Blog

GLM-5.3 API Nasıl Kullanılır?

GLM-5.3 API hızlı başlangıç: bir Z.ai veya bigmodel.cn anahtarı alın, cURL, Python ve Node.js'te OpenAI uyumlu uç noktayı çağırın, belirteçleri akışla yayınlayın ve Apidog'da test edin.

Ashley Innocent

Ashley Innocent

16 August 2026

GLM-5.3 API Nasıl Kullanılır?

Kurumsal İçin Apidog

Şirket İçi (On-Premises) Dağıtım

SSO ve RBAC

SOC 2 Uyumlu

Apidog Enterprise'ı Keşfedin

Uluslararası olarak Z.ai adıyla faaliyet gösteren Çinli laboratuvar Zhipu AI, GLM-5.3'ü 14 Ağustos 2026'da piyasaya sürdü ve hikaye, kodlama rakamlarında yatıyor. İç değerlendirmeler, GLM-5.2'ye göre kodlama yeteneğinde %50'lik bir iyileşme olduğunu, Terminal-Bench 3.0 puanının 4.6'dan 28.3'e sıçradığını gösteriyor ve Zhipu, BigGo'nun lansman raporuna göre modelin kodlama ve ajan yeteneğini "Claude Fable 5'e yaklaşıyor" olarak tanımlıyor. Açık ağırlıklar yaklaşık iki hafta içinde yayınlanacak. Tüm yetenek dökümü ve karşılaştırma tablosu için GLM-5.3 nedir makalesini okuyun; bu makale, uygulamalı bir API hızlı başlangıcıdır.

İşte yapacaklarınız: bir API anahtarı alın, cURL'de ilk çağrıyı yapın, bunu OpenAI SDK aracılığıyla Python ve Node.js'ye taşıyın, jetonları akışla aktarın, önemli parametreleri ayarlayın ve uygulama kodu yazmadan önce istek şeklini kilitlemek için tüm döngüyü Apidog'a entegre edin. İyi haber şu ki: Z.ai'nin API'si OpenAI uyumludur. Daha önce herhangi bir OpenAI tarzı uç noktayı çağırdıysanız, bunların çoğunu zaten biliyorsunuzdur.

Koda geçmeden önce bir uyarı. GLM-5.3 bugün piyasaya sürüldü ve Zhipu'nun belgeleri lansman günlerinde hızla güncelleniyor. Aşağıda kontrol ettiğimde doğrudan resmi belgelerden gelen her şey doğrulanmış olarak sunulmaktadır; belgelerin henüz yetişmediği her şey, mevcut durumu kendiniz doğrulayabilmeniz için bir bağlantı ile GLM-5 ailesi kuralı olarak işaretlenmiştir.

Kısaca

GLM-5.3 neden önemli?

Temel model değişmedi. Bu sürümdeki her kazanım, GLM-5 üzerine ölçeklendirilmiş sonradan eğitimden geliyor, bu da sıçramaların boyutunu alışılmadık kılıyor. Terminal-Bench 3.0, 4.6'dan 28.3'e çıkarak, GLM'yi o kıyaslamada ve Agents' Last Exam'de açık kaynak modeller arasında alakasız konumdan birinci sıraya taşıyan 6.2 katlık bir hareket gerçekleştirdi. SWE-Marathon, GLM-5.2'ye karşı kabaca iki katına çıktı. Güvenlik tarafında, CyberGym %84.5 ile Claude Mythos 5 ve GPT-5.6 Sol'ün biraz üzerinde yer alırken, ExploitBench %54.4 ile öncü modellerin gerisinde kaldı. Kaynaklandırmayı belirtmek gerekir: %50'lik kodlama iddiası ve bu puanların birçoğu Zhipu'nun kendi değerlendirmelerinden geliyor, bu nedenle üçüncü taraflarca tekrarlanana kadar bunları bir satıcı raporu olarak kabul edin.

Altta yatan mimari, GLM-5 ailesinin temelidir: Z.ai'nin belgelerine göre 744B toplam parametreye, ileri geçiş başına yaklaşık 40B aktif parametreye ve 200K jeton bağlam penceresine sahip bir Uzmanlar Karışımı tasarımı. Bunlar aile spesifikasyonlarıdır, 5.3'e özgü iddialar değildir.

