GLM-5.3-handleiding: altijd actief denken, drie inspanningsniveaus en de API-ondersteuningsmatrix

Titel: GLM-5.3-handleiding: altijd actief denken, drie inspanningsniveaus & API-ondersteuningsmatrix

Beschrijving: GLM-5.3-gids van augustus 2026: altijd actief denken met drie reasoning_effort-niveaus, samenvattingen van de redenering, parallelle toolaanroepen, gestructureerde output en automatische caching, met geverifieerde voorbeelden voor AIHubMix Chat / Responses / Messages.

Dit artikel behandelt de belangrijkste API-wijzigingen en gebruiksaanwijzingen voor GLM-5.3. GLM-5.3 is het vlaggenschipmodel van Z.ai, uitgebracht op 14-08-2026. Het gebruikt exact hetzelfde basismodel als GLM-5.2, waarbij alle verbeteringen komen uit post-training. Op AIHubMix is de model-ID coding-glm-5.3 (momenteel een route in preview met beperkte tijd), beschikbaar via de Chat Completions-, Responses- en Claude-compatibele Messages-API's. Zie ook: de officiële releaseblog van Z.ai.

De conclusies "Geverifieerd" en de voorbeeldresponses in elke sectie komen van echte aanroepen op 14-08-2026 via de AIHubMix-API's (Chat Completions / Responses / Messages).

1. Modelspecificaties in één oogopslag

Geverifieerd: max_tokens: 999999 geeft 400 met het geldige bereik in de foutbody vermeld. Het maximum is echt gevalideerd en wordt niet stilzwijgend afgekapt.

# max_tokens=999999 -> HTTP 400
"max_tokens parameter invalid: value must be within [1,131072]"

2. GLM-5.3 versus GLM-5.2: altijd actief denken, intensiteit via reasoning_effort

Dit zijn de twee belangrijkste API-wijzigingen in GLM-5.3 ten opzichte van GLM-5.2:

1. thinking.type ondersteunt disabled niet meer: denken kan niet meer worden uitgeschakeld. Het officiële migratieadvies luidt dat toepassingen die vroeger {"type": "disabled"} stuurden, moeten overschakelen naar {"type": "enabled"} en reasoning_effort moeten instellen op "low".
2. reasoning_effort beperkt zich tot drie niveaus: low (licht) / high (verhoogd) / max (diep, de standaard). De compatibiliteitsmapping met 7 waarden uit de GLM-5.2-periode geldt niet meer; Z.ai raadt max aan voor coderingstaken.

Geverifieerd: het sturen van thinking: {"type": "disabled"} via AIHubMix geeft 200, en het denken vindt nog steeds plaats (reasoning_content wordt gewoon teruggestuurd). De waarde wordt automatisch omgezet volgens de officiële semantiek van het kanaal en niet geweigerd. Als je client erop vertrouwde dat "denken uitzetten tokens bespaart", schakel dan over naar reasoning_effort: "low".

Geverifieerd: waarden buiten de enum voor reasoning_effort geven ook 200 zonder fout (terugvallend op de standaard max volgens de officiële documentatie). low versus max laat de verwachte trend van lichter denken zien (27 versus 39 redeneertokens bij dezelfde rekenvraag).

Chat Completions

De inhoud van het denken wordt teruggegeven in het veld reasoning_content; bij streaming komt die aan als delta.reasoning_content.

from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key="<AIHUBMIX_API_KEY>",
)

completion = client.chat.completions.create(
    model="coding-glm-5.3",
    reasoning_effort="max",          # low / high / max, default max
    extra_body={"thinking": {"type": "enabled"}},
    messages=[
        {"role": "user", "content": "Compute the square root of (17*23-19*11), rounded down. Digits only."}
    ],
)

print(completion.choices[0].message.reasoning_content)
print(completion.choices[0].message.content)   # Observed: "13"

Geverifieerd: usage.completion_tokens_details.reasoning_tokens geeft het gebruik voor denken aan: 27 met reasoning_effort="low" en 39 met "max" bij dezelfde vraag.

