Este tema describe cómo utilizar las API para invocar modelos de la serie GLM en la plataforma Alibaba Cloud Model Studio.
Endpoints de servicio
Los endpoints de servicio varían según la región. Configure la URL base correspondiente a la región seleccionada.
- Compatible con OpenAI
- Compatible con OpenAI - Responses API
- DashScope
- China (Beijing)
- EE. UU. (Virginia)
- Germany (Frankfurt)
- Hong Kong (China)
- Singapore
base_url para llamadas SDK es: https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1Endpoint de solicitud HTTP: POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions{WorkspaceId} con su ID de espacio de trabajo real.
Introducción
glm-5.3, glm-5.2 y glm-5.2-fast-preview son los modelos de la serie GLM. Tienen una longitud de contexto de 1M. glm-5.2 y glm-5.2-fast-preview le permiten configurar el modo de pensamiento y el modo sin pensamiento mediante el parámetro enable_thinking. glm-5.3 admite únicamente el modo de pensamiento, el cual no se puede desactivar. Puede ejecutar el siguiente código para invocar rápidamente el modelo glm-5.2 en modo de pensamiento.
Antes de comenzar, obtenga una clave API y configúrela como variable de entorno. Si utiliza un SDK, también debe instalar el SDK de OpenAI o DashScope.
- Compatible con OpenAI
- DashScope
- Compatible con Anthropic
enable_thinking no es un parámetro estándar de OpenAI. En el SDK de Python de OpenAI, se pasa a través de extra_body. En el SDK de Node.js, se pasa como un parámetro de nivel superior.- Python
- Node.js
- HTTP
Código de ejemplo
Respuesta
Llamada a herramientas en streaming
glm-5.3, glm-5.2, glm-5.2-fast-preview, glm-5.1 y glm-5 admiten el parámetro tool_stream. Este parámetro booleano tiene como valor predeterminado true para glm-5.3 y false para los demás modelos, y solo surte efecto cuando stream se establece en true. Cuando está habilitado, los argumentos del parámetro tool_call de Function Calling se devuelven de forma incremental en un flujo, en lugar de todos a la vez al finalizar la generación completa.
El comportamiento combinado de stream y tool_stream es el siguiente:
stream | tool_stream | Método de retorno de tool_call |
|---|---|---|
true | true | Los argumentos se devuelven incrementalmente en múltiples fragmentos. |
true | false (predeterminado) | Los argumentos se devuelven completamente en un solo fragmento. |
false | true/false | tool_stream no tiene efecto. Los argumentos se devuelven de una vez en la respuesta completa. |
- Compatible con OpenAI
- DashScope
- Python
- Node.js
- HTTP
Código de ejemplo
Esfuerzo de razonamiento (reasoning_effort)
glm-5.3, glm-5.2, glm-5.2-fast-preview y glm-5.1 tienen el modo de pensamiento habilitado de forma predeterminada. El modelo primero genera el proceso de pensamiento (reasoning_content) y luego proporciona la respuesta final. Puede utilizar el parámetro reasoning_effort para ajustar el esfuerzo de razonamiento. Un valor más alto indica un pensamiento más exhaustivo. Los valores admitidos varían según el modelo. Si pasa un valor no admitido, se devolverá un error invalid_parameter_error. Seleccione un valor de la siguiente tabla.
Modelo | Valores disponibles para reasoning_effort |
|---|---|
glm-5.3 |
|
glm-5.2 |
|
glm-5.2-fast-preview |
|
glm-5.1 |
|
enable_thinking en false en el modo compatible con OpenAI o DashScope. Este parámetro tiene mayor prioridad que reasoning_effort. glm-5.3 no admite la desactivación del modo de pensamiento. Establecer enable_thinking en false no tiene efecto.reasoning_effort. Para obtener el contenido de pensamiento, utilice el parámetro nativo thinking de Anthropic: {"thinking":{"type":"enabled","budget_tokens":1024}}. Cuando está activado, la respuesta content incluirá un bloque de pensamiento con type establecido en thinking.- Compatible con OpenAI
- DashScope
Borrar historial de pensamiento (clear_thinking)
El parámetro clear_thinking controla si el reasoning_content (proceso de pensamiento) de turnos anteriores en una conversación de múltiples turnos se pasa al modelo como contexto. Este parámetro solo es compatible con los modelos de la serie GLM.
