> ## Documentation Index
> Fetch the complete documentation index at: https://evolink.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# GLM-5.2 - Anthropic-kompatible API
> - Ruft das GLM-5.2 Modell über das Anthropic Messages-Protokoll auf
- Anfrage-/Antwortstruktur ist an die Anthropic API angeglichen
- **System-Prompt**: Wird über das Top-Level-Feld `system` übergeben
- **Nachdenkmodus**: GLM-5.2 aktiviert das Nachdenken standardmäßig, der Denkinhalt wird über einen `content[type=thinking]`-Block zurückgegeben; übergeben Sie `thinking.type=disabled` zum Abschalten
- **Streaming-Ausgabe**: SSE-Ereignisstrom
- **Werkzeugaufrufe**: Kompatibel mit dem Anthropic `tool_use` / `tool_result`-Ablauf
- ⚠️ **Keine Multimodalität**: GLM-5.2 ist ein reines Textmodell, Bild-/Videoinhaltsblöcke werden ignoriert
**BaseURL**: Die Standard-BaseURL ist `https://direct.evolink.ai`, die Textmodelle und langlebige Verbindungen besser unterstützt. `https://api.evolink.ai` ist der primäre Endpunkt für multimodale Dienste und dient als Ausweichadresse für Textmodelle.
## OpenAPI
````yaml de/api-manual/language-series/glm-5.2/glm-5.2-messages.json POST /v1/messages
openapi: 3.1.0
info:
title: GLM-5.2 Anthropic-kompatible Schnittstelle
description: >-
Vollständige API-Referenz für den Aufruf von GLM-5.2 über das Anthropic
Messages-Protokoll.
**Kompatibilitätshinweise**:
- Pfad: `/v1/messages` (Anthropic-Standardpfad)
- Anfrage-/Antwortstruktur entspricht der Anthropic Messages API
- Unterstützte Felder: `model` `messages` (erforderlich) `system`
`max_tokens` `temperature` `top_p` `top_k` `stop_sequences` `stream`
`thinking` `tools` `tool_choice` `metadata`
**Modellfähigkeiten**:
- Nachdenkmodus: GLM-5.2 ist ein Schlussfolgerungsmodell, **das Nachdenken
ist standardmäßig aktiviert**; der Denkinhalt wird über einen
`content[type=thinking]`-Block zurückgegeben und zählt zu den Output-Tokens.
Wird er nicht benötigt, übergeben Sie explizit `thinking.type=disabled`, um
zur Token-Einsparung abzuschalten
- **Reines Textmodell**: ⚠️ Unterstützt keine multimodalen Eingaben wie
Bilder/Videos (übergebene Bildinhaltsblöcke werden ignoriert)
- Prompt-Caching: Unterstützt implizites Caching, Anfragen mit identischem
Präfix treffen automatisch den Cache (der Treffer zeigt sich in
`cache_read_input_tokens`, ein manuelles Setzen von `cache_control` ist
nicht nötig); der Cache benötigt eine Aufwärmphase, nach mehreren Anfragen
mit identischem Präfix wird der Treffer stabiler;
`cache_creation_input_tokens` ist stets 0
license:
name: MIT
version: 1.0.0
servers:
- url: https://direct.evolink.ai
description: Produktion (empfohlen, bessere Unterstützung für Textmodelle)
- url: https://api.evolink.ai
description: Alternative URL
security:
- bearerAuth: []
tags:
- name: Messages
description: Schnittstelle des Anthropic Messages-Protokolls
paths:
/v1/messages:
post:
tags:
- Messages
summary: GLM-5.2 Messages-Schnittstelle (Anthropic-kompatibel)
description: >-
- Ruft das GLM-5.2 Modell über das Anthropic Messages-Protokoll auf
- Anfrage-/Antwortstruktur ist an die Anthropic API angeglichen
- **System-Prompt**: Wird über das Top-Level-Feld `system` übergeben
- **Nachdenkmodus**: GLM-5.2 aktiviert das Nachdenken standardmäßig, der
Denkinhalt wird über einen `content[type=thinking]`-Block zurückgegeben;
übergeben Sie `thinking.type=disabled` zum Abschalten
- **Streaming-Ausgabe**: SSE-Ereignisstrom
- **Werkzeugaufrufe**: Kompatibel mit dem Anthropic `tool_use` /
`tool_result`-Ablauf
- ⚠️ **Keine Multimodalität**: GLM-5.2 ist ein reines Textmodell,
Bild-/Videoinhaltsblöcke werden ignoriert
operationId: createMessageGLM52
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/CreateMessageRequest'
examples:
simple:
summary: Minimale lauffähige Anfrage
value:
model: glm-5.2
max_tokens: 1024
messages:
- role: user
content: Hallo, Welt
system_prompt:
summary: Mit System-Prompt
value:
model: glm-5.2
max_tokens: 2048
system: Du bist ein erfahrener technischer Redakteur.
