Hướng dẫn dành cho lập trình viên
GLM-5 API, từ yêu cầu đầu tiên đến môi trường production
§ 01Hai lộ trình
Nơi bạn có thể gọi GLM-5
Nền tảng của Z.ai
Z.ai, nhà phát triển của GLM, vận hành API riêng của mình. Endpoint chung là https://api.z.ai/api/paas/v4/chat/completions và tuân theo giao thức chat completions của OpenAI, vì vậy các SDK chính thức của OpenAI đều hoạt động được chỉ bằng cách đổi base URL. Tài liệu của Z.ai cũng liệt kê một endpoint lập trình (https://api.z.ai/api/coding/paas/v4), một endpoint dạng Responses (https://api.z.ai/api/v1) và một endpoint tương thích với Anthropic (https://api.z.ai/api/anthropic) cho các công cụ yêu cầu các định dạng này.
Trên Z.ai, mã mô hình rất ngắn gọn: glm-5.3, glm-5.3-flash và glm-5.3-flashx. Chế độ suy nghĩ được bật với "thinking": {"type": "enabled"}, và độ sâu được thiết lập bằng reasoning_effort. Bạn cần có tài khoản Z.ai và khóa API; hãy xem trang định giá của Z.ai để biết mức giá hiện tại.
OpenRouter
OpenRouter là một nền tảng tổng hợp: một khóa API và một endpoint duy nhất (https://openrouter.ai/api/v1/chat/completions) cho phép bạn truy cập mọi mô hình GLM-5 cùng với các mô hình từ các phòng lab khác. ID mô hình có tiền tố nhà cung cấp — z-ai/glm-5.3, z-ai/glm-5.3-flash, v.v. — và khả năng suy luận được điều khiển bằng một đối tượng reasoning duy nhất như {"effort": "low"}.
Mức giá trong bảng dưới đây là của OpenRouter. OpenRouter cũng là phương thức mà trang web này sử dụng để vận hành tính năng chat miễn phí, do đó trải nghiệm bạn thấy trong chat chính là những gì bạn sẽ nhận được từ API.
- Hãy chọn Z.ai nếu bạn muốn sử dụng nền tảng chính thức của nhà phát triển, endpoint chuyên cho lập trình hoặc quyền truy cập tương thích với Anthropic.
- Hãy chọn OpenRouter nếu bạn muốn một hóa đơn duy nhất cho nhiều dòng model và dễ dàng chuyển đổi qua lại giữa chúng.
- Dù chọn cách nào, code của bạn vẫn là request chuẩn OpenAI, chỉ khác base URL và tên model.
§ 02Bảng giá
Giá API GLM-5 trên OpenRouter
USD trên 1 triệu token, kèm ước tính chi phí cho 1.000 lượt chat thông thường. Nhấp vào một model để xem hướng dẫn đầy đủ.
| Model | Model ID | Ngữ cảnh | Input / 1M | Output / 1M | 1.000 lượt chat* |
|---|---|---|---|---|---|
| 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 lượt chat với 1.500 token input và 700 token output mỗi lượt. Giá lấy từ danh sách model của OpenRouter tại thời điểm viết; token reasoning được tính phí như output.
§ 03Code
Request sẵn sàng sao chép
Hãy thiết lập key trong biến môi trường — tuyệt đối không đưa vào code phía client hoặc repository công khai.
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
}'Nền tảng 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"
}'Z.ai sử dụng mã model ngắn gọn (glm-5.3, glm-5.3-flash) và một nút chuyển đổi thinking riêng biệt. Hãy xem tài liệu của Z.ai để biết các tham số và giới hạn mới nhất.
§ 04Chi tiết
Các tham số quan trọng
Suy luận là một phần của câu trả lời
GLM-5.3 luôn suy luận trước khi trả lời; bạn có thể chọn mức độ suy luận. Model card của mô hình liệt kê ba mức reasoning_effort — low, high và max — và nêu rõ mặc định là max nếu bạn không truyền tham số. Đối với chat và các công cụ đơn giản, hãy đặt rõ mức low: câu trả lời sẽ phản hồi nhanh hơn và tiết kiệm chi phí hơn, vì các token suy luận được tính phí như token đầu ra.
