GLM Chat Completion API Solicitação e Uso

GLM (General Language Model) é uma nova geração da série de modelos de linguagem desenvolvida pela Zhipu AI (Zhipu AI / Z.ai), que possui uma forte capacidade de compreensão e geração em chinês e inglês, apresentando um desempenho excepcional em tarefas como cenários em chinês, geração de código, raciocínio e diálogos de múltiplas rodadas. Modelos de nova geração como GLM-5.3, GLM-5.2, GLM-4.7, entre outros, foram amplamente otimizados para contextos longos, chamadas de ferramentas e tarefas de código, podendo ser amplamente aplicados em cenários como perguntas e respostas inteligentes, criação de conteúdo, assistência de código, robôs de atendimento ao cliente, entre outros. Este documento apresenta principalmente o processo de uso da API GLM Chat Completion, permitindo que você chame facilmente os modelos da série GLM através de uma interface compatível com OpenAI.

Processo de Solicitação

Para usar a API GLM Chat Completion, primeiro acesse o console da Ace Data Cloud para obter seu Token de API, que deve ser guardado para uso futuro.

Se você ainda não estiver logado ou registrado, será redirecionado automaticamente para a página de login, onde será convidado a se registrar e fazer login. Após a conclusão, você será redirecionado de volta para a página atual. Um Token de API é suficiente para acessar todos os serviços da plataforma, não sendo necessário solicitar um para cada serviço. A primeira solicitação oferece um crédito gratuito, permitindo uma experiência sem custo; quando o crédito estiver baixo, você pode recarregar o saldo geral no console.

📘 Documentação Completa: GLM Chat Completion API →

Uso Básico

O endereço de solicitação da API GLM Chat Completion é https://api.acedata.cloud/glm/chat/completions, utilizando autenticação Bearer Token, e o corpo da solicitação é compatível com o protocolo OpenAI Chat Completions. Na primeira utilização dessa interface, precisamos preencher pelo menos três conteúdos:

authorization: selecione diretamente o Bearer Token na lista suspensa.
model: escolha o modelo GLM a ser chamado, atualmente os modelos suportados incluem:
- glm-5.3: modelo mais recente e de ponta, suporta 1M de contexto e até 128K de saída, adequado para raciocínio complexo, tarefas de código e de agente. O raciocínio está sempre ativado, podendo ser selecionado através de reasoning_effort como low, high ou max.
- glm-5.2: modelo de ponta da geração anterior, com forte capacidade geral.
- glm-5.1: modelo de ponta maduro, adequado para tarefas complexas gerais.
- glm-4.7: apresenta excelente desempenho em raciocínio, chamadas de ferramentas e tarefas de código.
- glm-4.6: modelo de diálogo geral, equilibrando eficácia e custo.
- glm-3-turbo: modelo de diálogo clássico, adequado para tarefas gerais de geração de texto.
messages: array de mensagens, cada mensagem contém role e content, onde role suporta três tipos: user, assistant, system.

Parâmetros opcionais comuns:

max_tokens: limita o número máximo de tokens na resposta única.
temperature: aleatoriedade na geração, entre 0-2, quanto maior o valor, mais disperso.
top_p: parâmetro de amostragem nuclear, controla o limite de probabilidade acumulada dos tokens candidatos.
n: quantas respostas candidatas gerar de uma vez.
stream: se habilitar a resposta em fluxo, padrão false.
stop: sequência de parada personalizada.

Abaixo está um exemplo mais simples de chamada em Python:

import requests

url = "https://api.acedata.cloud/glm/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "glm-5.2",
    "messages": [
        {"role": "user", "content": "hello"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Após a chamada, encontramos o resultado retornado como segue:

{
  "id": "msg_202604262252030313862701a04e33",
  "model": "glm-5.2",
  "object": "chat.completion",
  "created": 1777215124,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! 👋 How can I assist you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 23,
    "total_tokens": 33
  }
}

Abaixo estão as principais explicações dos campos retornados:

id: ID único da tarefa de diálogo atual.
created: hora de criação da tarefa de diálogo atual (timestamp Unix, em segundos).
model: nome do modelo GLM realmente chamado.
choices: lista de respostas geradas pelo modelo. choices[i].message.content é o texto específico da resposta do modelo, e finish_reason indica a razão do término (stop, length, tool_calls, content_filter, etc.).
usage: estatísticas de uso de tokens para esta solicitação, incluindo prompt_tokens, completion_tokens, total_tokens.