messages:
- role: user
content: Stelle GLM-5.2 in drei Sätzen vor.
disable_thinking:
summary: Nachdenkmodus deaktivieren (Token sparen)
value:
model: glm-5.2
max_tokens: 512
thinking:
type: disabled
messages:
- role: user
content: 'In einem Satz: Was ist die Hauptstadt von Japan?'
stop_sequences:
summary: Benutzerdefinierte Stoppsequenz
value:
model: glm-5.2
max_tokens: 50
thinking:
type: disabled
stop_sequences:
- '3'
messages:
- role: user
content: 'Output exactly: 1 2 3 4 5 6'
tool_use:
summary: Werkzeugaufruf (Anthropic tool_use-Stil)
value:
model: glm-5.2
max_tokens: 2048
messages:
- role: user
content: Frage das Wetter in Tokio ab und teile es mir mit
tools:
- name: get_weather
description: Das aktuelle Wetter einer angegebenen Stadt abfragen
input_schema:
type: object
properties:
city:
type: string
description: 'Stadtname, z. B.: Tokyo'
required:
- city
tool_choice:
type: auto
streaming:
summary: Streaming-Ausgabe (SSE)
value:
model: glm-5.2
max_tokens: 1024
stream: true
messages:
- role: user
content: Schreibe ein kurzes Gedicht über den Frühling
responses:
'200':
description: Nachrichtenobjekt
content:
application/json:
schema:
$ref: '#/components/schemas/MessageResponse'
examples:
with_thinking:
summary: Standardmäßig mit thinking-Content-Block
value:
id: msg_0842a705-9d0b-4eaa-b12d-09a4106326c5
type: message
role: assistant
model: glm-5.2
content:
- type: thinking
thinking: >-
Der Benutzer bittet darum, mit einem Wort zu grüßen;
eine Antwort mit "Hi" genügt.
signature: ''
- type: text
text: Hi.
stop_reason: end_turn
usage:
input_tokens: 18
output_tokens: 101
cache_creation_input_tokens: 0
cache_read_input_tokens: 0
prompt_tokens_details:
cached_tokens: 0
tool_use:
summary: Werkzeugaufruf ausgelöst (stop_reason=tool_use)
value:
id: msg_067e85db-53df-43a1-bd38-09c53375f2f0
type: message
role: assistant
model: glm-5.2
content:
- type: tool_use
id: toolu_36b8a98e284c426799f08612
name: get_weather
input:
city: Tokyo
stop_reason: tool_use
usage:
input_tokens: 161
output_tokens: 11
cache_creation_input_tokens: 0
cache_read_input_tokens: 0
prompt_tokens_details:
cached_tokens: 0
'400':
description: Ungültige Anfrageparameter
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
request_id: req_xxx
error:
type: invalid_request_error
message: Invalid request
'401':
description: Authentifizierungsfehler
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: authentication_error
message: Authentication error
'402':
description: Kontingent unzureichend
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: billing_error
message: Insufficient quota
'403':
description: Berechtigungsfehler
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: permission_error
message: Permission denied
'404':
description: Modell oder Ressource nicht vorhanden
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: not_found_error
message: Model not found
'429':
description: Ratenbegrenzung
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: rate_limit_error
message: Rate limited
'500':
description: Interner Serverfehler
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'502':
description: Gateway-Fehler
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'503':
description: Dienst vorübergehend nicht verfügbar
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
components:
schemas:
CreateMessageRequest:
type: object
required:
- model
- messages
properties:
model:
type: string
description: Das aufzurufende Modell
enum:
- glm-5.2
example: glm-5.2
max_tokens:
type: integer
description: >-
Gibt die Obergrenze der Länge des generierten Inhalts an (Anzahl
Tokens)
**Hinweise**:
- Die durch thinking erzeugten Tokens zählen ebenfalls zu dieser
Obergrenze
- Beim Erreichen der Obergrenze wird der Inhalt abgeschnitten, die
Antwort liefert `stop_reason=max_tokens`
minimum: 1
example: 1024
messages:
type: array
description: >-
Liste der Konversationsnachrichten, im Wechsel von user / assistant
pro Runde
**Hinweise**:
- Enthält mindestens 1 Nachricht
- Die letzte Nachricht hat üblicherweise `role=user`
- Unterstützt mehrrundigen Kontext, das Modell bezieht sich auf den
Verlauf
items:
$ref: '#/components/schemas/InputMessage'
minItems: 1
system:
description: >-
System-Prompt, dient zum Festlegen von Rolle und Verhalten der KI
**Hinweise**:
- Unterstützt eine Zeichenkette oder ein Array von Inhaltsblöcken
- Wird über das Top-Level-Feld `system` übergeben (nicht in messages
legen)
- Das Modell folgt den system-Vorgaben
- ⚠️ **Ein zu langer system kann abgeschnitten werden**: Für langen
Kontext legen Sie diesen in `messages`, häufen Sie nicht alles im
`system` an
oneOf:
- type: string
example: You are a helpful assistant.