Bu sürümün API kullanıcıları için önemli olmasının iki nedeni daha var. Birincisi, Zhipu, Pandaily'nin lansman haberine göre, 28 Ağustos civarında, lansmandan yaklaşık iki hafta sonra GLM-5.3 açık ağırlıklarını, bugüne kadarki en kapsamlı risk inceleme sistemiyle birlikte yayınlayacağını söylüyor. Kendi kendine barındırma yol haritanızdaysa, bugün kurduğunuz API, regresyon temeliniz olarak ikiye katlanır; GLM-5.3 kendi kendine barındırma hazırlık kılavuzumuz bu oyunu ayrıntılı olarak ele alıyor. İkincisi, Seeking Alpha, Zhipu'yu "Çinli OpenAI rakibi" olarak çerçeveliyor ve bu yetenek seviyesindeki açık ağırlık sürümleri tüm piyasadaki fiyatları hareketlendirme eğilimindedir.

API anahtarı alın

Bölgesel olarak ayrılmış iki platform bulunmaktadır ve bu ayrım, bu kılavuzdaki diğer her şeye yansımaktadır.

Z.ai (uluslararası). z.ai adresinden kaydolun, API konsolunu açın ve bir anahtar oluşturun. Belgeler docs.z.ai adresinde bulunmaktadır. Bu, anakara Çin dışındaki herkes için yoldur ve bu makalenin geri kalanının varsayılan olarak kullandığı uç noktadır.

Bigmodel.cn (anakara Çin). Zhipu'nun yerel platformu open.bigmodel.cn'dir. Aynı API yapısı, aynı kimlik doğrulama şeması, farklı ana bilgisayar ve ayrı faturalandırma. Trafiğiniz anakara Çin'den kaynaklanıyorsa bunu kullanın; gecikme süresi ve uyumluluk bu yöne işaret ediyor.

Hangi platformu seçerseniz seçin, anahtarı bir kez dışa aktarın ve kodunuzdan uzak tutun:

export GLM_API_KEY="your-key-from-the-console"

Ödediğiniz kadar kullan API faturalandırması yerine GLM Kodlama Planındaysanız, kotaların 14 Ağustos'ta tüm kullanıcılar için sıfırlandığını unutmayın, böylece 5.3 dönemine temiz bir tahsisatla başlarsınız.

Uç nokta ve kimlik doğrulama

Bu yazı yazıldığı sırada GLM-5 belgelerine göre doğrulanmış sohbet tamamlama uç noktası:

POST https://api.z.ai/api/paas/v4/chat/completions

Anakara Çin ana bilgisayarı değiştirir:

POST https://open.bigmodel.cn/api/paas/v4/chat/completions

Kimlik doğrulama tek bir başlıkta yapılır: Authorization: Bearer $GLM_API_KEY. İmza yok, oturum el sıkışma yok.

OpenAI uyumlu, tam olarak umduğunuz anlama gelir. İstek gövdesi model artı messages dizisi şeklindedir, yanıt choices, message, finish_reason ve usage ile geri döner ve base_url'i Z.ai'ye işaret ettiğinizde resmi OpenAI SDK'ları değiştirilmeden çalışır. Başka bir OpenAI uyumlu sağlayıcıya karşı yazdığınız herhangi bir kod, bir ana bilgisayar ve model değişikliği ile taşınır; kalıp, DeepSeek V4 Pro'nun API'si için incelediğimizle aynıdır.

Model kimliği hakkında dürüst bir çekince. Lansman günü belgeleri aldığımda, GLM-5 sayfası model dizisi olarak glm-5'i listeliyordu ve henüz 5.3 için güncellenmemişti. Zhipu'nun fiyatlandırma sayfası glm-5.2 ve glm-5.1'i ayrı modeller olarak faturalandırdığından, aile kuralı yeni kimliğin glm-5.3 olduğunu söylüyor. Aşağıdaki örnekler bunu kullanıyor, ancak üretimde kullanmadan önce belgeleri kontrol edin. Bölgenizde glm-5.3 404 hatası verirse, glm-5'e geri dönün ve hala aynı ailenin bir parçasısınızdır.

cURL'de ilk isteğiniz

Çalışan eksiksiz bir çağrı:

curl "https://api.z.ai/api/paas/v4/chat/completions" \
  -H "Authorization: Bearer $GLM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "system",
        "content": "You are a code reviewer. Flag issues as blocking or non-blocking."
      },
      {
        "role": "user",
        "content": "Review this shell script for safety:\n\nrm -rf $BUILD_DIR/*\ncp dist/* $DEPLOY_TARGET"
      }
    ],
    "temperature": 0.3,
    "max_tokens": 1024
  }'

Yanıt, standart OpenAI biçimindedir: choices[0].message.content'in cevabı tuttuğu bir choices dizisi ve prompt_tokens ile completion_tokens içeren bir usage bloğu. Terminal-Bench puanı göz önüne alındığında, bu gibi kabuk ve terminale yakın inceleme istemleri, 5.3'ün en çok gelişmesi beklenen yerlerdir, bu nedenle uygun bir "smoke test"tir (çalışırlık testi).

