> ## 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 Schnittstelle für alle Modelle - Schnellstart Chat Completions > - GLM-Modelle über das OpenAI-Chat-Completions-Protokoll aufrufen, das konkrete Modell wird über den Parameter `model` gewählt - Es genügen die beiden Parameter `model` und `messages` - Kontextfenster von 1M Token in der gesamten Serie, bis zu 131.072 Ausgabe-Token - In der gesamten Serie ist tiefes Denken standardmäßig aktiv; der Denkprozess wird über `reasoning_content` zurückgegeben - Für Streaming, Werkzeugaufrufe, Steuerung der Denktiefe, Bildeingabe und weitere Funktionen siehe die Seite „Vollständige Parameter“ **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/chat-completions/chat-completions-quickstart.json POST /v1/chat/completions openapi: 3.1.0 info: title: GLM Schnittstelle für alle Modelle - Schnellstart Chat Completions description: >- Schnelleinstiegsbeispiel für den Aufruf von Zhipu-GLM-Textmodellen über die OpenAI-kompatible Chat-Completions-API. `model` und `messages` genügen, um ein Gespräch zu starten; den vollständigen Parametersatz finden Sie auf der Seite „Vollständige Parameter“. license: name: MIT version: 1.0.0 servers: - url: https://direct.evolink.ai description: Produktion (empfohlen) - url: https://api.evolink.ai description: Alternative URL security: - bearerAuth: [] tags: - name: Chat-Vervollständigung description: Endpunkte für KI-Chat-Vervollständigung paths: /v1/chat/completions: post: tags: - Chat-Vervollständigung summary: GLM Schnellgespräch (alle Modelle) description: >- - GLM-Modelle über das OpenAI-Chat-Completions-Protokoll aufrufen, das konkrete Modell wird über den Parameter `model` gewählt - Es genügen die beiden Parameter `model` und `messages` - Kontextfenster von 1M Token in der gesamten Serie, bis zu 131.072 Ausgabe-Token - In der gesamten Serie ist tiefes Denken standardmäßig aktiv; der Denkprozess wird über `reasoning_content` zurückgegeben - Für Streaming, Werkzeugaufrufe, Steuerung der Denktiefe, Bildeingabe und weitere Funktionen siehe die Seite „Vollständige Parameter“ operationId: glmChatCompletionsQuick requestBody: required: true content: application/json: schema: $ref: '#/components/schemas/ChatCompletionQuickRequest' examples: simple: summary: Minimaler Aufruf value: model: glm-5.3 messages: - role: user content: Hallo, bitte stelle dich in einem Satz vor flash: summary: Auf das leichtgewichtige Modell wechseln description: >- `glm-5.3-flash` ist deutlich günstiger als `glm-5.3` und eignet sich für häufige Aufrufe. value: model: glm-5.3-flash messages: - role: user content: Erkläre in einem Satz, was HTTP ist multi_turn: summary: Mehrstufige Konversation value: model: glm-5.3 messages: - role: user content: >- Empfiehl eine Programmiersprache, die für Einsteiger geeignet ist - role: assistant content: >- Ich empfehle Python: knappe Syntax und ein reichhaltiges Ökosystem. - role: user content: Wie lange dauert es ungefähr, das zu lernen? responses: '200': description: Chat-Vervollständigung erfolgreich generiert content: application/json: schema: $ref: '#/components/schemas/ChatCompletionResponse' '400': description: Ungültige Anfrageparameter content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 400 message: Invalid request parameters type: invalid_request_error '401': description: Nicht autorisiert, ungültiges oder abgelaufenes Token content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 401 message: Invalid or expired token type: authentication_error '402': description: Unzureichendes Kontingent, Aufladung erforderlich content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 402 message: Insufficient quota type: insufficient_quota_error fallback_suggestion: https://evolink.ai/dashboard/billing '403': description: Zugriff verweigert content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 403 message: Access denied for this model type: permission_error param: model '404': description: Ressource nicht gefunden content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 404 message: Specified model not found type: not_found_error param: model fallback_suggestion: glm-5.3 '429': description: Ratenlimit überschritten content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 429 message: Rate limit exceeded type: rate_limit_error fallback_suggestion: retry after 60 seconds '500': description: Interner Serverfehler content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 500 message: Internal server error type: internal_server_error fallback_suggestion: try again later '502': description: Upstream-Dienstfehler content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 502 message: Upstream AI service unavailable type: upstream_error fallback_suggestion: try different model '503': description: Dienst vorübergehend nicht verfügbar content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 503 message: Service temporarily unavailable type: service_unavailable_error fallback_suggestion: retry after 30 seconds components: schemas: ChatCompletionQuickRequest: title: Chat Completion Quick Request type: object required: - model - messages properties: model: type: string description: > Aufzurufendes Modell: | Modell-ID | Positionierung | |---|---| | `glm-5.3` | Flaggschiffmodell mit durchgängigen Fortschritten bei komplexer Softwareentwicklung und Agentenaufgaben; 1M Kontext | | `glm-5.3-flash` | Leichtgewichtiges multimodales Modell, äußerst günstig, native Bildeingabe; 1M Kontext | | `glm-5.2` | Flaggschiff der vorigen Generation, komplexes Reasoning und sehr langer Kontext; 1M Kontext | enum: - glm-5.3 - glm-5.3-flash - glm-5.2 default: glm-5.3 example: glm-5.3 messages: type: array description: >- Liste der Konversationsnachrichten in chronologischer