- type: array
description: >-
System-Prompt im Format eines Arrays von Inhaltsblöcken.
text-Blöcke können cache_control mitführen
items:
type: object
required:
- type
- text
properties:
type:
type: string
enum:
- text
text:
type: string
cache_control:
$ref: '#/components/schemas/CacheControl'
temperature:
type: number
description: >-
Sampling-Temperatur
**Hinweise**:
- Je höher der Wert, desto vielfältiger die Ausgabe; je niedriger,
desto deterministischer
- Empfohlener Bereich `[0, 1]`
minimum: 0
maximum: 1
example: 1
top_p:
type: number
description: >-
Nucleus-Sampling-Schwelle
**Hinweise**:
- Bereich `[0, 1]`
- Es wird empfohlen, temperature und top_p nicht gleichzeitig
anzupassen
minimum: 0
maximum: 1
example: 0.9
top_k:
type: integer
description: >-
Sampling nur aus den K Tokens mit der höchsten Wahrscheinlichkeit
(Anthropic-spezifischer Parameter)
**Hinweise**:
- Je kleiner der Wert, desto deterministischer die Ausgabe; je
größer, desto vielfältiger die Kandidaten
minimum: 0
example: 10
stop_sequences:
type: array
description: >-
Benutzerdefinierte Stoppsequenzen: Die Generierung stoppt, sobald
eine der Zeichenketten getroffen wird
**Hinweise**:
- Bei einem Treffer wird abgeschnitten, der Inhalt vor der
Trefferstelle wird normal zurückgegeben
- ⚠️ **Achtung**: Beim Treffen einer Stoppsequenz liefert GLM-5.2
für `stop_reason` den Wert `end_turn` (statt des
Anthropic-Standardwerts `stop_sequence`), und die Antwort enthält
auch kein `stop_sequence`-Feld. Wenn ein Client zur
Trefferbestimmung auf `stop_reason=="stop_sequence"` angewiesen ist,
ist eine Sonderbehandlung nötig
items:
type: string
example:
- |+
stream:
type: boolean
description: >-
Ob als SSE-Stream zurückgegeben wird
- `true`: Streaming-Rückgabe über Server-Sent Events
(Standard-Anthropic-Ereignissequenz: message_start /
content_block_start / content_block_delta / message_delta /
message_stop)
- `false`: Gibt nach vollständiger Antwort alles auf einmal zurück
(Standard)
default: false
example: false
thinking:
type: object
description: >-
Steuert das tiefe Nachdenken
**Hinweise**:
- GLM-5.2 ist ein Schlussfolgerungsmodell, **wird dieses Feld nicht
übergeben, ist das Nachdenken standardmäßig aktiviert**
- Bei Aktivierung erscheint im `content`-Array der Antwort ein Block
des Denkprozesses mit `type="thinking"` (wird nach Output-Tokens
abgerechnet, `signature` kann eine leere Zeichenkette sein)
- Die Übergabe von `{"type":"disabled"}` schaltet das Nachdenken ab
und reduziert die Output-Tokens erheblich
- ⚠️ **Nur der binäre `type`-Schalter ist wirksam**: Parameter für
Denkbudget/-stufe wie `budget_tokens`, `effort` greifen nicht
(werden ignoriert), eine feine Steuerung der Denkmenge ist nicht
möglich
required:
- type
properties:
type:
type: string
enum:
- enabled
- disabled
description: >-
- thinking-Feld nicht übergeben: Nachdenken standardmäßig
aktiviert
- `disabled`: Nachdenken abschalten, direkt antworten
- `enabled`: der Anthropic-Standardwert zum expliziten
Aktivieren
tools:
type: array
description: >-
Liste der Werkzeugdefinitionen
**Hinweise**:
- Folgt der Anthropic-Werkzeugdefinitionsspezifikation
- `input_schema` verwendet ein JSON-Schema-Objekt
- Das Modell gibt einen Standard-`tool_use`-Block zurück,
