> ## 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 - Messages vollständige Parameter
> - GLM-Modelle über das Anthropic-Messages-Protokoll aufrufen, das konkrete Modell wird über den Parameter `model` gewählt
- Anfrage- und Antwortstruktur entsprechen der Anthropic-API
- **System-Prompt**: wird über das Feld `system` auf oberster Ebene übergeben
- **Denkmodus**: In der gesamten Serie ist das Denken standardmäßig aktiv und wird in `content[type=thinking]`-Blöcken zurückgegeben; nur `glm-5.2` kann es mit `thinking.type=disabled` abschalten
- **Streaming**: SSE-Ereignisstrom
- **Werkzeugaufrufe**: kompatibel mit dem Anthropic-Ablauf `tool_use` / `tool_result`
- **Bildeingabe**: tatsächlich nur von `glm-5.3-flash` unterstützt, Details siehe Feld `messages`
**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.
**Ob das Denken abgeschaltet werden kann, hängt vom Modell ab**: Nur `glm-5.2` unterstützt `thinking.type: "disabled"`; `glm-5.3` und `glm-5.3-flash` denken immer und geben bei `disabled` einen Fehler zurück. Entfernen Sie beim Wechsel von `glm-5.2` zuerst das fest verdrahtete `disabled`, bevor Sie das Modell umstellen.
**Bildeingabe wird nur von `glm-5.3-flash` unterstützt, und das Senden an die anderen Modelle löst keinen Fehler aus.** Gehen Bildinhaltsblöcke an `glm-5.3` oder `glm-5.2`, liefert die Anfrage wie gewohnt 200, doch das Modell kann das Bild nicht lesen und antwortet allein anhand des Textes — die Antwort wirkt plausibel, hat mit dem Bild aber nichts zu tun und fällt von Anfrage zu Anfrage unterschiedlich aus. Solche stillen Fehler sind im Produktivbetrieb schwer aufzuspüren; wählen Sie daher `glm-5.3-flash`, wenn Sie Bildverständnis benötigen.
## OpenAPI
````yaml de/api-manual/language-series/glm/messages/messages-reference.json POST /v1/messages
openapi: 3.1.0
info:
title: GLM Schnittstelle für alle Modelle - Messages vollständige Parameter
description: >-
Vollständige API-Referenz für den Aufruf von Zhipu-GLM-Textmodellen über das
Anthropic-Messages-Protokoll.
**Enthaltene Modelle**: `glm-5.3`, `glm-5.3-flash`, `glm-5.2` (Auswahl über
den Parameter `model`)
**Hinweise zur Kompatibilität**:
- Pfad: `/v1/messages` (der Standardpfad von Anthropic)
- Anfrage- und Antwortstruktur entsprechen 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`
**Gemeinsame Fähigkeiten**:
- Kontextfenster von 1M Token, bis zu 131.072 Tokens Ausgabe
- Denkmodus: In der gesamten Serie ist **das Denken standardmäßig aktiv**;
es wird in `content[type=thinking]`-Blöcken zurückgegeben und zählt zu den
Ausgabe-Token
- Prompt-Caching: impliziter Präfix-Cache, den wiederholte Anfragen mit
demselben Präfix automatisch treffen (sichtbar in
`cache_read_input_tokens`), ohne dass `cache_control` gesetzt werden muss;
`cache_creation_input_tokens` ist immer 0
**Unterschiede zwischen den Modellen** (ob das Denken abschaltbar ist, ob
Bilder gelesen werden können) sind unten bei den Feldern `model`, `thinking`
und `messages` beschrieben.