true: Ignora elreasoning_contentde turnos anteriores. Solo se utiliza como entrada de contexto contenido no relacionado con el razonamiento, como texto visible, llamadas a herramientas y resultados. Esto reduce la longitud del contexto y el costo.false: Conserva elreasoning_contentde turnos anteriores y lo proporciona al modelo junto con el contexto. Para habilitar el Pensamiento Conservado, debe pasar elreasoning_contenthistórico de forma completa, sin modificaciones y en el orden original dentro de los mensajes. La omisión, recorte, reescritura o reordenamiento del contenido puede degradar el rendimiento o provocar fallos en la función.
true para glm-5.3 y false para los demás modelos GLM.
assistant contiene reasoning_content. Cuando clear_thinking se establece en true, el contenido histórico de pensamiento no se incluye en el contexto. Por lo tanto, el recuento de prompt_tokens es menor que cuando se establece en false. El valor real depende de la longitud del reasoning_content histórico.
- Compatible con OpenAI
- DashScope
API Responses
glm-5.2 admite llamadas a través de la API Responses compatible con OpenAI. Solo se admiten las regiones de China (Beijing) y Singapur. Para ver los endpoints, consulte Endpoints de servicio.
Al llamar a la Responses API, puede agregar las herramientas web_search (Búsqueda web), web_extractor (Extractor web) y code_interpreter (Intérprete de código) al parámetro tools.
Otras funciones
| Modelo | Conversación multironda | Llamada a funciones | Salida estructurada | Búsqueda web | Modo parcial | Caché de contexto |
|---|---|---|---|---|---|---|
| glm-5.3 | Compatible | Compatible | CompatibleSolo se admite | No compatible | No compatible | CompatibleSolo se admite caché implícita |
| glm-5.2 | Compatible | Compatible | CompatibleSolo en modo sin pensamiento | No compatible | No compatible | CompatibleSolo se admite caché implícita |
| glm-5.2-fast-preview | Compatible | Compatible | CompatibleSolo en modo sin pensamiento | No compatible | No compatible | CompatibleSolo se admite caché implícita |
| glm-5.1 | Compatible | Compatible | CompatibleSolo en modo sin pensamiento | No compatible | No compatible | CompatibleSe admiten tanto caché explícita como implícita |
| glm-5 | Compatible | Compatible | CompatibleSolo en modo sin pensamiento | No compatible | No compatible | CompatibleSolo se admite caché implícita |
Valores predeterminados de parámetros
Modelo | enable_thinking | temperature | top_p | top_k | repetition_penalty |
|---|---|---|---|---|---|
glm-5.3 | true (no se puede desactivar) | 1.0 | 0.95 | No compatible | No compatible |
glm-5.2 | true | 1.0 | 0.95 | 20 | 1.0 |
glm-5.1 | true | 1.0 | 0.95 | 20 | 1.0 |
glm-5 | true | 1.0 | 0.95 | 20 | 1.0 |
Precauciones
Al invocar el modelo, respete los tipos de parámetros y los campos obligatorios de la API que utilice. En particular:
max_tokensdebe ser un número entero, como1024, no el valor booleanotrue. Al invocar glm-5.3,truepuede tratarse como1, lo que trunca la salida después de 1 token sin devolver un error de parámetro. La salida puede contener únicamente el contenido del proceso de pensamiento, sin una respuesta final.- Al utilizar la API compatible con Anthropic, cada herramienta del arreglo
toolsdebe incluirname, como"name": "get_weather". Si se omitename, la solicitud falla. Incluya el nombre de la herramienta antes de enviar la solicitud.
Modelos y facturación
Los modelos de la serie GLM son modelos de razonamiento híbrido diseñados por Zhipu AI para agentes. Proporcionan modos de pensamiento y sin pensamiento.
- glm-5.3: El modelo GLM de la serie GLM con una longitud de contexto de 1M. Admite Function Calling, salida estructurada y caché implícita. Puede llamarlo mediante interfaces compatibles con OpenAI, DashScope y Anthropic.
- glm-5.2: Un modelo GLM con una longitud de contexto de 1M. Admite Function Calling, salida estructurada y caché implícita. Puede llamarlo mediante interfaces compatibles con OpenAI, DashScope y Anthropic.
- glm-5.2-fast-preview: El modo rápido del modelo glm-5.2. Para más información, consulte Modo Prime.
En el modo de pensamiento, la cadena de pensamiento se factura como tokens de salida.