`stop_reason=tool_use`
items:
$ref: '#/components/schemas/Tool'
tool_choice:
type: object
description: Strategie der Werkzeugauswahl
required:
- type
properties:
type:
type: string
enum:
- auto
- none
description: >-
- `auto`: Das Modell entscheidet automatisch, ob ein Werkzeug
aufgerufen wird
- `none`: Werkzeugaufrufe verbieten
metadata:
type: object
description: Anfrage-Metadaten
properties:
user_id:
type: string
description: >-
Eindeutige Kennung, die den Endbenutzer repräsentiert; kann zur
Überwachung und Missbrauchserkennung auf Benutzerebene genutzt
werden (empfohlen wird eine gehashte ID)
MessageResponse:
type: object
description: Nachrichtenantwort im Anthropic-Stil
properties:
id:
type: string
description: 'Eindeutige Nachrichten-ID (Format: `msg_`)'
type:
type: string
enum:
- message
description: Typ des Antwortobjekts
role:
type: string
enum:
- assistant
model:
type: string
description: Tatsächlich verwendetes Modell
example: glm-5.2
content:
type: array
description: >-
Liste der Antwortinhaltsblöcke
**Mögliche block type**:
- `thinking`: Denkprozess (wenn das Nachdenken aktiviert ist,
standardmäßig aktiviert)
- `text`: finaler Antworttext
- `tool_use`: vom Modell ausgelöster Werkzeugaufruf
items:
$ref: '#/components/schemas/OutputContentBlock'
stop_reason:
type: string
description: >-
Stoppgrund
- `end_turn`: natürliches Ende (⚠️ wird auch beim Treffen von
stop_sequences zurückgegeben)
- `max_tokens`: max_tokens-Obergrenze erreicht
- `tool_use`: Das Modell löst einen Werkzeugaufruf aus
enum:
- end_turn
- max_tokens
- tool_use
usage:
$ref: '#/components/schemas/AnthropicUsage'
ErrorResponse:
type: object
properties:
type:
type: string
enum:
- error
error:
type: object
properties:
type:
type: string
description: >-
Fehlertyp (z. B. invalid_request_error / authentication_error /
billing_error usw.)
message:
type: string
description: Fehlerbeschreibung
request_id:
type: string
description: Anfrage-Tracking-ID
InputMessage:
type: object
required:
- role
- content
properties:
role:
type: string
enum:
- user
- assistant
description: >-
Rolle des Nachrichtenabsenders, im Wechsel von user / assistant
- `user`: Benutzernachricht (auch zum Zurücksenden von
`tool_result`-Blöcken)
- `assistant`: historische Assistentenantwort (kann `text` /
`thinking` / `tool_use`-Blöcke enthalten)
⚠️ **Akzeptiert kein `system`**: System-Prompts laufen über das
Top-Level-Feld `system`.
content:
description: >-
Nachrichteninhalt
**Hinweise**:
- Bei reinem Text direkt eine Zeichenkette übergeben
- Bei strukturiertem Inhalt ein Array von Content-Blöcken übergeben
(`text` / `tool_use` / `tool_result` / `thinking`)
- ⚠️ GLM-5.2 ist ein reines Textmodell, `image` /
`video`-Inhaltsblöcke werden ignoriert
oneOf:
- type: string
- type: array
items:
$ref: '#/components/schemas/ContentBlock'
CacheControl:
type: object
description: >-
Prompt-Caching-Markierung
**Hinweise**: GLM-5.2 verwendet implizites Caching (wird automatisch
nach identischem Präfix aufgebaut, Treffer siehe
`cache_read_input_tokens`, benötigt Aufwärmphase) und ist nicht auf
diese explizite Markierung angewiesen; `cache_control` kann normal
übergeben werden, kann aber ignoriert werden, ohne das implizite Caching
zu beeinträchtigen.
