A API do GLM-5, da primeira requisição à produção

Todos os modelos GLM-5 são disponibilizados por meio de uma API de chat completions compatível com a OpenAI. Você pode chamá-la na própria plataforma da Z.ai ou via OpenRouter. Este guia aborda ambos, com preços, IDs de modelos, controles de raciocínio, entrada de imagens e código pronto para copiar.

Ir para o código Testar no chat gratuito

Ilustração em estilo blueprint de requisições de API fluindo entre um laptop e um rack de servidores

§ 01Duas rotas

Onde chamar o GLM-5

Plataforma da Z.ai

A Z.ai, desenvolvedora do GLM, opera sua própria API. O endpoint geral é https://api.z.ai/api/paas/v4/chat/completions e segue o protocolo de chat completions da OpenAI, portanto os SDKs oficiais da OpenAI funcionam apenas alterando a URL base. A documentação da Z.ai também lista um endpoint para programação (https://api.z.ai/api/coding/paas/v4), um endpoint no estilo Responses (https://api.z.ai/api/v1) e um endpoint compatível com a Anthropic (https://api.z.ai/api/anthropic) para ferramentas que esperam esses formatos.

Na Z.ai, os códigos dos modelos são curtos: glm-5.3, glm-5.3-flash e glm-5.3-flashx. O modo de pensamento é ativado com "thinking": {"type": "enabled"}, e a profundidade é configurada com reasoning_effort. Você precisa de uma conta e chave de API da Z.ai; consulte a própria página de preços da Z.ai para ver as tarifas atuais.

OpenRouter

O OpenRouter é um agregador: uma única chave e um único endpoint (https://openrouter.ai/api/v1/chat/completions) dão acesso a todos os modelos GLM-5 ao lado de modelos de outros laboratórios. Os IDs dos modelos usam um prefixo de fornecedor — z-ai/glm-5.3, z-ai/glm-5.3-flash e assim por diante — e o raciocínio é controlado com um único objeto reasoning, como {"effort": "low"}.

Os preços na tabela abaixo são do OpenRouter. O OpenRouter também é a forma como este site executa seu chat gratuito; portanto, o comportamento observado em nosso chat é exatamente o que você obterá na API.

Escolha a Z.ai se você quiser a própria plataforma da desenvolvedora, seu endpoint de programação ou acesso compatível com a Anthropic.
Escolha o OpenRouter se você quiser uma única fatura para várias famílias de modelos e alternância fácil entre eles.
De qualquer forma, seu código é a mesma requisição no estilo da OpenAI com uma base URL e nome de modelo diferentes.

§ 02Preços

Preços da API do GLM-5 no OpenRouter

USD por 1 milhão de tokens, além de uma estimativa para 1.000 turnos típicos de chat. Clique em um modelo para ver o guia completo.

Preços da API do GLM-5 no OpenRouter
Modelo	Model ID	Contexto	Entrada / 1M	Saída / 1M	1.000 chats*
GLM-5	z-ai/glm-5	205K	$1	$3.20	$3.74
GLM-5-Turbo	z-ai/glm-5-turbo	203K	$1.20	$4	$4.60
GLM-5V-Turbo	z-ai/glm-5v-turbo	203K	$1.20	$4	$4.60
GLM-5.1	z-ai/glm-5.1	205K	$1.40	$4.40	$5.18
GLM-5.2	z-ai/glm-5.2	1.05M	$0.0341	$7	$4.95
GLM-5.3	z-ai/glm-5.3	1.05M	$0.079	$1.40	$1.10
GLM-5.3 Flash	z-ai/glm-5.3-flash	1.05M	$0.0052	$0.1985	$0.15
GLM-5.3 FlashX	z-ai/glm-5.3-flashx	1.05M	$0.37	$1.25	$1.43
GLM-5.3 Prime	z-ai/glm-5.3-prime	1M	$2.80	$8.80	$10

*1.000 turnos de chat com 1.500 tokens de entrada e 700 de saída cada. Preços da lista de modelos do OpenRouter no momento da redação; tokens de raciocínio são cobrados como saída.

§ 03Código

Requisições prontas para copiar

Defina sua chave em uma variável de ambiente — nunca a coloque em código client-side ou em um repositório público.

