Endpoint 覆盖
提供 1 个公开 endpoint:chat_completion。
# Base URL
https://runapi.ai
# Endpoints
POST /v1/chat/completions
POST /v1/responses
POST /v1/messages
POST /v1beta/models/glm-5.3-flash:generateContent
POST /v1beta/models/glm-5.3-flash:streamGenerateContent
curl https://runapi.ai/v1/chat/completions \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash",
"messages": [
{
"role": "user",
"content": "阅读这个多文件仓库,找出失败的集成测试,并给出补丁及根因说明。"
}
]
}'
from openai import OpenAI
client = OpenAI(
base_url="https://runapi.ai/v1",
api_key="your-runapi-key"
)
response = client.chat.completions.create(
model="glm-5.3-flash",
messages=[{"role": "user", "content": "阅读这个多文件仓库,找出失败的集成测试,并给出补丁及根因说明。"}]
)
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://runapi.ai/v1",
apiKey: "your-runapi-key"
});
const response = await client.chat.completions.create({
model: "glm-5.3-flash",
messages: [{ role: "user", content: "阅读这个多文件仓库,找出失败的集成测试,并给出补丁及根因说明。" }]
});
10 个版本可用
GLM-5.3-Flash 是 Z.ai GLM-5.3 代中成本更低的模型,于 2026 年 8 月 26 日发布。它是 Mixture-of-Experts 模型,总参数 320B,每个 token 激活 18B。Z.ai 称其为首个同时采用稀疏注意力与线性注意力的开源前沿模型,并表示相比 GLM-5.3,注意力计算量约少 3x,KV 缓存小 4.4x。
上下文窗口为 100 万 token,最多输出 128K token。思考始终开启:Z.ai 的 API 只接受 enabled 思考模式,因此每次回复都从推理步骤开始。Z.ai 将该模型定位于根据截图编写用户界面代码、办公文档、金融研究和计算机操作循环,并支持函数调用和结构化输出。
Z.ai 的模型还能读取图像、视频和文件。在 RunAPI 上,glm-5.3-flash 只接受文本输入。可通过 OpenAI 兼容的 Chat Completions 端点(/v1/chat/completions)、Anthropic Messages 端点(/v1/messages)、OpenAI Responses 或 Gemini generateContent 调用,全部使用同一个 RunAPI API key。
选择任意模型,几秒内开始生成。
| 提供商 | Z.ai |
| 模型 ID | glm-5.3-flash |
| 模态 | 文本 |
| 任务类型 | Synchronous |
| API 端点 | /v1/chat/completions |
| /v1/responses |
| /v1/messages | |
| /v1beta/models/glm-5.3-flash:generateContent | |
| /v1beta/models/glm-5.3-flash:streamGenerateContent | |
| 计费单位 | 1K tokens |
| 目录状态 | 运行中 |
免费注册后,在控制台创建用于 glm-5.3-flash 的 API 密钥。
向 /v1/chat/completions 发送 POST 请求,并传入 glm-5.3-flash 模型 ID 和参数。
直接从端点读取已完成的 glm-5.3-flash 响应。
提供 1 个公开 endpoint:chat_completion。
按 1K tokens 计量,无需订阅。
此端点尚未发布请求参数。
基于私有知识库回答客户问题,减少工单量。
起草合同摘要并标记关键条款供律师审阅。
在 CI 中自动生成单元测试、代码审查和重构建议。
该模型暂无已验证的用户反馈。
GLM-5.3-Flash 是 GLM-5.3 代中更小、成本更低的模型,总参数 320B,激活 18B。据 Z.ai 介绍,其稀疏与线性混合注意力使注意力计算量相比 GLM-5.3 减少约 3x。两者的上下文窗口都是 100 万 token。需要旗舰模型时选 glm-5.3,高并发或对成本敏感的任务选 glm-5.3-flash。
不可以。Z.ai 发布该模型时思考始终开启,思考设置只接受 enabled。推理 token 计入输出,请在 max_tokens 中为其留出空间。
目前不可以。Z.ai 的模型能读取图像、视频和文件,但 RunAPI 对 glm-5.3-flash 只接受文本输入,包含图片部分的请求会被拒绝。
把 OpenAI SDK 指向 https://runapi.ai/v1 即可使用 Chat Completions 或 Responses,也可以用 Anthropic SDK 调用 Messages,并将 model 设为 glm-5.3-flash。一个 RunAPI API key 适用于所有协议。
传入 quickstart 中显示的模型 ID。
Key 级限流随使用层级伸缩。当前限制见定价页。
可以——变体只是参数,改 model 字段即可。
模型支持流式时,RunAPI 端到端流式。
在公共 GitHub 仓库提 issue 或邮件联系 support。
不需要。你的 RunAPI API key 足以访问此 variant 以及目录中的所有其他模型,无需底层提供方账户。