GLM-5.3 實用指南：持續思考、三個努力層級及 API 支援矩陣

標題：GLM-5.3 實用指南：持續思考、三個努力層級及 API 支援矩陣

描述：2026 年 8 月的 GLM-5.3 指南：持續思考，三個推理努力層級、推理摘要、平行工具調用、結構化輸出和自動快取 — 包含經過驗證的 AIHubMix 聊天 / 回應 / 消息範例。

本文涵蓋了 GLM-5.3 的主要 API 變更和使用注意事項。GLM-5.3 是 Z.ai 於 2026 年 8 月 14 日發布的旗艦模型 — 它使用與 GLM-5.2 完全相同的基礎模型，所有增益均來自後期訓練。在 AIHubMix 上，模型 ID 為 coding-glm-5.3（目前為限時預覽路徑），可通過聊天完成、回應和 Claude 兼容的消息 API 獲得。另請參見：官方 Z.ai 發布博客。

每個部分中的「經過驗證」結論和範例回應來自於 2026 年 8 月 14 日通過 AIHubMix API（聊天完成 / 回應 / 消息）進行的實際調用。

1. 模型規格概覽

經過驗證：max_tokens: 999999 返回 400，錯誤主體中明確列出了有效範圍 — 上限確實經過驗證，而不是靜默截斷。

# max_tokens=999999 -> HTTP 400
"max_tokens 參數無效：值必須在 [1,131072] 之內"

2. GLM-5.3 與 GLM-5.2：持續思考，透過 reasoning_effort 的強度

這是 GLM-5.3 相對於 GLM-5.2 的兩個最重要的 API 變更：

1. thinking.type 不再支持 disabled — 思考無法關閉。官方遷移建議：曾經發送 {"type": "disabled"} 的應用應切換為 {"type": "enabled"} 並將 reasoning_effort 設置為 "low"。
2. reasoning_effort 縮小為三個層級：low（輕） / high（增強） / max（深度，預設）。GLM-5.2 時期的 7 值兼容映射不再適用；Z.ai 建議在編碼任務中使用 max。

經過驗證：通過 AIHubMix 發送 thinking: {"type": "disabled"} 返回 200，思考 仍然發生（reasoning_content 照常返回） — 該值根據官方通道語義自動轉換，而不是被拒絕。如果您的客戶端依賴於「關閉思考以節省代幣」，請切換為 reasoning_effort: "low"。

經過驗證：reasoning_effort 的超出枚舉值也返回 200 而不會出錯（根據官方文檔回退到預設 max）；low 與 max 顯示出預期的輕思考趨勢（在同一算術問題上，27 與 39 的推理代幣）。

聊天完成

思考內容在 reasoning_content 字段中返回；在流式傳輸中，它作為 delta.reasoning_content 到達。

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": "計算 (17*23-19*11) 的平方根，向下取整。僅顯示數字。"}
    ],
)

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

經過驗證：usage.completion_tokens_details.reasoning_tokens 報告思考使用情況 — 在同一問題上，reasoning_effort="low" 為 27，"max" 為 39。

回應

思考內容作為 reasoning 輸出項返回，文本位於 summary 陣列中的 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="法國的首都在哪裡？僅顯示城市名稱。",
)

# 觀察到的 response.output 項目類型：["reasoning", "message"]
# reasoning 項目：{"type": "reasoning", "summary": [{"type": "summary_text", "text": "用戶在詢問..."}]}
# usage.output_tokens_details.reasoning_tokens: 80

經過驗證：默認請求（根本沒有 reasoning 參數）已經包含了 reasoning 項目和 summary_text — 無需明確選擇加入。

消息

思考內容作為原生 thinking 內容塊返回。

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": "法國的首都在哪裡？僅顯示城市名稱。"}
    ],
)

# 觀察到的 response.content 塊類型：["thinking", "text"]

經過驗證：思考塊默認返回；在此 API 上 thinking: {"type": "disabled"} 同樣返回 200，思考仍然發生（與官方「禁用轉換為低，請求繼續」的通道語義一致）。

3. 工具調用和平行工具

功能調用在所有三個 API 上均已驗證可用；在回應 API 上，我們還觀察到在單次回合內的平行工具調用（Z.ai 明確聲明 GLM-5.3 supports_parallel_tool_calls: true）。上游限制：最多 128 個功能在 tools 中；tool_choice 原生僅支持 auto。

聊天完成

completion = client.chat.completions.create(
    model="coding-glm-5.3",
    messages=[{"role": "user", "content": "今天北京的天氣怎麼樣？"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "獲取城市的天氣",
            "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
        },
    }],
)

# 觀察到：finish_reason "tool_calls"，在 tool_calls 中有一個 get_weather 調用

經過驗證：tool_choice: "none" 可用 — 同樣的天氣問題返回純文本，沒有工具調用。

回應

response = client.responses.create(
    model="coding-glm-5.3",
    input="檢查今天上海和北京的天氣",
    parallel_tool_calls=True,
    tools=[{
        "type": "function",
        "name": "get_weather",
        "description": "獲取城市的天氣",
        "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
)

# 觀察到：單次回合返回 2 個平行 function_call 輸出項（每個城市一個）

經過驗證：在一次回合中有 2 個平行工具調用，與官方 supports_parallel_tool_calls: true 聲明一致。

消息

response = client.messages.create(
    model="coding-glm-5.3",
    max_tokens=4096,
    tools=[{
        "name": "get_weather",
        "description": "獲取城市的天氣",
        "input_schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
    messages=[{"role": "user", "content": "今天北京的天氣怎麼樣？"}],
)

