L'API di GLM-5: dalla prima richiesta alla produzione

Z.ai, lo sviluppatore di GLM, gestisce una propria API. L'endpoint generico è https://api.z.ai/api/paas/v4/chat/completions e segue il protocollo chat completions di OpenAI; gli SDK ufficiali di OpenAI funzionano quindi semplicemente modificando la base URL. La documentazione di Z.ai include anche un endpoint dedicato al coding (https://api.z.ai/api/coding/paas/v4), un endpoint in stile Responses (https://api.z.ai/api/v1) e un endpoint compatibile con Anthropic (https://api.z.ai/api/anthropic) per i tool che richiedono tali formati.

Su Z.ai i codici modello sono brevi: glm-5.3, glm-5.3-flash e glm-5.3-flashx. La modalità di pensiero si attiva con "thinking": {"type": "enabled"}, e la profondità si imposta con reasoning_effort. È necessario un account Z.ai e una chiave API; consulta la pagina dei prezzi ufficiale di Z.ai per le tariffe aggiornate.

OpenRouter è un aggregatore: con una sola chiave e un unico endpoint (https://openrouter.ai/api/v1/chat/completions) hai accesso a tutti i modelli GLM-5 insieme ai modelli di altri laboratori. Gli ID dei modelli includono il prefisso del fornitore — z-ai/glm-5.3, z-ai/glm-5.3-flash e così via — e il ragionamento si gestisce con un singolo oggetto reasoning, come {"effort": "low"}.

I prezzi riportati nella tabella seguente sono quelli di OpenRouter. Questo sito utilizza proprio OpenRouter per gestire la chat gratuita: il comportamento osservato nella chat corrisponde esattamente a quello fornito dall'API.

GLM-5.3 ragiona sempre prima di rispondere; puoi scegliere quanto a lungo. La sua scheda modello elenca tre livelli di reasoning_effort — low, high e max — e indica che l'impostazione predefinita è max se non viene specificato nulla. Per le chat e i tool semplici, imposta esplicitamente un effort low: le risposte arriveranno più rapidamente e costeranno meno, poiché i token di ragionamento vengono fatturati come output.

Durante lo streaming tramite OpenRouter, il ragionamento viene ricevuto in delta.reasoning e il testo finale in delta.content. Mostra il primo come pannello comprimibile "pensiero" oppure nascondilo, ma non reinserirlo nella cronologia della conversazione.

GLM-5.3 Flash, GLM-5.3 FlashX e GLM-5V-Turbo supportano le immagini. Invia il messaggio dell'utente come array di parti: una parte di testo e una parte image_url il cui url sia un indirizzo HTTPS pubblico o un URL dati base64 come data:image/jpeg;base64,…. GLM-5.3 e GLM-5.3 Prime sono solo testuali, quindi indirizza le richieste con immagini a Flash.

Ridimensiona le foto di grandi dimensioni prima di inviarle. Un lato lungo di circa 1.024 pixel mantiene la richiesta leggera ed è sufficiente per la maggior parte delle domande su documenti, grafici e screenshot.

GLM-5.2, GLM-5.3 e GLM-5.3 Flash indicano un contesto di 1.048.576 token su OpenRouter e fino a 943,718 token di output. Ciò non significa che sia consigliabile usarlo tutto a ogni chiamata: i token di input sono economici su questi modelli, ma gli output lunghi non lo sono; perciò limita max_tokens a quanto la tua interfaccia può effettivamente mostrare.

Per gli agenti, mantieni stabile il prompt di sistema e accoda i nuovi messaggi alla conversazione invece di riscriverla; i provider che supportano la cache dei prompt potranno così riutilizzare l'elaborazione precedente.