Responses

De inhoud van het denken komt terug als een reasoning-outputitem, waarbij de tekst in de summary-array staat als summary_text.

from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key="<AIHUBMIX_API_KEY>",
)

response = client.responses.create(
    model="coding-glm-5.3",
    input="What is the capital of France? City name only.",
)

# Observed response.output item types: ["reasoning", "message"]
# reasoning item: {"type": "reasoning", "summary": [{"type": "summary_text", "text": "The user is asking..."}]}
# usage.output_tokens_details.reasoning_tokens: 80

Geverifieerd: het standaardverzoek (zonder enige reasoning-parameter) bevat al het reasoning-item met summary_text. Er is geen expliciete opt-in nodig.

Messages

De inhoud van het denken wordt teruggegeven als native thinking-contentblokken.

from anthropic import Anthropic

client = Anthropic(
    api_key="<AIHUBMIX_API_KEY>",
    base_url="https://aihubmix.com"
)

response = client.messages.create(
    model="coding-glm-5.3",
    max_tokens=4096,
    messages=[
        {"role": "user", "content": "What is the capital of France? City name only."}
    ],
)

# Observed response.content block types: ["thinking", "text"]

Geverifieerd: thinking-blokken worden standaard teruggegeven. thinking: {"type": "disabled"} geeft op deze API eveneens 200, waarbij het denken gewoon doorgaat. Dit is consistent met de officiële semantiek "disabled wordt omgezet naar low, het verzoek gaat door".

3. Toolaanroepen en parallelle tools

Functieaanroepen werken geverifieerd op alle drie de API's. Op de Responses-API zagen we ook parallelle toolaanroepen binnen één beurt (Z.ai verklaart expliciet supports_parallel_tool_calls: true voor GLM-5.3). Bovengrenzen van de upstream: tot 128 functies in tools; tool_choice ondersteunt van nature alleen auto.

Chat Completions

completion = client.chat.completions.create(
    model="coding-glm-5.3",
    messages=[{"role": "user", "content": "What's the weather in Beijing today?"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get weather for a city",
            "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
        },
    }],
)

# Observed: finish_reason "tool_calls", with a get_weather call in tool_calls

Geverifieerd: tool_choice: "none" werkt. Dezelfde weervraag geeft gewone tekst terug zonder toolaanroep.

Responses

response = client.responses.create(
    model="coding-glm-5.3",
    input="Check today's weather in Shanghai and Beijing",
    parallel_tool_calls=True,
    tools=[{
        "type": "function",
        "name": "get_weather",
        "description": "Get weather for a city",
        "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
)

# Observed: a single turn returns 2 parallel function_call output items (one for each city)

Geverifieerd: 2 parallelle toolaanroepen binnen één beurt, in lijn met de officiële verklaring supports_parallel_tool_calls: true.

Messages

response = client.messages.create(
    model="coding-glm-5.3",
    max_tokens=4096,
    tools=[{
        "name": "get_weather",
        "description": "Get weather for a city",
        "input_schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
    messages=[{"role": "user", "content": "What's the weather in Beijing today?"}],
)

# Observed: stop_reason "tool_use"; content contains a tool_use block

❗ Geverifieerd: op deze API produceert het model nog steeds toolaanroepen na tool_choice: {"type": "none"}. Om tools uit te schakelen, verwijder je de tools-parameter volledig, of gebruik je in plaats daarvan tool_choice: "none" op de Chat Completions-API.

4. Gestructureerde output

response_format ondersteunt text en json_object. De upstream vermeldt geen json_schema-modus. Als je strikte schema-conformiteit nodig hebt, neem je het JSON-schema op in de prompt en valideer je aan de clientzijde.

Chat Completions

completion = client.chat.completions.create(
    model="coding-glm-5.3",
    messages=[
        {"role": "user", "content": "What is the capital of France? Answer in JSON with the key \"answer\"."}
    ],
    response_format={"type": "json_object"},
)

# Observed response content: {"answer": "Paris"}

Geverifieerd: de output is geldige JSON met de gevraagde sleutel.