Resposta em Fluxo

Esta interface suporta resposta em fluxo (Server-Sent Events), o que é muito útil para integração em páginas da web, permitindo que a página exiba o efeito de exibição palavra por palavra. Se você deseja retornar a resposta em fluxo, basta definir o parâmetro stream no corpo da solicitação como true. Código de exemplo de chamada em Python:

import requests

url = "https://api.acedata.cloud/glm/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "glm-4.7",
    "messages": [{"role": "user", "content": "hi"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers, stream=True)
for line in response.iter_lines():
    if line:
        print(line.decode("utf-8"))

O efeito de saída é como segue (trecho):

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "", "role": "assistant"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "Olá! Como posso"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "ajudar você"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {"content": "?"}, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [{"delta": {}, "finish_reason": "stop", "index": 0}], "usage": null}

data: {"id": "msg_2026042622521271f765bbc3734ce1", "object": "chat.completion.chunk", "created": 1777215133, "model": "glm-4.7", "choices": [], "usage": {"prompt_tokens": 1420, "completion_tokens": 18, "total_tokens": 1438}}

data: [DONE]

Pode-se ver que a resposta contém muitos data, cada data inclui um fragmento incremental. choices[i].delta.content é o fragmento de texto adicionado atualmente, você pode concatenar esses fragmentos para formar uma resposta completa. Quando o conteúdo de data é [DONE], isso indica que a resposta em fluxo terminou. O último fragmento com usage resumirá o uso de tokens desta solicitação. Exemplo em JavaScript (Node.js):

const options = {
  method: "POST",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json"
  },
  body: JSON.stringify({
    model: "glm-4.7",
    messages: [{ role: "user", content: "oi" }],
    stream: true
  })
};

const response = await fetch("https://api.acedata.cloud/glm/chat/completions", options);
const reader = response.body.getReader();
const decoder = new TextDecoder("utf-8");
while (true) {
  const { value, done } = await reader.read();
  if (done) break;
  process.stdout.write(decoder.decode(value));
}

Exemplo de código em Java:

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "glm-4.7");
jsonObject.put("messages", new JSONArray().put(new JSONObject().put("role", "user").put("content", "oi")));
jsonObject.put("stream", true);
MediaType mediaType = MediaType.parse("application/json; charset=utf-8");
RequestBody body = RequestBody.create(jsonObject.toString(), mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/glm/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.println(response.body().string());

Outras linguagens podem ser reescritas de forma semelhante, o princípio é o mesmo.

Diálogo em várias rodadas

Se você deseja implementar a funcionalidade de diálogo em várias rodadas, deve colocar o histórico de conversas no array messages, mantendo a ordem alternada entre user e assistant. Exemplo de código em Python:

import requests

url = "https://api.acedata.cloud/glm/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "glm-4.7",
    "messages": [
        {"role": "user", "content": "Olá"},
        {"role": "assistant", "content": "Oi! Como posso ajudar você hoje?"},
        {"role": "user", "content": "O que eu disse agora há pouco?"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Ao enviar várias perguntas, você pode facilmente realizar diálogos em várias rodadas e obter a seguinte resposta:

{
  "id": "msg_20260426225208b95324e9945a48d3",
  "model": "glm-4.7",
  "object": "chat.completion",
  "created": 1777215128,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Você disse: **\"Olá\"** 😊\n\nDeixe-me saber se você precisa de mais alguma coisa!"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 48,
    "completion_tokens": 37,
    "total_tokens": 85
  }
}

Pode-se ver que as informações contidas em choices são consistentes com o uso básico, o modelo fornece uma resposta com base no histórico completo da conversa, suportando assim a interação contextual em várias rodadas.