required:
- type
properties:
type:
type: string
enum:
- ephemeral
description: Typ der Caching-Markierung
Tool:
type: object
required:
- name
- input_schema
properties:
name:
type: string
description: |-
Werkzeugname
**Hinweise**:
- Nur `a-zA-Z0-9_-` erlaubt
- Maximal 64 Zeichen
description:
type: string
description: >-
Beschreibung der Werkzeugfunktion, damit das Modell beurteilen kann,
wann es aufgerufen wird
input_schema:
type: object
description: |-
JSON-Schema-Objekt der Werkzeug-Eingabeparameter
**Hinweise**:
- `type` muss `object` sein
- Sollte `properties` und `required` deklarieren
cache_control:
$ref: '#/components/schemas/CacheControl'
OutputContentBlock:
type: object
description: Inhaltsblock in der Antwort
properties:
type:
type: string
enum:
- text
- thinking
- tool_use
text:
type: string
description: Text, wenn type=`text`
thinking:
type: string
description: Denkprozesstext, wenn type=`thinking`
signature:
type: string
description: >-
Signatur, wenn type=`thinking` (GLM-5.2 kann eine leere Zeichenkette
liefern)
id:
type: string
description: Werkzeugaufruf-ID, wenn type=`tool_use`
name:
type: string
description: Werkzeugname, wenn type=`tool_use`
input:
type: object
description: Vom Modell generierte JSON-Eingabeparameter, wenn type=`tool_use`
AnthropicUsage:
type: object
description: Token-Nutzungsstatistik (Anthropic-Spezifikation)
properties:
input_tokens:
type: integer
description: Anzahl der Input-Tokens (nicht im Cache getroffener Anteil)
example: 18
output_tokens:
type: integer
description: Anzahl der Output-Tokens (inklusive thinking)
example: 101
cache_creation_input_tokens:
type: integer
description: >-
Anzahl der für die Cache-Erstellung verwendeten Input-Tokens
(GLM-5.2 stets 0)
example: 0
cache_read_input_tokens:
type: integer
description: >-
Anzahl der im Cache getroffenen Input-Tokens (bei implizitem
Cache-Treffer etwa die Länge des identischen Präfixes)
example: 0
prompt_tokens_details:
type: object
description: >-
Aufschlüsselung der Input-Tokens (Cache-Treffer-Felder, GLM-5.2 gibt
sie mit zurück)
properties:
cached_tokens:
type: integer
description: Anzahl der im Cache getroffenen Input-Tokens
example: 0
ContentBlock:
type: object
description: >-
Nachrichteninhaltsblock
**Unterstützte type**:
- `text`: Textinhalt
- `tool_use`: Zurücksenden des Werkzeugaufrufs der vorherigen
assistant-Runde
- `tool_result`: Ergebnis der Werkzeugausführung
- `thinking`: Zurücksenden des Denkinhalts der vorherigen
assistant-Runde
⚠️ Unterstützt kein `image` / `video` (reines Textmodell)
required:
- type
properties:
type:
type: string
enum:
- text
- tool_use
- tool_result
- thinking
text:
type: string
description: Textinhalt, wenn type=`text`
id:
type: string
description: Werkzeugaufruf-ID (erforderlich bei tool_use)
name:
type: string
description: Werkzeugname (erforderlich bei tool_use)
input:
type: object
description: Werkzeug-Eingabeparameter (bei tool_use, JSON-Objekt)
tool_use_id:
type: string
description: >-
Zugehörige Werkzeugaufruf-ID (erforderlich bei tool_result, wird auf
tool_use.id zurückgefüllt)
content:
description: >-
Ergebnis der Werkzeugausführung (tool_result), Zeichenkette oder
Array von Content-Blöcken
oneOf:
- type: string
- type: array
items:
type: object
thinking:
type: string
description: >-
Zurückgesendeter Denkprozessinhalt des assistant (verwendet bei
type=`thinking`)
signature:
type: string
description: >-
Signatur des zurückgesendeten thinking-Inhalts, beim mehrrundigen
Fortschreiben unverändert zurückzusenden (GLM-5.2 kann eine leere
Zeichenkette zurückgeben)
cache_control:
$ref: '#/components/schemas/CacheControl'
securitySchemes:
bearerAuth:
type: http
scheme: bearer
description: >-
##Alle APIs erfordern eine Bearer-Token-Authentifizierung##
**API-Key erhalten**:
Besuchen Sie die
[API-Key-Verwaltungsseite](https://evolink.ai/dashboard/keys), um Ihren
API-Key zu erhalten
**Zum Anfrage-Header hinzufügen**:
```
Authorization: Bearer YOUR_API_KEY
```
**Anmerkung**: EvoLink verwendet für `/v1/messages` einheitlich die
Bearer-Token-Authentifizierung.
````