 1M token，其余为 200K token。