Belgeler ayrıca, modelin muhakeme modunu değiştiren bir thinking parametresini de belgelemektedir:

"thinking": { "type": "enabled" }

Çok adımlı kodlama ve ajan görevleri için etkinleştirin; muhakeme jetonlarının boşa harcandığı kısa çıkarma çağrıları için atlayın.

Python hızlı başlangıç

Yeni bir SDK öğrenmeye gerek yok. OpenAI paketini kurun ve temel URL'yi değiştirin:

pip install --upgrade openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GLM_API_KEY"],
    base_url="https://api.z.ai/api/paas/v4",
)

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {
            "role": "system",
            "content": "You are a code reviewer. Flag issues as blocking or non-blocking.",
        },
        {
            "role": "user",
            "content": (
                "Review this Flask route for security issues:\n\n"
                "@app.route('/user/<id>')\n"
                "def get_user(id):\n"
                "    return db.execute(f'SELECT * FROM users WHERE id = {id}')"
            ),
        },
    ],
    temperature=0.3,
    max_tokens=2048,
)

print(response.choices[0].message.content)
print("input tokens:", response.usage.prompt_tokens)
print("output tokens:", response.usage.completion_tokens)

İlk günden itibaren o usage bloğunu günlüğe kaydedin. Lansman sırasında 5.3'e özel bir fiyatlandırma yayınlanmadığından, jeton sayınız resmi rakamlar ortaya çıktığında faturanızın ne olacağını tahmin etmenin tek yoludur.

Node.js hızlı başlangıç

openai npm paketiyle aynı hareket:

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.GLM_API_KEY,
  baseURL: "https://api.z.ai/api/paas/v4",
});

const response = await client.chat.completions.create({
  model: "glm-5.3",
  messages: [
    {
      role: "system",
      content: "You are a terminal automation agent. Return each step as a shell command with a one-line rationale.",
    },
    {
      role: "user",
      content: "A Node service on port 3000 stopped responding after a deploy. Give me a diagnosis sequence.",
    },
  ],
  temperature: 0.3,
  max_tokens: 2048,
});

console.log(response.choices[0].message.content);

Kod tabanınız zaten OpenAI ile konuşuyorsa, paralel bir istemciye ihtiyacınız yoktur. Z.ai baseURL ile ikinci bir OpenAI örneği oluşturun ve istekleri göreve göre yönlendirin. Bu, GLM-5.3 ile mevcut modeliniz arasındaki A/B karşılaştırmasını yeniden yazmak yerine bir yönlendirme kararı haline getirir.

Akış

Belgeler, standart stream bayrağı aracılığıyla akış desteğini doğrulamaktadır. Python'da:

stream = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {"role": "user", "content": "Explain the N+1 query problem with a concrete ORM example."}
    ],
    stream=True,
)

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

Ham HTTP üzerinden, gövdede "stream": true olarak ayarlayın ve sunucu tarafından gönderilen olayları ayrıştırın; her data: satırı, OpenAI'nin parça biçiminde bir delta taşır. İki pratik not. Jeton kullanımı son parçacıkta veya sonrasında gelir, bu nedenle muhasebe yalnızca akış kapandığında doğru olur. Ve eğer thinking'i etkinleştirirseniz, zorlu istemlerde ilk görünür jetondan önce daha uzun bir duraklama bekleyin; model, yanıt vermeden önce muhakeme için jeton harcar, bu da kabul ettiğiniz bir takastır.

Önemli parametreler

Belgelerin ele aldığı kontroller, onlara ne sıklıkta dokunacağınıza göre sıralanmıştır:

Parametre Tip Ne işe yarar
max_tokens tamsayı Çıktı uzunluğu üzerinde kesin bir üst sınır. Ana maliyet kaldıraçınız.
temperature sayı Kod ve çıkarma için 0.2 ila 0.4 kullanın, açık uçlu yazım için 0.7+ kullanın.
thinking nesne {"type": "enabled"} çok adımlı görevler için muhakeme modunu açar.
stream boole Tek bir yanıt gövdesi yerine sunucu tarafından gönderilen olaylar.
messages dizi Standart OpenAI rolleri: system, user, assistant.

