Endpoint-Abdeckung
Stellt 1 öffentliche(n) Endpoint(s) bereit: chat_completion.
Neuestes GLM-Textmodell für OpenAI-kompatible Chat Completions
curl -X POST https://runapi.ai/v1/chat/completions \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3",
"messages": [
{
"role": "user",
"content": "Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."
}
]
}'
import { GlmClient } from "@runapi.ai/glm";
const client = new GlmClient();
const result = await client.chatCompletion.run({
model: "glm-5.3",
messages: [{"role":"user","content":"Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."}],
});
import os
import requests
response = requests.post(
"https://runapi.ai/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['RUNAPI_API_KEY']}"},
json={"model":"glm-5.3","messages":[{"role":"user","content":"Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."}]}
)
response.raise_for_status()
<?php
$client = curl_init("https://runapi.ai/v1/chat/completions");
curl_setopt_array($client, [
CURLOPT_HTTPHEADER => ["Authorization: Bearer " . getenv("RUNAPI_API_KEY"), "Content-Type: application/json"],
CURLOPT_POSTFIELDS => json_encode([
'model' => 'glm-5.3',
'messages' => [['role' => 'user', 'content' => 'Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor.']],
])
]);
$response = curl_exec($client);
RunApi client = new RunApi(System.getenv("RUNAPI_API_KEY"));
Task task = client.chatCompletion().run({"model":"glm-5.3","messages":[{"role":"user","content":"Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."}]});
task.waitForResult();
require "runapi/glm"
client = RunApi::Glm::Client.new
result = client.chat_completion.run(
model: "glm-5.3",
messages: [{role: "user", content: "Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."}]
)
client := runapi.NewClient(os.Getenv("RUNAPI_API_KEY"))
task, err := client.chatCompletion.Run({"model":"glm-5.3","messages":[{"role":"user","content":"Lies dieses Repository mit mehreren Dateien, finde den fehlschlagenden Integrationstest und schlage einen Patch mit Erklärung der Ursache vor."}]})
if err != nil { log.Fatal(err) }
task.Wait()
$ runapi generate \
--model glm-5.3 \
--endpoint chat_completion \
--wait
9 Versionen verfügbar
Wähle ein Modell und generiere in Sekunden.
| Anbieter | Z.ai |
| Modell-ID | glm-5.3 |
| Modalität | Text |
| Aufgabentypen | Synchronous |
| API-Endpunkt | /v1/chat/completions |
| Abrechnungseinheit | 1K tokens |
| Katalogstatus | Betriebsbereit |
Registriere dich kostenlos und erstelle im Dashboard einen API-Schlüssel für glm-5.3.
Sende eine POST-Anfrage an /v1/chat/completions mit der Modell-ID glm-5.3 und deinen Parametern.
Lies die fertige glm-5.3-Antwort direkt vom Endpoint.
Stellt 1 öffentliche(n) Endpoint(s) bereit: chat_completion.
Gemessen nach 1K tokens, ohne Abo-Anforderung.
Für diesen Endpunkt sind keine Anfrageparameter veröffentlicht.
Nutze LLMs für Chat und Reasoning.
Generiere und prüfe Implementierungsarbeit.
Verbinde Modelle mit Backend-Tasks.
Übergib die im Quickstart angezeigte Modell-ID.
Ja. Preise werden pro Aufruf oder Einheit gemessen.
Wir helfen bei Enterprise-Setup, Integrationen und technischen Fragen.
Kontakt aufnehmen