智谱国际站 Z.ai 的官方文档已面向全量 GLM Coding Plan 用户开放 GLM-5.3。它是 Z.ai 的旗舰基座模型：与 GLM-5.2 共享同一基座，全部改进来自后训练，编程体感提升约 50%。本文将基于官方指南，带你从零完成接入——包括三种 API 协议的选择、始终开启的思考模式如何配置，以及 Python/curl 的实际调用。

先搞清两个关键变化

接入前要理解 GLM-5.3 与常见模型最不同的两点：

  • 思考模式始终开启：不再支持关闭推理，只能通过 reasoning_effort 在 low / high / max 三档间选择（默认 max）。复杂编码任务官方建议 max。
  • 迁移注意：如果你的应用仍在请求里传 thinking.type: "disabled"，必须先改为 enabled 并把 reasoning_effort 设为 low，再更新模型 ID 为 glm-5.3，否则请求会失败。

官方给出的最小请求体示例：

{
  "model": "glm-5.3",
  "thinking": { "type": "enabled" },
  "reasoning_effort": "max"
}

规格与能力矩阵

项目规格
输入纯文本，上下文窗口 1M Token
输出最大 128K Token
思考等级low / high / max（默认 max，始终开启）
能力流式输出、Function Calling、上下文缓存、结构化输出（JSON）

上下文缓存（Context Caching）适合长对话与长文档场景，可降低重复前缀的算力消耗；结构化输出让结果可直接对接 JSON Schema 校验。

三种 API 协议怎么选

Z.ai 提供分别兼容 OpenAI 与 Anthropic 的三种协议，均使用同一模型 ID：

协议特点
OpenAI Chat Completion Protocol基于 chat/completions 接口，兼容性最广
OpenAI Response Protocol面向 Response API 的现代接口
Anthropic Message ProtocolAnthropic Messages 兼容，方便既有 Claude 迁移

Z.ai 官方 Python SDK zai-sdk 同时封装了普通调用与流式输出；如果不想引入额外依赖，也可以直接用 openai SDK 指到 Z.ai 的 base URL。

实际调用示例

用官方 Python SDK 做一次最基本的对话：

from zai import ZaiClient

client = ZaiClient(api_key="your-api-key")
response = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {"role": "system", "content": "你是一名资深全栈工程师。"},
        {"role": "user", "content": "用 React + Node.js 帮我设计一个个人博客。"},
    ],
    thinking={"type": "enabled"},
    reasoning_effort="max",
    max_tokens=4096,
    temperature=1.0,
)
print(response.choices[0].message)

流式输出时，分别读 delta.reasoning_content 与 delta.content 即可实时打印思考过程与正文：

for chunk in response:
    if chunk.choices[0].delta.reasoning_content:
        print(chunk.choices[0].delta.reasoning_content, end="", flush=True)
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

如果项目里已经在用 openai SDK，改两行就能切换：

from openai import OpenAI

client = OpenAI(
    api_key="your-Z.AI-api-key",
    base_url="https://api.z.ai/api/paas/v4/",
)
completion = client.chat.completions.create(
    model="glm-5.3",
    messages=[{"role": "user", "content": "你好，介绍一下你自己"}],
)
print(completion.choices[0].message.content)

等效的 curl 请求（未启用流式）：

curl -X POST "https://api.z.ai/api/paas/v4/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key" \
  -d '{
    "model": "glm-5.3",
    "messages": [{"role": "user", "content": "你好"}],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "max",
    "max_tokens": 4096
  }'

积分配额制与 Coding Plan

GLM-5.3 已全量开放给 GLM Coding Plan 用户，可直接搭配主流编码智能体使用；付费采用积分配额制，透明可预期。非高峰时段（含周末全天）的模型调用只消耗标准积分的 50%。独立 API 定价等细节会在后续迭代中陆续开放。

核心总结

  • GLM-5.3 基于 GLM-5.2 基座 + 后训练迭代，编程体感提升约 50%，已对 GLM Coding Plan 用户全量开放。
  • 思考模式始终开启、不可关闭，用 reasoning_effort（low/high/max）调节；迁移时需把 thinking.type: "disabled" 改为 enabled。
  • 支持 1M Token 上下文、128K 输出，以及流式、Function Calling、上下文缓存、结构化输出。
  • 接入方式灵活：OpenAI 兼容、OpenAI Response、Anthropic 三种协议，或直接使用 zai-sdk / openai SDK 指向 api.z.ai。

参考：GLM-5.3 — Z.ai 官方文档