Reihenfolge. Mindestens eine Nachricht ist erforderlich. minItems: 1 items: $ref: '#/components/schemas/MessageSimple' ChatCompletionResponse: type: object properties: id: type: string description: Aufgaben-`ID` example: chatcmpl-a6613b56-c61c-94ba-9a9f-43d4cdc7d77a object: type: string description: Antworttyp enum: - chat.completion example: chat.completion request_id: type: string description: >- Anfrage-`ID` (wird zurückgegeben, wenn in der Anfrage `request_id` angegeben wurde) example: req-7f3a2c1e8b9d4f0a created: type: integer description: Erstellungszeit der Anfrage, `Unix`-Zeitstempel (Sekunden) example: 1777021417 model: type: string description: Modellname example: glm-5.3 choices: type: array description: Liste der Modellantworten items: $ref: '#/components/schemas/Choice' usage: $ref: '#/components/schemas/Usage' content_filter: type: array description: Informationen zur Inhaltssicherheit items: $ref: '#/components/schemas/ContentFilter' ErrorResponse: type: object properties: error: type: object properties: code: type: integer description: HTTP-Statusfehlercode message: type: string description: Fehlerbeschreibung type: type: string description: Fehlertyp param: type: string description: Zugehöriger Parametername fallback_suggestion: type: string description: Vorschlag bei Fehlerauftreten MessageSimple: title: Message type: object required: - role - content properties: role: type: string enum: - system - user - assistant description: >- Rolle der Nachricht - `system`: System-Prompt - `user`: Benutzereingabe - `assistant`: Antwort des Modells (bei mehrstufigen Konversationen enthalten) example: user content: type: string description: Nachrichteninhalt (Klartext) example: Hallo, bitte stelle dich in einem Satz vor Choice: type: object properties: index: type: integer description: Ergebnisindex example: 0 message: $ref: '#/components/schemas/AssistantMessage' finish_reason: type: string description: >- Grund für den Abschluss des Schlussfolgerns - `stop`: Natürlicher Abschluss oder Stoppwort ausgelöst - `tool_calls`: Das Modell hat eine Funktion getroffen (Werkzeugaufruf) - `length`: Token-Längengrenze erreicht - `sensitive`: Inhalt durch die Sicherheitsprüfung blockiert (bitte prüfen und entscheiden, ob öffentlicher Inhalt zurückgezogen werden soll) - `network_error`: Anomalie bei der Modellinferenz - `model_context_window_exceeded`: Kontextfenster des Modells überschritten enum: - stop - tool_calls - length - sensitive - network_error - model_context_window_exceeded example: stop Usage: type: object description: >- Token-Nutzungsstatistik, die bei Abschluss des Aufrufs zurückgegeben wird properties: prompt_tokens: type: integer description: Anzahl der vom Benutzer eingegebenen Tokens example: 24 completion_tokens: type: integer description: >- Anzahl der ausgegebenen Tokens (einschließlich des Anteils der Gedankenkette `reasoning_tokens`) example: 346 total_tokens: type: integer description: Gesamtanzahl der Tokens = prompt_tokens + completion_tokens example: 370 prompt_tokens_details: type: object description: Detaillierte Aufschlüsselung der Eingabe-Tokens properties: cached_tokens: type: integer description: Anzahl der Tokens, die den Cache getroffen haben example: 0 completion_tokens_details: type: object description: Detaillierte Aufschlüsselung der Ausgabe-Tokens properties: reasoning_tokens: type: integer description: >- Anzahl der von der Gedankenkette (tiefes Nachdenken) erzeugten Tokens, zählt zu `completion_tokens` example: 321 ContentFilter: type: object description: Informationen zur Inhaltssicherheit properties: role: type: string description: |- Phase, in der die Sicherheit wirksam wird - `assistant`: Modellinferenz - `user`: Benutzereingabe - `history`: Historischer Kontext enum: - assistant - user - history level: type: integer description: >- Schweregrad `0-3`, `0` bedeutet am schwerwiegendsten, `3` bedeutet geringfügig minimum: 0 maximum: 3 AssistantMessage: type: object properties: role: type: string description: Aktuelle Konversationsrolle, Standard `assistant` enum: - assistant example: assistant content: type: - string - 'null' description: >- Textinhalt der Konversation **Hinweise**: Beim Werkzeugaufruf (`tool_calls`) möglicherweise `null`, andernfalls wird der Antwortinhalt des Modells zurückgegeben example: >- Hallo! Ich bin GLM-5.3 und kann dir bei Konversation, Schlussfolgern, Schreiben, Programmieren und vielen weiteren Aufgaben helfen. reasoning_content: type: string description: >- Inhalt der Gedankenkette **Hinweise**: Wird bei aktiviertem `thinking` zurückgegeben und protokolliert den Schlussfolgerungsprozess des Modells example: Lass mich dieses Problem zunächst analysieren... tool_calls: type: array description: >- Generierte Werkzeugaufruf-Informationen (werden zurückgegeben, wenn das Modell beschließt, ein Werkzeug aufzurufen) items: type: object properties: id: type: string description: Eindeutiger Bezeichner des Tool-Aufrufs type: type: string description: Typ des Werkzeugaufrufs enum: - function function: type: object description: >- Informationen zum Funktionsaufruf (enthält den generierten Funktionsnamen und Argumente im JSON-Format) properties: name: type: string description: Generierter Funktionsname arguments: type: string description: >- Zeichenkette der Funktionsaufruf-Argumente im JSON-Format; bitte validieren Sie die Argumente vor dem Funktionsaufruf securitySchemes: bearerAuth: type: http scheme: bearer description: >- ##Alle APIs erfordern eine Bearer-Token-Authentifizierung## **API-Schlüssel abrufen:** Besuchen Sie die [API-Schlüsselverwaltung](https://evolink.ai/dashboard/keys), um Ihren API-Schlüssel abzurufen **Zum Anfrage-Header hinzufügen:** ``` Authorization: Bearer YOUR_API_KEY ``` ````