GLM 全模型接口 - Responses 完整参数

curl --request POST \
  --url https://direct.evolink.ai/v1/responses \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "glm-5.3-flash",
  "input": "请用一句话介绍你自己。",
  "max_output_tokens": 1024,
  "reasoning": {
    "effort": "low"
  }
}
'

{
  "id": "response_demo",
  "object": "response",
  "created_at": 1789971757,
  "model": "glm-5.3-flash",
  "status": "completed",
  "output": [
    {
      "type": "message",
      "id": "message_demo",
      "status": "completed",
      "role": "assistant",
      "content": [
        {
          "type": "output_text",
          "text": "你好，我是 GLM，可以帮你完成对话、写作和代码任务。",
          "annotations": []
        }
      ]
    }
  ],
  "usage": {
    "input_tokens": 17,
    "output_tokens": 24,
    "total_tokens": 41,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens_details": {
      "reasoning_tokens": 0
    }
  },
  "error": null
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

POST

responses

curl --request POST \
  --url https://direct.evolink.ai/v1/responses \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "glm-5.3-flash",
  "input": "请用一句话介绍你自己。",
  "max_output_tokens": 1024,
  "reasoning": {
    "effort": "low"
  }
}
'

{
  "id": "response_demo",
  "object": "response",
  "created_at": 1789971757,
  "model": "glm-5.3-flash",
  "status": "completed",
  "output": [
    {
      "type": "message",
      "id": "message_demo",
      "status": "completed",
      "role": "assistant",
      "content": [
        {
          "type": "output_text",
          "text": "你好，我是 GLM，可以帮你完成对话、写作和代码任务。",
          "annotations": []
        }
      ]
    }
  ],
  "usage": {
    "input_tokens": 17,
    "output_tokens": 24,
    "total_tokens": 41,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens_details": {
      "reasoning_tokens": 0
    }
  },
  "error": null
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

{
  "error": {
    "message": "<string>",
    "type": "<string>",
    "param": "<string>",
    "code": "<string>"
  }
}

BaseURL 说明：默认 BaseURL 为 https://direct.evolink.ai，对文本模型支持更好，支持长连接；https://api.evolink.ai 为备用地址。

通过 Responses 接口调用 GLM 系列模型，支持文本对话、流式输出、函数调用，以及按型号提供的图像理解和联网搜索能力。

模型与参数差异

模型	输入能力	思考档位
`glm-5.3`	文本	`low` / `high` / `max`，兼容规则见下表
`glm-5.3-flash`	文本、图像	同 `glm-5.3`
`glm-5.3-flashx`	文本、图像	同 `glm-5.3`
`glm-5.2`	文本	不适用 5.3 系列的兼容规则

四个型号均可通过在 input 中携带历史消息实现多轮对话。通过 reasoning.effort 设置推理强度，不要用顶层 reasoning_effort 或 thinking 替代。glm-5.3、glm-5.3-flash 与 glm-5.3-flashx 按以下规则处理：

传入值	实际思考档位
`low` / `high` / `max`	保持对应档位
`xhigh`	`max`
`medium`	`high`
`minimal` / `none`	`low`，仍会思考

未识别的值保持原值，不提供兼容映射；请使用表中列出的值。

5.3 系列无法关闭思考。 minimal 与 none 按 low 处理，仍会产生思考 token，并按输出计费。glm-5.2 传入 none 仍可能产生推理 token，不能通过该值确保关闭思考。所有型号的推理 token 都包含在输出用量中。

系统提示词与多轮对话

系统提示词推荐放在 input 数组的 role="system" 消息中。glm-5.3-flash 的顶层 instructions 可用于字符串输入；使用消息数组时，请改用系统消息。

{
  "model": "glm-5.3-flash",
  "input": [
    {"role": "system", "content": "请用简洁的中文回答。"},
    {"role": "user", "content": "记住暗号是 RED-583。"},
    {"role": "assistant", "content": "已记住。"},
    {"role": "user", "content": "暗号是什么？只回复暗号。"}
  ],
  "reasoning": {"effort": "low"},
  "max_output_tokens": 1024
}

glm-5.3-flash 与 glm-5.3-flashx 支持通过响应 ID 续聊：首轮传 store=true，次轮把返回的顶层 id 原样填入 previous_response_id，保持相同模型并传入新问题。它不是 output 中某一项的 ID。

glm-5.2 不支持通过响应 ID 续聊。 传入 previous_response_id 会返回 400，设置 store=true 不会开启此能力。需要跨型号使用时，省略 previous_response_id，每轮携带完整历史。