Responses

response = client.responses.create(
    model="coding-glm-5.3",
    input="What is the capital of France? Answer in JSON with the key \"answer\".",
    text={"format": {"type": "json_object"}},
)

# Observed output text: {"answer": "Paris"}

Messages

# Specify the JSON structure in the prompt; observed output is valid JSON
response = client.messages.create(
    model="coding-glm-5.3",
    max_tokens=4096,
    messages=[
        {"role": "user", "content": "What is the capital of France? Answer in JSON with the key \"answer\"."}
    ],
)

# Observed response text: {"answer": "Paris"}

5. Contextcaching is automatisch

Impliciete caching staat standaard aan en er hoeven geen parameters te worden meegegeven. Herhaalde lange prefixen melden cachetreffers in het gebruik (de veldnaam verschilt per API).

Chat Completions

# usage of the second call with an identical long prefix
"prompt_tokens_details": {"cached_tokens": 960}

Geverifieerd: de tweede van twee directe opeenvolgende aanroepen raakte 960 gecachte tokens.

Responses

# usage of the second call with an identical long prefix
"input_tokens_details": {"cached_tokens": 960}

Messages

# hits are reported via usage.cache_read_input_tokens
"cache_read_input_tokens": 0

Geverifieerd: we konden in deze ronde geen cachetreffer op deze API reproduceren. Caches worden per kanaal opgewarmd, en een wisseling door de load balancer kan een misser veroorzaken. De boekhouding van treffers volgt de semantiek van Anthropic.

6. Sampling en validatie van parameters

Sampling volgt de endpointconventies van de GLM-familie: het bereik van temperature is [0, 1] met standaard 1.0 (let op: smaller dan het bereik [0, 2] van het OpenAI-protocol). top_p heeft het bereik [0,01, 1] met standaard 0,95. Z.ai raadt aan slechts één van de twee af te stemmen.

Geverifieerd: de validatie van parameters verschilt per API. De Messages-API weigert een temperature: 3 buiten het bereik met een 400 die het geldige bereik [0,1] vermeldt, terwijl Chat Completions en Responses dezelfde waarde buiten het bereik stilzwijgend accepteren met 200. Bij migratie tussen API's mag je er niet op vertrouwen dat de gateway samplingwaarden buiten het bereik voor je opvangt.

# Messages API with temperature=3 -> HTTP 400
"temperature parameter invalid: value must be within [0,1]"

7. Matrix van capaciteit × API-ondersteuning

Elke cel hieronder is geverifieerd met echte aanroepen via de live AIHubMix-API's op 14-08-2026. De cellen tonen de spelling van de parameter of het veld voor elke API.

Veelgestelde vragen

Wat is de GLM-5.3-model-ID op AIHubMix? Heb ik het achtervoegsel [1m] nodig?
De model-ID is coding-glm-5.3. Gebruik deze zoals hij is. glm-5.3[1m] is de modelnaamsyntaxis van Z.ai voor de Claude Code-client en heeft niets te maken met AIHubMix-aanroepen. Geen van de drie API's heeft een achtervoegsel nodig.

Kan ik het denken uitschakelen?
Nee. Denken in GLM-5.3 staat altijd aan en thinking.type ondersteunt alleen enabled. In onze tests geeft het sturen van disabled 200, en het denken gaat gewoon door (omgezet naar het niveau low volgens de officiële semantiek). Om tokens voor denken te besparen, stuur je reasoning_effort: "low".

Hoe verhoudt GLM-5.3 zich tot GLM-5.2?
Hetzelfde basismodel. Alle verbeteringen komen uit post-training (officiële formulering: "It uses the same base model as GLM-5.2 — every gain comes from post-training"). Er zijn twee harde API-wijzigingen: denken kan niet meer worden uitgeschakeld, en reasoning_effort beperkt zich tot drie niveaus low/high/max (standaard max).

Wat als ik strikte gestructureerde output met json_schema nodig heb?
De upstream vermeldt geen response_format: json_schema-modus. In onze tests gaf de json_object-JSON-modus op alle drie de API's geldige JSON. Voor strikte schema's neem je het JSON-schema op in de prompt en valideer je aan de clientzijde.

Is coding-glm-5.3 de productieversie?
Het is momenteel een tijdelijke preview-route met beperkte beschikbaarheid (de modeldocumentatie van Z.ai markeert de officiële API als "coming soon"); AIHubMix zal dit opvolgen zodra de commerciële API beschikbaar is. Zie de modelpagina voor actuele prijzen en status.

Voor prijzen en realtime status, zie de GLM-5.3-modelpagina; voor meer modellen, bezoek de modelgalerij.