OpenRouter

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-ai/glm-5.3",
    "messages": [
      {"role": "system", "content": "You are a concise senior engineer."},
      {"role": "user", "content": "Explain idempotency keys in two paragraphs."}
    ],
    "reasoning": {"effort": "low"},
    "max_tokens": 1024,
    "stream": false
  }'

Plataforma Z.ai

curl -X POST "https://api.z.ai/api/paas/v4/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ZAI_API_KEY" \
  -d '{
    "model": "glm-5.3",
    "messages": [{"role": "user", "content": "Summarise the CAP theorem."}],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "low"
  }'

A Z.ai usa códigos curtos de modelo (glm-5.3, glm-5.3-flash) e um seletor separado de pensamento. Consulte a documentação da Z.ai para ver os parâmetros e limites mais recentes.

§ 04Detalhes

Parâmetros que importam

O raciocínio faz parte da resposta

O GLM-5.3 sempre raciocina antes de responder; você escolhe o quanto. O model card lista três níveis de reasoning_effort — low, high e max — e indica que o padrão é max se você não passar nada. Para chat e ferramentas simples, defina explicitamente um esforço low: as respostas chegam mais rápido e custam menos, pois os tokens de raciocínio são cobrados como saída.

Ao fazer streaming pelo OpenRouter, o raciocínio chega em delta.reasoning e o texto final em delta.content. Exiba o primeiro como um painel recolhível de "pensamento" ou oculte-o, mas não o cole de volta no histórico da conversa.

Enviando imagens para o GLM-5.3 Flash

GLM-5.3 Flash, GLM-5.3 FlashX e GLM-5V-Turbo aceitam imagens. Envie a mensagem do usuário como um array de partes: uma parte de texto e uma parte de image_url cuja url seja um endereço HTTPS público ou uma data URL em base64, como data:image/jpeg;base64,…. O GLM-5.3 e o GLM-5.3 Prime são apenas de texto, então direcione requisições com imagens para o Flash.

Redimensione fotos grandes antes de enviá-las. Um lado maior com cerca de 1.024 pixels mantém a requisição leve e é suficiente para a maioria das perguntas sobre documentos, gráficos e capturas de tela.

Limites de contexto e saída

GLM-5.2, GLM-5.3 e GLM-5.3 Flash listam um contexto de 1,048,576 tokens no OpenRouter e até 943,718 tokens de saída. Isso não significa que você deva usar tudo a cada chamada: os tokens de entrada são baratos nesses modelos, mas saídas longas não são; portanto, limite o max_tokens ao que sua interface pode exibir.

Para agentes, mantenha o system prompt estável e adicione à conversa em vez de reescrevê-la; provedores com cache de prompt poderão reutilizar o trabalho anterior.

Use stream: true para qualquer coisa que uma pessoa esteja aguardando.
Tente novamente em respostas 429, 502 e 503 com um breve backoff.
Registre o uso (usage) do chunk final para monitorar seus gastos.

§ 05Perguntas Frequentes

Perguntas sobre a API do GLM-5

Q01A API do GLM-5 é compatível com o SDK da OpenAI?

Sim. Tanto o endpoint da Z.ai quanto o OpenRouter aceitam requisições de chat completions no padrão da OpenAI. Basta apontar a URL base do SDK para o provedor e usar o nome de um modelo GLM.

Q02Qual é o modelo GLM-5 mais barato para chamar?

GLM-5.3 Flash. No OpenRouter ele custa $0.0052 por milhão de tokens de entrada e $0.1985 por milhão de tokens de saída, e também processa imagens e vídeo.

Q03Quais são os IDs de modelo do GLM-5.3?

No OpenRouter: z-ai/glm-5.3, z-ai/glm-5.3-flash, z-ai/glm-5.3-flashx e z-ai/glm-5.3-prime. Na plataforma da Z.ai: glm-5.3, glm-5.3-flash e glm-5.3-flashx.

Q04Posso desativar o raciocínio?

O GLM-5.3 sempre raciocina na plataforma da Z.ai. Você pode mantê-lo breve solicitando um baixo esforço de raciocínio (reasoning effort), que é o que nosso chat gratuito faz por padrão.

Q05Existe uma API gratuita do GLM-5?

Este site não oferece uma API pública. Você pode testar o GLM-5.3 e o GLM-5.3 Flash gratuitamente em nosso chat web e, depois, migrar para a Z.ai ou OpenRouter para acesso programático.

Experimente agora

Pergunte algo real ao GLM-5.3.

Sem conta, sem cartão, sem instalação. Digite uma pergunta e veja o GLM-5.3 Flash responder em segundos — mude para o GLM-5.3 para os problemas mais complexos.

Abrir o chat gratuitoLimites diários gratuitos são aplicados para manter o chat disponível para todos.