流式响应

设置 stream=true 后，按 SSE 事件逐条处理：

事件	处理方式
`response.created` / `response.in_progress`	本轮开始
`response.output_text.delta`	将 `delta` 追加到正文
`response.reasoning_text.delta` / `response.reasoning_summary_text.delta`	推理相关内容，和正文分开处理；客户端应兼容这两种事件形式
`response.output_item.done`	收集完整输出项，例如 `function_call`
`response.completed`	本轮生成完成；读取 `response.output` 与 `response.usage`
`response.incomplete` / `response.failed` / `error`	处理截断或错误，结束本轮

收到终态事件后即可结束读取，不要只等连接关闭或 Chat Completions 风格的 [DONE]。HTTP 200 只表示流已建立，还要检查事件中的最终状态。工具调用轮次可能以 response.completed 结束，但仍需客户端执行函数并发起下一轮。

函数调用

在请求示例中选择“客户端函数调用”查看完整请求。Responses 的函数定义是平铺结构：

{
  "type": "function",
  "name": "get_temperature",
  "description": "返回指定城市温度",
  "parameters": {
    "type": "object",
    "properties": {"city": {"type": "string"}},
    "required": ["city"],
    "additionalProperties": false
  }
}

遍历 response.output，找出所有 type="function_call" 项。
解析并校验 arguments JSON 字符串，再由你的程序执行对应函数。
将上一轮完整 output 追加到历史，再为每个调用追加 function_call_output，使用原始 call_id 与字符串形式的 output。
把更新后的历史作为下一轮 input，继续请求。请求示例中的“回传函数执行结果”展示了这一结构。

parallel_tool_calls=false 不能确保每轮只调用一个函数。 客户端应处理本轮返回的全部函数调用，并在执行前校验参数。

图像、搜索与 JSON 输出

图像理解：仅 glm-5.3-flash 与 glm-5.3-flashx 支持。在用户消息的 content 中混排 input_text 与 input_image，通过 image_url 传入图片公网 URL 或 Base64 Data URL。glm-5.3 和 glm-5.2 不支持图像输入，请使用纯文本。
联网搜索：声明 tools: [{"type":"web_search"}]。搜索由服务端执行，结果通过 web_search_call 和正文返回；是否调用搜索以实际输出项为准。实际搜索除 token 外可能产生按次费用，以模型定价为准。
JSON 输出：使用 text.format.type="json_object"，在提示词中明确要求合法 JSON，并在客户端解析、校验。本接口暂不提供严格 JSON Schema 约束，不能依赖 json_schema 或 strict=true 确保输出符合指定结构。

搜索后续聊时，将上一轮完整 output（包括 web_search_call 和 message）追加到 input，再加入新问题。保留输出项的原始 id、status、action 等字段。搜索已由服务端执行，无需为 web_search_call 构造 function_call_output。请求示例 web_search_history 展示了这一结构。

响应与用量

正文位于 output 中 type="message" 项的 content[type="output_text"].text。响应可能包含顶层 output_text；为兼容该字段缺失的情况，仍应遍历 output。推理可能位于 reasoning.content 或 reasoning.summary，不要把它拼入正文。

usage.input_tokens 包含缓存命中的输入；input_tokens_details.cached_tokens 是其中的子集。
usage.output_tokens 包含推理 token；output_tokens_details.reasoning_tokens 是其中的子集，可能为 0 或缺失。
前缀缓存自动生效，无需额外 cache_control，命中量以本次返回的 cached_tokens 为准。
status="incomplete" 且 incomplete_details.reason="max_output_tokens" 表示预算耗尽，可能只有推理、没有正文；请提高输出上限。

授权

Authorization

string

header

必填

在 Authorization 请求头中传入 Bearer YOUR_API_KEY。

请求体

application/json

model

enum<string>

默认值:glm-5.3-flash

必填

选择 GLM 模型。四个型号均支持本接口的文本调用。

模型 ID	输入能力	推理参数注意事项
`glm-5.3`	文本	实际思考档位为 `low` / `high` / `max`；支持兼容取值，见 `reasoning`；不能关闭思考
`glm-5.3-flash`	文本、图像	同上；图像使用 `input_image` 内容块
`glm-5.3-flashx`	文本、图像	同 `glm-5.3`；图像使用 `input_image` 内容块
`glm-5.2`	文本	传入 `none` 仍可能产生推理 token，不保证关闭思考

不同模型支持的能力有所不同，请查看对应型号的说明。

可用选项:

glm-5.3,

glm-5.3-flash,

glm-5.3-flashx,

glm-5.2

示例:

"glm-5.3-flash"

input

必填

必填。纯文本字符串，或 Responses 输入项数组。数组支持消息、回传的模型输出项与 function_call_output。多轮对话可在每次请求中携带完整历史；系统提示词推荐作为 role=system 消息放在数组首项。图片使用 input_image，仅 glm-5.3-flash 与 glm-5.3-flashx 支持。不要使用 Chat Completions 的 messages / image_url 内容块格式。