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 Nachrichten-Schnittstelle (alle Modelle, Anthropic-kompatibel)
description: >-
- GLM-Modelle über das Anthropic-Messages-Protokoll aufrufen, das
konkrete Modell wird über den Parameter `model` gewählt
- Anfrage- und Antwortstruktur entsprechen der Anthropic-API
- **System-Prompt**: wird über das Feld `system` auf oberster Ebene
übergeben
- **Denkmodus**: In der gesamten Serie ist das Denken standardmäßig
aktiv und wird in `content[type=thinking]`-Blöcken zurückgegeben; nur
`glm-5.2` kann es mit `thinking.type=disabled` abschalten
- **Streaming**: SSE-Ereignisstrom
- **Werkzeugaufrufe**: kompatibel mit dem Anthropic-Ablauf `tool_use` /
`tool_result`
- **Bildeingabe**: tatsächlich nur von `glm-5.3-flash` unterstützt,
Details siehe Feld `messages`
operationId: createMessageGLM
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/CreateMessageRequest'
examples:
simple:
summary: Minimale lauffähige Anfrage
value:
model: glm-5.3
max_tokens: 1024
messages:
- role: user
content: Hallo, Welt
system_prompt:
summary: Mit System-Prompt
value:
model: glm-5.3
max_tokens: 2048
system: Du bist ein erfahrener technischer Redakteur.
messages:
- role: user
content: Stelle GLM-5.3 in drei Sätzen vor.
stop_sequences:
summary: Benutzerdefinierte Stoppsequenz
value:
model: glm-5.3
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-5.3
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-5.3
max_tokens: 1024
stream: true
messages:
- role: user
content: Schreibe ein kurzes Gedicht über den Frühling
disable_thinking_glm52_only:
summary: Denkmodus deaktivieren (nur glm-5.2)
value:
model: glm-5.2
max_tokens: 512
thinking:
type: disabled
messages:
- role: user
content: 'In einem Satz: Was ist die Hauptstadt von Japan?'
description: >-
Nur `glm-5.2` kann das Denken abschalten. Wird
`thinking.type=disabled` an `glm-5.3` oder `glm-5.3-flash`
gesendet, gibt es einen Fehler.
vision_flash:
summary: Bildeingabe (nur glm-5.3-flash)
description: >-
`glm-5.3-flash` unterstützt Vision nativ. Bilder werden über
`image`-Inhaltsblöcke übergeben, und `source` akzeptiert
sowohl `base64` als auch `url`.
value:
model: glm-5.3-flash
max_tokens: 1024
messages:
- role: user
content:
- type: text
text: Was ist auf diesem Bild zu sehen?
- type: image
source:
type: base64
media_type: image/png
data:
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-5.3
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-5.3
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 gefunden
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: Upstream-Dienstfehler
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: >
Aufzurufendes Modell:
| Modell-ID | Positionierung | Denken abschaltbar | Bildeingabe |
|---|---|---|---|
| `glm-5.3` | Flaggschiffmodell mit durchgängigen Fortschritten bei
komplexer Softwareentwicklung und Agentenaufgaben; 1M Kontext |
Nicht abschaltbar | Nicht unterstützt |
| `glm-5.3-flash` | Leichtgewichtiges multimodales Modell, äußerst
günstig und mit nativer Vision; 1M Kontext | Nicht abschaltbar |
Unterstützt |
| `glm-5.2` | Flaggschiff der vorigen Generation, komplexes
Reasoning und sehr langer Kontext; 1M Kontext | Abschaltbar
(`thinking.type=disabled`) | Nicht unterstützt |
enum:
- glm-5.3
- glm-5.3-flash
- glm-5.2
example: glm-5.3
default: glm-5.3
max_tokens:
type: integer
description: >-
Obergrenze für die Länge des erzeugten Inhalts (in Token)
**Hinweis**:
- Die GLM-Serie unterstützt bis zu **131.072 Tokens** (128K)
Ausgabelänge; empfohlen wird ein Wert von mindestens `1024`
- Auch die durch thinking erzeugten Token zählen zu dieser Grenze
- Wird die Grenze erreicht, wird der Inhalt abgeschnitten und die
Antwort enthält `stop_reason=max_tokens`
minimum: 1
maximum: 131072
example: 1024
messages:
type: array
description: >-
Liste der Konversationsnachrichten, abwechselnd user / assistant
**Hinweis**:
- Mindestens eine Nachricht ist erforderlich
- Die letzte Nachricht ist üblicherweise `role=user`
- Mehrstufiger Kontext wird unterstützt, das Modell bezieht sich auf
den Verlauf
**Bildeingabe**: Nur `glm-5.3-flash` unterstützt sie, über einen
`{"type":"image","source":{...}}`-Block im `content`-Array.