Maliyet konusunda: Zhipu, lansman sırasında 5.3'e özel API fiyatlandırması yayınlamamıştı, bu nedenle satıcı sayfalarında gördüğünüz jeton başına herhangi bir sayıya direnin. Resmi fiyatlandırma sayfası doğruluk kaynağıdır; bu yazı itibarıyla GLM-5.2'yi 1M jeton başına 1.40 dolar giriş ve 4.40 dolar çıkış, GLM-5'i ise 1.00 dolar ve 3.20 dolar olarak listeliyordu ki bu, 5.3'ün makul bir şekilde nereye geleceğini gösterir. Ücretli GLM modellerindeki önbelleğe alınmış giriş %80 ila %85 oranında indirimli olduğundan, tekrarlanan sistem istemlerini önbelleği kullanacak şekilde yapılandırın. Bir sağlayıcı sizi fiyat değişikliğiyle şaşırttıysa, bu disiplinin neden önemli olduğunu bilirsiniz; DeepSeek fiyat artışı sonrası analizimiz, doğrudan aktarılan maliyet kontrol modellerini kapsamaktadır.

Uygulama kodu yazmadan önce GLM-5.3'ü Apidog'da test edin

Bir komut dosyası içindeki istem yinelemesi yavaş bir döngüdür: düzenle, yeniden çalıştır, kaydır, tekrarla ve her döngü jetonları faturalandırır. Z.ai'nin API'si OpenAI uyumlu olduğundan, bir API istemcisi tüm keşif aşamasını üstlenebilir.

Apidog'daki kurulum:

  1. Bir proje oluşturun ve sohbet tamamlama isteğini ekleyin. Herhangi bir OpenAI uyumlu spesifikasyonu içe aktarın veya tek POST /chat/completions uç noktasını elle tanımlayın; gövde, tanıdık model artı messages şeklindedir.
  2. İki ortam oluşturun: zai-international ve bigmodel-mainland. Her birinde temel URL'yi ayarlayın (https://api.z.ai/api/paas/v4 ve https://open.bigmodel.cn/api/paas/v4) ve ortam düzeyinde Authorization: Bearer {{GLM_API_KEY}}'i bağlayın. Bölgeleri değiştirmek bir açılır menü tıklaması haline gelir ve anahtar hiçbir zaman kaydedilmiş bir isteğe düşmez.
  3. Model kimliğini glm-5.3 olarak ayarlanmış bir değişkenin arkasına koyun. Lansman haftasında bu, normalden daha önemlidir: eğer belgeler oturdukça kimlik değişirse veya glm-5.2 ile A/B testi yapmak isterseniz, her kaydedilmiş isteği düzenlemek yerine bir değişkeni değiştirirsiniz.
  4. thinking anahtarını yan yana test edin. İsteği çoğaltın, bir kopyada muhakemeyi etkinleştirin ve aynı istemde gecikmeyi, çıktı kalitesini ve usage'ı karşılaştırın. Bu, iş yüklerinizden hangisinin muhakeme jetonlarını hak ettiğine karar vermenin en hızlı yoludur.
  5. Akış uç noktasına vurun. SSE parçaları canlı olarak işlenir, böylece kullanıcılarınızın göreceği ilk jetona kadar geçen süreyi görürsünüz.
  6. İyi yanıtları örnek olarak kaydedin. Sonraki çalıştırmalar canlı API yerine fixture'ı kullanır, bu da geliştirme sırasında en büyük jeton tasarrufu sağlayan tek şeydir.

Oradan, kaydedilmiş istekleri finish_reason, yanıt şeması ve jeton sayıları üzerinde iddialarla test senaryolarına zincirleyin ve "smoke test"leri (çalışırlık testleri) bir regresyon paketine dönüştürmüş olursunuz. Herhangi bir API'ye genelleştirilmiş aynı iş akışı, QA mühendisleri için API test kılavuzumuzda bulunmaktadır.

Hata işleme ve oran sınırlamaları

Standart OpenAI tarzı hatalar bekleyin: message, type ve code içeren bir error nesnesi. Olağan şüpheliler; eksik veya iptal edilmiş bir anahtar için 401, hatalı biçimlendirilmiş bir gövde veya bilinmeyen bir model kimliği için 400, oran sınırlamaları için 429 ve geçici sunucu hataları için 5xx'tir.

