Couverture des endpoints
Expose 1 endpoint(s) public(s) : chat_completion.
Dernier modèle texte GLM pour les Chat Completions compatibles OpenAI
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": "Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."
}
]
}'
import { GlmClient } from "@runapi.ai/glm";
const client = new GlmClient();
const result = await client.chatCompletion.run({
model: "glm-5.3",
messages: [{"role":"user","content":"Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."}],
});
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":"Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."}]}
)
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' => 'Lisez ce dépôt multi-fichiers, trouvez le test d\'intégration en échec et proposez un patch avec une explication de la cause racine.']],
])
]);
$response = curl_exec($client);
RunApi client = new RunApi(System.getenv("RUNAPI_API_KEY"));
Task task = client.chatCompletion().run({"model":"glm-5.3","messages":[{"role":"user","content":"Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."}]});
task.waitForResult();
require "runapi/glm"
client = RunApi::Glm::Client.new
result = client.chat_completion.run(
model: "glm-5.3",
messages: [{role: "user", content: "Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."}]
)
client := runapi.NewClient(os.Getenv("RUNAPI_API_KEY"))
task, err := client.chatCompletion.Run({"model":"glm-5.3","messages":[{"role":"user","content":"Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."}]})
if err != nil { log.Fatal(err) }
task.Wait()
$ runapi generate \
--model glm-5.3 \
--endpoint chat_completion \
--wait
9 versions disponibles
Choisissez un modèle et générez en quelques secondes.
| Fournisseur | Z.ai |
| ID du modèle | glm-5.3 |
| Modalité | Text |
| Types de tâche | Synchronous |
| Endpoint API | /v1/chat/completions |
| Unité de facturation | 1K tokens |
| État du catalogue | Opérationnel |
Inscrivez-vous gratuitement et créez une clé API pour glm-5.3 depuis le tableau de bord.
Envoyez une requête POST à /v1/chat/completions avec l’identifiant du modèle glm-5.3 et vos paramètres.
Lisez directement la réponse glm-5.3 terminée depuis l’endpoint.
Expose 1 endpoint(s) public(s) : chat_completion.
Mesuré par 1K tokens, sans abonnement requis.
Aucun paramètre de requête n'est publié pour cet endpoint.
Utilisez les LLM pour le chat et le raisonnement.
Générez et révisez le travail d'implémentation.
Connectez les modèles aux tâches backend.
Passez l'ID de modèle affiché dans le quickstart.
Oui. Les tarifs sont mesurés par appel ou par unité.
Nous vous aidons pour la mise en place entreprise, les intégrations et les questions techniques.
Nous contacter