# 觀察到：stop_reason "tool_use"；內容包含一個 tool_use 塊

❗ 經過驗證：在此 API 上，模型 仍然產生工具調用，即使在 tool_choice: {"type": "none"} 之後 — 若要禁用工具，請完全刪除 tools 參數，或在聊天完成 API 上使用 tool_choice: "none"。

4. 結構化輸出

response_format 支持 text 和 json_object；上游未列出 json_schema 模式。當您需要嚴格的模式符合性時，請在提示中嵌入 JSON Schema 並在客戶端進行驗證。

聊天完成

completion = client.chat.completions.create(
    model="coding-glm-5.3",
    messages=[
        {"role": "user", "content": "法國的首都在哪裡？以 JSON 格式回答，鍵為 \"answer\"。"}
    ],
    response_format={"type": "json_object"},
)

# 觀察到的回應內容：{"answer": "巴黎"}

經過驗證：輸出是有效的 JSON，包含請求的鍵。

回應

response = client.responses.create(
    model="coding-glm-5.3",
    input="法國的首都在哪裡？以 JSON 格式回答，鍵為 \"answer\"。",
    text={"format": {"type": "json_object"}},
)

# 觀察到的輸出文本：{"answer": "巴黎"}

消息

# 在提示中指定 JSON 結構；觀察到的輸出是有效的 JSON
response = client.messages.create(
    model="coding-glm-5.3",
    max_tokens=4096,
    messages=[
        {"role": "user", "content": "法國的首都在哪裡？以 JSON 格式回答，鍵為 \"answer\"。"}
    ],
)

# 觀察到的回應文本：{"answer": "巴黎"}

5. 上下文快取是自動的

隱式快取默認開啟，無需傳遞參數；重複的長前綴在使用中報告快取命中（字段名稱因 API 而異）。

聊天完成

# 使用相同的長前綴的第二次調用
"prompt_tokens_details": {"cached_tokens": 960}

經過驗證：兩次連續調用中的第二次命中 960 個快取代幣。

回應

# 使用相同的長前綴的第二次調用
"input_tokens_details": {"cached_tokens": 960}

消息

# 命中通過使用.cache_read_input_tokens 報告
"cache_read_input_tokens": 0

經過驗證：在這一輪中，我們未能在此 API 上重現快取命中（快取根據通道加熱；負載均衡器切換可能導致未命中）。命中會計字段遵循 Anthropic 語義。

6. 抽樣和參數驗證

抽樣遵循 GLM 家族端點約定：temperature 範圍 [0, 1]，預設為 1.0（注意 — 比 OpenAI 協議的 [0, 2] 更窄）；top_p 範圍 [0.01, 1]，預設為 0.95。Z.ai 建議僅調整兩者中的一個。

經過驗證：參數驗證在不同 API 之間有所不同 — 消息 API 拒絕超出範圍的 temperature: 3，返回 400 並明確列出有效範圍 [0,1]，而聊天完成 / 回應則靜默接受相同的超出範圍值並返回 200。在跨 API 遷移時，請勿依賴網關為您捕捉超出範圍的抽樣值。

# 消息 API 使用 temperature=3 -> HTTP 400
"temperature 參數無效：值必須在 [0,1] 之內"

7. 能力 × API 支援矩陣

以下每個單元格均通過 2026 年 8 月 14 日通過 AIHubMix 實時 API 的實際調用進行驗證；單元格顯示每個 API 的參數/字段拼寫。

常見問題

GLM-5.3 模型 ID 在 AIHubMix 是什麼？我需要 [1m] 後綴嗎？
模型 ID 是 coding-glm-5.3 — 按原樣使用。glm-5.3[1m] 是 Z.ai 的模型名稱語法，用於 Claude Code 客戶端，與 AIHubMix 調用無關；三個 API 均不需要任何後綴。

我可以關閉思考嗎？
不可以。GLM-5.3 的思考始終開啟，thinking.type 只支持 enabled；在我們的測試中，發送 disabled 返回 200，思考仍然發生（根據官方語義轉換為 low 層級）。要節省思考代幣，請發送 reasoning_effort: "low"。

GLM-5.3 與 GLM-5.2 有什麼關係？
相同的基礎模型 — 所有增益來自後期訓練（官方措辭：「它使用與 GLM-5.2 相同的基礎模型 — 所有增益來自後期訓練」）。兩個重大 API 變更：思考不再可以禁用，reasoning_effort 縮小為三個層級 low/high/max（預設 max）。

如果我需要嚴格的 json_schema 結構化輸出怎麼辦？
上游未列出 response_format: json_schema 模式。在我們的測試中，json_object JSON 模式在所有三個 API 上均產生有效的 JSON；對於嚴格的模式，請在提示中嵌入 JSON Schema 並在客戶端進行驗證。

coding-glm-5.3 是生產版本嗎？
目前是限時預覽路徑（Z.ai 的模型 API 文檔標記官方 API 為「即將推出」）；AIHubMix 將在商業 API 上線後跟進。請參閱模型頁面以獲取當前定價和狀態。

有關定價和實時狀態，請參見 GLM-5.3 模型頁面；有關更多模型，請訪問 模型畫廊。