Werden Bildinhaltsblöcke an `glm-5.3` oder `glm-5.2` gesendet,
**gibt es keinen Fehler, das Modell kann das Bild jedoch nicht
lesen**. Die Anfrage liefert wie gewohnt 200, und das Modell
antwortet allein anhand des Textes — die Antwort wirkt plausibel,
hat mit dem Bild aber nichts zu tun, und das Ergebnis fällt von
Anfrage zu Anfrage unterschiedlich aus.
Solche stillen Fehler sind im Produktivbetrieb schwer aufzuspüren;
wählen Sie daher `glm-5.3-flash`, wenn Sie Bildverständnis
benötigen.
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 die GLM-Serie
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 Denken
**Hinweis**:
- Alle Modelle der GLM-Serie sind Reasoning-Modelle, und **ohne
dieses Feld ist das Denken standardmäßig aktiv**
- Ist es aktiv, enthält das `content`-Array der Antwort einen
Reasoning-Block mit `type="thinking"` (wird als Ausgabe-Token
abgerechnet, `signature` kann eine leere Zeichenkette sein)
- **Nur der binäre Schalter `type` wirkt**: Parameter für Denkbudget
oder -stufe wie `budget_tokens` und `effort` haben keine Wirkung
(sie werden ignoriert)
**Ob es abgeschaltet werden kann, hängt vom Modell ab**:
- `glm-5.2`: Mit `{"type":"disabled"}` lässt sich das Denken
abschalten, was die Ausgabe-Token deutlich reduziert
- `glm-5.3` / `glm-5.3-flash`: **denken immer und sind nicht
abschaltbar**. Wird `disabled` gesendet, gibt es einen Fehler
**Die Folge: Die `glm-5.3`-Serie kann den Denkaufwand an diesem
Endpunkt nicht senken.** Er lässt sich weder abschalten (`disabled`
erzeugt einen Fehler)
noch verringern (`budget_tokens` und `effort` bleiben beide
wirkungslos, und das übergeordnete `reasoning_effort` ist ein Feld
des OpenAI-Protokolls, das dieser Endpunkt ignoriert).
Denkinhalte werden als Ausgabe-Token abgerechnet, daher sind diese
Kosten an diesem Endpunkt unvermeidbar.
**Um die Denkkosten zu steuern, wechseln Sie zur [Chat Completions
API](../chat-completions/chat-completions-reference)** —
dort wirken bei `reasoning_effort` die drei Stufen `low` / `high` /
`max` tatsächlich. `glm-5.2` unterliegt dieser Einschränkung nicht
und kann das Denken auch an diesem Endpunkt direkt abschalten.
**Migration von `glm-5.2`**: Ist `thinking.type=disabled` im Code
fest verdrahtet, muss dieses Feld vor dem Wechsel zu `glm-5.3`
entfernt werden, sonst schlägt die Anfrage unmittelbar fehl.
Und wenn Sie die Kosten bisher über das Abschalten des Denkens
gesteuert haben, gibt es an diesem Endpunkt keine gleichwertige
Alternative — planen Sie den Umstieg auf die Chat Completions API
gleich mit ein.
