GLM 5.3 nutzen: Playground, API-Schlüssel und Anfragen

GLM 5.3 verwendet in Anfragen die Modell-ID glm-5.3 und führt vor jeder Antwort Reasoning aus. Die dokumentierten Aufwandsstufen sind low, high und max; low schaltet Reasoning nicht aus. Diese Details sind wichtig, bevor du eine Anfrage aus einem älteren GLM-Tutorial kopierst.^[1]

Für den hier beschriebenen Weg gilt: SeedRouter ist der vorgesehene Dienstanbieter. reAPI stellt keine Inferenz für GLM 5.3 bereit. Du kannst dir die Modellübersicht zu GLM 5.3 auf reAPI ansehen und anschließend die Verfügbarkeit auf SeedRouter prüfen. Dieser Leitfaden erklärt, wie du eine Textanfrage vorbereitest, den richtigen Zugangsschlüssel wählst und eine Antwort prüfst, sobald das Modell für dein Konto verfügbar ist.

Das Wichtigste

• Achte auf das genaue Modell: glm-5.3 ist das hier behandelte Flaggschiff. Ein Beispiel für Flash oder FlashX beschreibt ein anderes Modell.^[1]
• Öffne die Seite für GLM 5.3 auf SeedRouter und prüfe den Zugang für dein Konto.^[2]
• Bereite Texteingaben vor. Z.ai dokumentiert für GLM 5.3 einen Kontext von 1M Tokens und bis zu 128K Ausgabetokens bei stets aktiviertem Reasoning.^[1]
• Verwende reasoning_effort in Chat Completions. Lege ein ausdrückliches Ausgabebudget fest und lies nach der Anfrage den Abschlussgrund.^[3]
• Unterscheide zwischen einem Coding Plan und gewöhnlicher API-Nutzung. Die aktuellen Regeln zur Schlüsselverwaltung von Z.ai trennen deren Abrechnungstypen.^[4]

Wo du GLM 5.3 verwenden kannst

Beginne mit dem Dienst, den du nutzen möchtest, und bestätige dann, dass er genau dieses Modell aufführt. Der Modellleitfaden von Z.ai dokumentiert das Flaggschiff und die offiziellen Zugangsmöglichkeiten. Diese reAPI-Seite verweist auf SeedRouter mit eigener Kontoverwaltung und Dienstoberfläche. Eine Modellbeschreibung auf reAPI schafft dafür keinen aufrufbaren reAPI-Endpunkt.

Verwende für diesen Ablauf die Modellseite für GLM 5.3 auf SeedRouter. Bestätige, dass der Anfrageeditor die Modell-ID glm-5.3 verwendet; ersetze sie nicht stillschweigend durch glm-5.3-flash. Wenn kein Zugang besteht, komme wieder, sobald der vorgesehene Dienst bereitsteht, statt einen anderen Endpunkt zu erraten.

Sobald ein Modelleintrag vorhanden ist, öffne dessen Playground und die aktuelle Dokumentation. Vergleiche den Modellnamen im Formular mit dem Modellfeld in der Anfragevorschau. Prüfe vor dem Absenden die aktuellen Nutzungspreise des Dienstes, insbesondere wenn die erste Aufgabe eine große Quelldatei oder eine lange gewünschte Antwort umfasst.

Dieser Leitfaden behandelt die gehostete Nutzung. Modellgewichte herunterzuladen und einen Inferenzserver zu betreiben ist ein eigener Ablauf. Hardwareanforderungen für eine kleinere GLM-Variante belegen nicht die Anforderungen dieses Flaggschiffs.

Schlüssel, Dienst und Endpunkt gehören zusammen

Verwende für Anfragen an SeedRouter einen von SeedRouter ausgestellten Zugangsschlüssel. Die öffentliche Navigation enthält einen Eintrag API Keys; dafür kann Kontozugang erforderlich sein. Ein reAPI-Schlüssel gehört zu einem anderen Dienst. Füge ihn nicht in eine Anfrage an einen anderen Anbieter ein, nur weil beide ein Feld namens model akzeptieren.

Halte vor der Einrichtung eines Clients diese Angaben gemeinsam fest:

Eine URL ist Teil der Integration und keine kosmetische Einstellung. Wenn du ein Herstellerbeispiel kopierst und nur den Schlüssel änderst, zeigt die Anfrage weiterhin auf den ursprünglichen Host. Umgekehrt wird der ursprüngliche Schlüssel durch eine Änderung des Hosts nicht zu einem SeedRouter-Zugangsschlüssel. Lege beides bewusst fest und halte den Schlüssel aus Prompts und geteilten Beispielen heraus.