示例:

"请用一句话介绍你自己。"

max_output_tokens

integer

本次生成的输出 token 上限，包含推理 token。建议从 1024 起按任务调整。过小可能在思考阶段耗尽预算，只返回 reasoning 项而没有正文；检查 status 和 incomplete_details。不要改写为 max_tokens。

必填范围: x >= 1

示例:

1024

stream

boolean

默认值:false

开启 SSE 流式返回。正文读取 response.output_text.delta 的 delta；成功终态为 response.completed。遇到 response.incomplete、response.failed 或 error 也应结束本轮并处理。不要只等待 [DONE] 或连接断开。

reasoning

object

Responses 使用嵌套 reasoning.effort，而非顶层 reasoning_effort 或 thinking。推理用量包含在 output_tokens 中；简单任务可能返回 reasoning_tokens=0，这不代表支持关闭思考。

Show child attributes

instructions

string

系统指令。glm-5.3-flash 可在 input 为字符串时使用此字段。input 为消息数组时，请将系统提示词放在数组首项的 role=system 消息中。

tools

object[]

支持客户端 function 工具和服务端 web_search。函数声明使用平铺的 name / description / parameters，不能嵌套成 Chat Completions 的 function 对象。function_call 需要由你的程序执行并回传结果；web_search 由服务端执行，实际搜索除 token 外可能产生按次费用，以模型定价为准。

Option 1
Option 2

Show child attributes

tool_choice

auto：由模型选择；none：不调用工具；required：要求调用工具；指定函数可传 {"type":"function","name":"get_temperature"}。并非所有模型与工具组合都保证支持相同的强制选择行为。

可用选项:

auto,

none,

required

示例:

"auto"

parallel_tool_calls

boolean

是否允许一轮调用多个工具。设置 false 不能确保每轮只返回一个函数调用，客户端应遍历并处理全部 function_call。

text

object

输出格式。示例提供 json_object；HTTP 200 不等于返回内容满足 JSON Schema。

Show child attributes

store

boolean

是否保存本次响应以便后续引用。glm-5.3-flash 与 glm-5.3-flashx 可配合 store=true 与 previous_response_id 串联多轮对话。glm-5.2 不支持响应 ID 续聊，设置 store=true 不会开启此能力；请在 input 中携带完整历史。

previous_response_id

string

上一轮响应的顶层 id，用于串联多轮对话。glm-5.3-flash 与 glm-5.3-flashx 支持此方式，请配合 store=true 并保持相同模型。原样传入响应 id，不要使用 output 中某一项的 id。glm-5.2 不支持此方式，传入该字段会返回 400。需要跨型号使用时，请省略此字段并在 input 中携带完整历史。

示例:

"上一轮返回的响应 ID"

metadata

object

自定义字符串键值元数据，可在响应的 metadata 中读取。不要放入密钥或敏感信息。

Show child attributes

示例:

{ "conversation": "demo" }

temperature

number

采样参数；具体有效范围和是否生效由模型决定。不要依赖它保证确定性，推理场景可省略。

top_p

number

采样参数；具体有效范围和是否生效由模型决定，通常可省略。

响应

生成成功或返回不完整结果；检查 status。流式时返回 text/event-stream。

string

本轮响应 ID。用于 previous_response_id 时原样传入。

示例:

"response_demo"

object

string

Allowed value: "response"

created_at

integer

创建时间，Unix 秒。

model

string

示例:

"glm-5.3-flash"

status

enum<string>

completed 表示本轮生成结束，也可能仅有工具调用；incomplete 表示输出不完整。请同时检查 output 和 error。

可用选项:

completed,

incomplete,

failed,

in_progress,

queued

output

object[]

有序输出项。遍历 type=message 的 content 中 type=output_text 的 text 得到正文。reasoning 可能在正文之前；function_call 轮次可能没有正文。不要固定读取 output[0]。

Show child attributes

output_text

string

可选的正文聚合字段，可能缺失。通用客户端应遍历 output。

usage

object

Show child attributes

error

object | null

响应错误；成功时通常为 null。

incomplete_details

object

Show child attributes

metadata

object | null

Show child attributes

图像系列

视频系列

音频系列

语言系列

账户管理

任务管理

文件管理

GLM 全模型接口 - Responses 完整参数

模型与参数差异

系统提示词与多轮对话

流式响应

函数调用

图像、搜索与 JSON 输出

响应与用量

授权

请求体

响应

​模型与参数差异

​系统提示词与多轮对话

​流式响应

​函数调用

​图像、搜索与 JSON 输出

​响应与用量

授权

请求体

响应

模型与参数差异

系统提示词与多轮对话

流式响应

函数调用

图像、搜索与 JSON 输出

响应与用量