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-5.3
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: >-
Inhalt der Nachricht
**Hinweis**:
- Bei reinem Text wird direkt eine Zeichenkette übergeben
- Für strukturierte Inhalte wird ein Array von Content-Blocks
übergeben (`text` / `image` / `tool_use` / `tool_result` /
`thinking`)
- `image`-Inhaltsblöcke werden **nur von `glm-5.3-flash`
unterstützt**; an ein anderes Modell gesendet, erzeugen sie keinen
Fehler, das Modell kann das Bild jedoch nicht lesen
oneOf:
- type: string
- type: array
items:
$ref: '#/components/schemas/ContentBlock'
CacheControl:
type: object
description: >-
Markierung für den Prompt-Cache
**Hinweis**: Die GLM-Serie verwendet einen impliziten Cache (wird
automatisch aus identischen Präfixen aufgebaut, Treffer siehe
`cache_read_input_tokens`, benötigt eine Aufwärmphase) und ist nicht auf
diese explizite Markierung angewiesen; `cache_control` kann normal
übergeben werden, wird aber möglicherweise ignoriert und beeinflusst den
impliziten Cache nicht.
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 bei type=`thinking` (kann eine leere Zeichenkette sein)
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 in den Cache geschriebenen Token. Die GLM-Serie verwendet
impliziges Caching ohne expliziten Erstellungsschritt, daher ist
**dieses Feld immer 0**.
example: 0
cache_read_input_tokens:
type: integer
description: >-
Anzahl der Eingabe-Token, die aus dem impliziten Präfix-Cache
bedient wurden. Wiederholte Anfragen mit demselben Präfix treffen
ihn automatisch, ohne dass `cache_control` gesetzt werden muss; der
getroffene Anteil wird zum Cache-Tarif abgerechnet, der deutlich
unter dem Eingabetarif ohne Treffer liegt. Die erste Anfrage liefert
0.
example: 0
prompt_tokens_details:
type: object
description: >-
Aufschlüsselung der Eingabe-Token (Cache-Treffer-Felder, werden von
der GLM-Serie ebenfalls zurückgegeben)
properties:
cached_tokens:
type: integer
description: Anzahl der im Cache getroffenen Input-Tokens
example: 0
ContentBlock:
type: object
description: >-
Inhaltsblock der Nachricht
**Unterstützte type-Werte**:
- `text`: Textinhalt
- `image`: Bild (**nur `glm-5.3-flash`**; andere Modelle geben keinen
Fehler zurück, können das Bild aber nicht lesen)
- `tool_use`: Rückgabe des Werkzeugaufrufs des Assistenten aus der
vorigen Runde
- `tool_result`: Ergebnis der Werkzeugausführung
- `thinking`: Rückgabe des Denkinhalts des Assistenten aus der vorigen
Runde
required:
- type
properties:
type:
type: string
enum:
- text
- image
- tool_use
- tool_result
- thinking
text:
type: string
description: Textinhalt, wenn type=`text`
source:
type: object
description: >-
Bildquelle (erforderlich bei type=`image`, **nur von `glm-5.3-flash`
unterstützt**)
Unterstützt werden sowohl eingebettetes `base64` als auch `url`.
required:
- type
properties:
type:
type: string
enum:
- base64
- url
description: >-
Art der Bildübergabe
- `base64`: eingebettete Bilddaten
- `url`: öffentliche Bild-URL, die vom Upstream-Dienst selbst
heruntergeladen wird
media_type:
type: string
description: Bild-MIME-Typ (bei `type=base64` erforderlich)
example: image/png
data:
type: string
description: >-
Base64-codierte Bilddaten (bei `type=base64` erforderlich, ohne
Präfix `data:`)
example: iVBORw0KGgoAAAANSUhEUgAA...
url:
type: string
description: Öffentliche Bild-URL (bei `type=url` erforderlich)
example: https://example.com/photo.jpg
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 zurückgegebenen thinking-Inhalts; bei mehrstufiger
Fortsetzung muss sie unverändert zurückgesendet werden (kann eine
leere Zeichenkette sein)
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.
````