Z.ai unterscheidet außerdem zwischen Standard API-Schlüsseln und Coding Plan-Schlüsseln. Bei Schlüsseln, die ab dem 16. Oktober 2026 erstellt wurden, bestimmt der Schlüsseltyp die Abrechnung über unterstützte Endpunkte hinweg; ein anderer Endpunkt ändert diesen Typ nicht. Für ältere Compatible-Schlüssel gelten separate Regeln. Gehe nicht davon aus, dass dieses Herstellerabonnement Anfragen bei einem anderen Dienst finanziert.^[4]

Eine kleine Anfrage für GLM 5.3 vorbereiten

Wähle eine Aufgabe, deren Antwort du überprüfen kannst. Gib zum Beispiel eine kurze Funktion an und bitte um eine konkrete Korrektur, oder lass dir ein Verhalten erklären, das du bereits verstehst. Wenn du mit einem ganzen Repository beginnst, lässt sich schwerer erkennen, ob ein Problem am Zugang, am Aufbau der Anfrage oder an der Aufgabe selbst liegt.

Hier ist eine Vorlage für den Anfragebody von Chat Completions, die auf den offiziellen Modell- und Chat-Referenzen beruht. Sie sendet von sich aus nichts:^[1][3]

{
  "model": "glm-5.3",
  "messages": [
    {
      "role": "user",
      "content": "Explain an idempotency key using one short example."
    }
  ],
  "thinking": { "type": "enabled" },
  "reasoning_effort": "low",
  "max_tokens": 2048,
  "stream": false
}

Das Ausgabebudget 2048 ist ein Beispielwert, kein Modellstandard und keine Zusage, dass jede Aufgabe innerhalb dieser Grenze abgeschlossen wird. Reasoning und Antwort brauchen Platz im Ausgabebudget. Wenn das Ergebnis am Limit abbricht, prüfe zunächst den Ablauf, bevor du das Budget änderst oder die Aufgabe verkürzt.

Die Modell-ID von GLM 5.3 enthält einen Punkt. glm-5-3 ist der Website-Slug, während glm-5.3 die Kennung in Anfragen ist. Übernimm beim Wechsel vom Browserformular zum Code die Schreibweise aus der tatsächlichen Dokumentation des Dienstes.

Lass bei einer ersten Anfrage Tools und Einstellungen für strukturierte Ausgaben weg, sofern du nicht genau diese Funktion untersuchst. Das erleichtert die Diagnose und schränkt die dokumentierten Fähigkeiten des Modells nicht ein. Sobald der grundlegende Textaustausch funktioniert, ändere einen Teil der Aufgabe und vergleiche das Ergebnis.

Reasoning- und Protokollfelder bewusst wählen

GLM 5.3 hat keinen dokumentierten Modus mit ausgeschaltetem Reasoning. Für die Migration einer Anwendung, die Reasoning zuvor deaktiviert hat, weist Z.ai an, thinking.type: "disabled" durch enabled zu ersetzen und reasoning_effort: "low" zu verwenden. Der standardmäßige Aufwand ist max.^[1]

Nutze low als Ausgangspunkt für das kleine Beispiel oben. Für komplexe Programmieraufgaben empfiehlt Z.ai max. Diese Empfehlung belegt für deine eigene Arbeitslast weder eine bestimmte Latenz noch Kosteneinsparungen oder Erfolgsquoten. Vergleiche die Antworten anhand derselben Akzeptanzkriterien, bevor du den Standard einer Anwendung änderst.

Die drei Protokollfamilien verwenden keine identischen Anfragebodys. Die offizielle Dokumentation beschreibt Chat Completions, Responses und Messages. Eine dokumentierte Unterstützung durch den Hersteller belegt jedoch nicht die aktuelle Verfügbarkeit bei einem anderen Dienst.^[1]

Die Feldnamen für Responses stammen aus dem Herstellerschema. Wähle das von deinem Client und Dienst unterstützte Format und verwende es in der gesamten Anfrage. Allein das Umbenennen von messages wandelt nicht jede Chat-Option in eine Responses-Option um.^[5]

Auch die Sampling-Einstellungen solltest du gesondert prüfen. Die Chat-Referenz dokumentiert Temperatur und Top-p, doch do_sample: false macht diese Sampling-Einstellungen unwirksam. Ein sichtbares Bedienelement oder ein akzeptiertes JSON-Feld beweist für sich allein nicht, dass dessen Änderung die Ausgabe beeinflusst hat.^[3]

Ergebnis lesen, bevor du die Aufgabe erweiterst

Prüfe nach Abschluss einer Anfrage die Antwort und die umgebenden Antwortdaten. Bei Chat Completions gehören das zurückgegebene Modell, choices, der Abschlussgrund und usage zu den nützlichen Prüfstellen. Die dokumentierten Tokenfelder umfassen prompt_tokens, completion_tokens, total_tokens und verschachtelte Angaben zur Nutzung zwischengespeicherter Eingaben.^[3]

Der Abschlussgrund length bedeutet, dass das Ausgabelimit erreicht wurde. Ein Ergebnis mit Tool-Aufruf benötigt den Tool-Ablauf der Anwendung; es ist nicht automatisch eine gewöhnliche Textantwort. Wenn du eine Codekorrektur angefordert hast, führe die relevanten Tests aus, bevor du den Patch übernimmst. Ein erfolgreicher HTTP-Status allein zeigt nicht, ob die Antwort deine Anforderungen erfüllt.