Lansman günü API'si için üç alışkanlık:

Sıkça Sorulan Sorular

GLM-5.3 API'si için model kimliği nedir?

Zhipu'nun fiyatlandırma sayfasında bize glm-5.2 ve glm-5.1'i veren aile kuralını takiben glm-5.3'ü bekleyin. Bu yazı yazıldığı sırada belgeler hala model sayfasında glm-5'i listeliyordu, bu yüzden sabitlemeden önce docs.z.ai adresinden onaylayın ve bir düzeltmenin ucuz olması için kimliği yapılandırmada tutun.

GLM-5.3 API'si OpenAI SDK ile çalışıyor mu?

Evet. API, OpenAI uyumludur, bu nedenle Python ve Node.js için resmi openai paketleri, base_url'i https://api.z.ai/api/paas/v4 (veya bigmodel.cn eşdeğeri) olarak ayarladığınızda ve Z.ai anahtarınızı ilettiğinizde çalışır. İstek ve yanıt şekilleri, akış dahil olmak üzere sohbet tamamlama standardına uyar.

GLM-5.3 API'si ne kadar tutar?

Zhipu, 14 Ağustos 2026'da piyasaya sürüldüğünde 5.3'e özel fiyatlandırma yayınlamamıştı. Resmi fiyatlandırma sayfası GLM-5.2'yi 1M giriş jetonu başına 1.40 dolar ve 1M çıkış jetonu başına 4.40 dolar olarak listeliyordu, bu da 5.3 satırı görünene kadar en iyi referans noktanızdır. Satıcı fiyat tahminlerini göz ardı edin.

GLM-5.3, Claude ve GPT ile nasıl karşılaştırılır?

Zhipu'nun kendi değerlendirmeleri, kodlama ve ajan yeteneğini "Claude Fable 5'e yaklaşıyor" olarak belirtiyor; CyberGym %84.5 ile Claude Mythos 5 ve GPT-5.6 Sol'ün biraz üzerinde, ancak ExploitBench %54.4 ile hala öncü modellerin gerisinde. Satıcı rakamlarını bağımsız olarak tekrarlanana kadar iddia olarak kabul edin; öncü modelleri birbirine karşı nasıl sıraladığımızı görmek için Grok 4.6 vs GPT-5.6 vs Claude Fable 5 karşılaştırmamıza bakın.

GLM-5.3'ü API kullanmak yerine yerel olarak çalıştırabilir miyim?

Henüz değil. Zhipu, açık ağırlıkların yaklaşık iki hafta sonra, 28 Ağustos 2026 civarında, Hugging Face organizasyonunda yayınlanacağını söylüyor. 744B parametreli MoE tasarımı, yerel sunuculuğun dizüstü bilgisayar işi değil, sunucu sınıfı bir iş olduğu anlamına gelir; şimdi barındırılan API'yi kullanın ve kendi kendine barındırılan bir dağıtımı karşılaştıracağınız temel çizgiyi oluşturun.

GLM-5.3 yığınınızda nereye oturur?

Ajan döngüleri veya kodlama iş yükleri çalıştırıyorsanız GLM-5.3, bir öğleden sonra değerlendirmesine değerdir ve OpenAI uyumlu yüzeyi bu öğleden sonrayı ucuz kılar. Terminal-Bench ve SWE-Marathon sıçramaları satıcı tarafından bildirilmiştir, ancak 6.2 katlık bir hareket kendinizi kontrol etmeye yetecek kadar büyüktür ve açık ağırlıklara iki haftalık süre, bugün kaydettiğiniz isteklerin daha sonra kendi kendine barındırılan bir dağıtım için regresyon temel çizgisi haline geleceği anlamına gelir.

Mantıklı sıra: bir anahtar alın, cURL çağrısını çalıştırın ve uygulama koduna dokunmadan önce isteği bir API istemcisine taşıyın. İki bölgesel ortamı kurmak, model kimliğini bir değişkenin arkasına koymak ve gerçek istemlerinizde thinking'i açık ve kapalı olarak karşılaştırmak için Apidog'u indirin. Yanıtlar doğru göründüğünde, Python veya Node portu bir temel URL ve bir ortam değişkenidir, çünkü iletim formatı hiçbir zaman zor kısım değildi.

button

API Tasarım-Öncelikli Yaklaşımı Apidog'da Uygulayın

API'leri oluşturmanın ve kullanmanın daha kolay yolunu keşfedin

Ücretsiz Kaydolİndir