Mensagem de sistema (System Prompt)

Você pode adicionar uma mensagem com role como system no início de messages para restringir o papel, estilo ou comportamento do modelo:

payload = {
    "model": "glm-4.7",
    "messages": [
        {"role": "system", "content": "Você é um assistente de escrita em chinês experiente, por favor, responda de forma concisa e profissional."},
        {"role": "user", "content": "Por favor, apresente o modelo GLM em três frases."}
    ]
}

Chamada de função (Function Calling)

O modelo GLM suporta chamadas de função compatíveis com OpenAI, você pode declarar funções chamáveis através do parâmetro tools, o modelo retornará informações estruturadas de chamada de função em choices[i].message.tool_calls quando necessário.

payload = {
    "model": "glm-4.7",
    "messages": [
        {"role": "user", "content": "Como está o tempo em Pequim hoje?"}
    ],
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "Consultar o tempo em uma cidade específica",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {"type": "string", "description": "Nome da cidade"}
                    },
                    "required": ["city"]
                }
            }
        }
    ]
}

Se o modelo decidir chamar a ferramenta, o resultado retornado terá finish_reason alterado para tool_calls, e fornecerá o nome da função e os parâmetros em forma de string JSON em message.tool_calls. Você pode executar essa função e retornar o resultado como uma mensagem com role como tool para o modelo, completando assim o ciclo de chamada de ferramenta.

Sugestões de escolha de modelo

Modelo	Cenários aplicáveis
`glm-5.3`	Última geração, contexto de 1M, saída máxima de 128K, recomendado para raciocínio complexo, tarefas de código e Agent
`glm-5.2`	Geração anterior, adequado para raciocínio complexo, tarefas de código e Agent
`glm-5.1`	Modelo maduro, adequado para raciocínio complexo, análise de documentos longos
`glm-4.7`	Chamadas de ferramentas, geração de código, orquestração de Agent e outras tarefas
`glm-4.6`	Escolha equilibrada para diálogos gerais e criação de conteúdo
`glm-3-turbo`	Tarefas gerais de geração de texto, cenários sensíveis a custos

Tratamento de Erros

Ao chamar a API, se encontrar um erro, a API retornará o código de erro e a mensagem correspondente. Por exemplo:

400 token_mismatched: Parâmetros de solicitação ausentes ou inválidos.
400 api_not_implemented: Parâmetros ou modelos não suportados foram utilizados.
401 invalid_token: Não autorizado, Bearer Token ausente ou inválido.
429 too_many_requests: Limite de frequência acionado, por favor, tente novamente mais tarde.
500 api_error: Erro interno do servidor ou upstream temporariamente indisponível.

Exemplo de Resposta de Erro

{
  "trace_id": "69ea9bcf-c5da-41a3-be97-c80912a08523",
  "error": {
    "code": "api_error",
    "message": "Serviço temporariamente indisponível, por favor, tente novamente mais tarde."
  }
}

Quando retornar api_error e a mensagem for Serviço temporariamente indisponível, por favor, tente novamente mais tarde., geralmente indica que o serviço GLM upstream está temporariamente indisponível, recomenda-se tentar novamente com um backoff exponencial ou mudar para outro modelo GLM disponível (por exemplo, mudar temporariamente de glm-5.1 para glm-4.7 ou glm-4.6).

Conclusão

Através deste documento, você já entendeu como usar a API de Conclusão de Chat GLM para chamar os modelos da série GLM da Zhiyu AI, incluindo chamadas básicas, respostas em fluxo, diálogos de múltiplas rodadas, prompts de sistema e chamadas de ferramentas, entre outros usos típicos. Esperamos que este documento possa ajudá-lo a integrar e usar melhor essa API. Se tiver alguma dúvida, entre em contato com nossa equipe de suporte técnico.

Primeiros passos

Chat AI

Imagem AI

Vídeo AI

Áudio AI

Web e Dados

CAPTCHA

Identidade

Coding

Mais guias

GLM Chat Completion API Solicitação e Uso

Processo de Solicitação

Uso Básico

Resposta em Fluxo

Diálogo em várias rodadas

Mensagem de sistema (System Prompt)

Chamada de função (Function Calling)

Sugestões de escolha de modelo

Tratamento de Erros

Exemplo de Resposta de Erro

Conclusão

​Processo de Solicitação

​Uso Básico

​Resposta em Fluxo

​Diálogo em várias rodadas

​Mensagem de sistema (System Prompt)

​Chamada de função (Function Calling)

​Sugestões de escolha de modelo

​Tratamento de Erros

​Exemplo de Resposta de Erro

​Conclusão

Processo de Solicitação

Uso Básico

Resposta em Fluxo

Diálogo em várias rodadas

Mensagem de sistema (System Prompt)

Chamada de função (Function Calling)

Sugestões de escolha de modelo

Tratamento de Erros

Exemplo de Resposta de Erro

Conclusão