Unterscheide beim Streaming zwischen Antworttext, Reasoning-Fragmenten und Fragmenten von Tool-Aufrufen. Die offiziellen Modellbeispiele geben reasoning_content getrennt von content aus. Ein Client, der nur Antworttext liest, kann still wirken, während Reasoning zurückgegeben wird. Das ist eine andere Beobachtung als eine fehlgeschlagene Verbindung oder eine bereits beendete Antwort.^[1]

Halte kurz fest, welche Anfrageeinstellungen du verwendet hast, welcher Abschlussgrund zurückkam und ob die Aufgabe deine Prüfungen bestanden hat. Diese Aufzeichnung bietet eine Grundlage, um eine andere Aufwandsstufe auszuprobieren. Sie verhindert auch, dass eine schnelle, aber unvollständige Antwort allein wegen der kürzeren Wartezeit zu deiner bevorzugten Konfiguration wird.

Lies bei Zugriffsproblemen zuerst die tatsächliche Fehlermeldung des Dienstes. Bestätige Host, Schlüsselaussteller und genaues Modell, bevor du Generierungsparameter änderst. Wenn der Modellzugang nicht verfügbar ist, folge den aktuellen Dienstanweisungen von SeedRouter; zusätzliche Schlüssel oder wiederholte spekulative Anfragen belegen keinen Zugang.

FAQ

Wo kann ich GLM 5.3 verwenden?

Z.ai veröffentlicht eine offizielle Zugangsdokumentation. Für den hier beschriebenen Weg über SeedRouter öffnest du die Modellseite für GLM 5.3 und prüfst den Zugang für dein Konto. reAPI stellt für dieses Modell keine Inferenz bereit.

Wie bekomme ich einen API-Schlüssel für GLM 5.3?

Erstelle den Schlüssel bei dem Dienst, an den du deine Anfrage senden wirst. Nutze für SeedRouter den Eintrag API Keys, nachdem du auf dein Konto zugegriffen hast. Verwende diesen Schlüssel zusammen mit dem dokumentierten Endpunkt von SeedRouter. Folge für den direkten Zugang zu Z.ai dessen separatem Leitfaden zur Schlüsselverwaltung.^[4]

Ist GLM 5.3 kostenlos?

Leite aus dem Modellnamen, einer kostenlosen Schlüsselerstellung oder einem Flash-Tutorial kein kostenloses Kontingent ab. Prüfe vor einer Anfrage die aktuellen Abrechnungsbedingungen des gewählten Dienstes und den Eintrag für das genaue Modell. Dieser Leitfaden verspricht keine kostenlose SeedRouter-Nutzung und nennt keinen ungeprüften Preis.

Kann ich Reasoning bei GLM 5.3 deaktivieren?

Laut der modellspezifischen Dokumentation nicht. Reasoning bleibt bei allen drei Aufwandsstufen aktiviert. Verwende bei Bedarf low für geringeren Aufwand; kopiere keine Einstellung zum Abschalten des Reasonings von GLM-5.2.^[1]

Kann GLM 5.3 Bilder lesen?

Das hier dokumentierte Flaggschiff akzeptiert ausschließlich Texteingaben. Leite keine Bildunterstützung aus einem generischen kompatiblen Endpunkt oder aus GLM-5.3-Flash ab. Stelle die Informationen für diesen Ablauf als Text bereit.^[1]

Beweist eine akzeptierte Anfrage, dass jeder Parameter funktioniert hat?

Nein. Die Annahme belegt, dass der Dienst diese Anfrage akzeptiert hat. Um einen Parameter zu bewerten, vergleiche das relevante Verhalten mit kontrollierten Eingaben. Dieser Leitfaden dokumentiert die Vorbereitung und durch Quellen belegte Felder; er behauptet keine Live-Verifizierung der Parameter auf SeedRouter.

Vor dem ersten Aufruf die Verfügbarkeit prüfen

Halte die erste Aufgabe klein, verwende die genaue Modell-ID und prüfe die abgeschlossene Antwort. Die Übersicht zu GLM 5.3 liefert den Modellkontext; GLM 5.3 auf SeedRouter ist der nächste Schritt zum Dienstzugang. Folge vor dem Absenden den aktuellen Anweisungen dort.

Quellen

1. Z.ai. Modellleitfaden zu GLM-5.3. Abgerufen am 29. Oktober 2026 unter docs.z.ai/guides/llm/glm-5.3.
2. SeedRouter. Modellseite für GLM 5.3. Am 29. Oktober 2026 festgelegtes Dienstziel: seedrouter.ai/models/glm-5-3. Die Live-Ausführung des Modells wurde für diesen Leitfaden nicht getestet.
3. Z.ai. API-Referenz zu Chat Completion. Abgerufen am 29. Oktober 2026 unter docs.z.ai/api-reference/llm/chat-completion.
4. Z.ai. Leitfaden zur API-Schlüsselverwaltung. Aktualisiert am 16. Oktober, abgerufen am 29. Oktober 2026 unter docs.z.ai/devpack/notice/api-key-management.
5. Zhipu AI. OpenAPI-Schema für Responses. Abgerufen am 29. Oktober 2026 unter docs.bigmodel.cn/openapi/openapi-responses.json.