Khi streaming qua OpenRouter, nội dung suy luận sẽ nằm trong delta.reasoning và văn bản cuối cùng nằm trong delta.content. Hãy hiển thị phần đầu tiên dưới dạng khung "suy nghĩ" có thể thu gọn hoặc ẩn đi, nhưng không dán ngược lại vào lịch sử cuộc trò chuyện.
Gửi hình ảnh tới GLM-5.3 Flash
GLM-5.3 Flash, GLM-5.3 FlashX và GLM-5V-Turbo đều hỗ trợ hình ảnh. Hãy gửi tin nhắn của người dùng dưới dạng một mảng các phần: một phần văn bản và một phần image_url có url là địa chỉ HTTPS công khai hoặc data URL base64 như data:image/jpeg;base64,…. GLM-5.3 và GLM-5.3 Prime chỉ hỗ trợ văn bản, vì vậy hãy chuyển tiếp các yêu cầu hình ảnh đến Flash.
Hãy thay đổi kích thước ảnh lớn trước khi gửi. Cạnh dài khoảng 1,024 pixel giúp yêu cầu nhẹ hơn và đủ rõ cho hầu hết các câu hỏi về tài liệu, biểu đồ và ảnh chụp màn hình.
Giới hạn ngữ cảnh và đầu ra
GLM-5.2, GLM-5.3 và GLM-5.3 Flash hỗ trợ ngữ cảnh 1,048,576 token trên OpenRouter, và tối đa 943,718 token đầu ra. Điều đó không có nghĩa là bạn nên dùng hết trong mỗi lệnh gọi: token đầu vào trên các mô hình này rất rẻ, nhưng token đầu ra dài thì không, vì vậy hãy giới hạn max_tokens theo mức mà giao diện của bạn có thể hiển thị.
Đối với agent, hãy giữ ổn định system prompt và thêm nội dung nối tiếp vào cuộc trò chuyện thay vì viết lại; các nhà cung cấp có hỗ trợ cache prompt khi đó có thể tái sử dụng kết quả xử lý trước đó.
- Sử dụng stream: true cho bất kỳ tác vụ nào mà người dùng đang chờ đợi.
- Thử lại các phản hồi 429, 502 và 503 kèm khoảng thời gian chờ ngắn (backoff).
- Ghi log thông tin usage từ chunk cuối cùng để theo dõi chi phí của bạn.
§ 05Câu hỏi thường gặp
Câu hỏi về GLM-5 API
Q01GLM-5 API có tương thích với OpenAI SDK không?
Có. Cả endpoint của Z.ai lẫn OpenRouter đều chấp nhận các yêu cầu chat completions theo chuẩn OpenAI. Chỉ cần trỏ base URL của SDK về phía nhà cung cấp và sử dụng tên mô hình GLM.
Q02Mô hình GLM-5 nào có chi phí gọi API rẻ nhất?
GLM-5.3 Flash. Trên OpenRouter, mô hình này có giá $0.0052 cho mỗi một triệu token đầu vào và $0.1985 cho mỗi một triệu token đầu ra, đồng thời còn có khả năng xử lý hình ảnh và video.
Q03Các model ID của GLM-5.3 là gì?
Trên OpenRouter: z-ai/glm-5.3, z-ai/glm-5.3-flash, z-ai/glm-5.3-flashx và z-ai/glm-5.3-prime. Trên nền tảng của Z.ai: glm-5.3, glm-5.3-flash và glm-5.3-flashx.
Q04Tôi có thể tắt tính năng suy luận (reasoning) không?
GLM-5.3 luôn thực hiện suy luận trên nền tảng của Z.ai. Bạn có thể rút ngắn quá trình này bằng cách yêu cầu mức độ suy luận thấp (low reasoning effort), đây cũng là chế độ mặc định trên khung chat miễn phí của chúng tôi.
Q05Có API GLM-5 miễn phí không?
Trang web này không cung cấp API công khai. Bạn có thể thử nghiệm miễn phí GLM-5.3 và GLM-5.3 Flash trên web chat của chúng tôi, sau đó chuyển sang Z.ai hoặc OpenRouter để truy cập thông qua code.
Thử ngay
Hỏi GLM-5.3 điều gì đó thực tế.
Không cần tài khoản, không cần thẻ, không cần cài đặt. Nhập câu hỏi và xem GLM-5.3 Flash trả lời trong vài giây — chuyển sang GLM-5.3 cho những bài toán khó nhất.