> ## 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. # Interfaz de todos los modelos GLM - Inicio rápido de Chat Completions > - Llama a los modelos de la serie GLM mediante el protocolo OpenAI Chat Completions, eligiendo el modelo concreto con el parámetro `model` - Bastan los dos parámetros `model` y `messages` - Ventana de contexto de 1M tokens en toda la serie, con hasta 131.072 tokens de salida - El pensamiento profundo viene activado por defecto en toda la serie y el razonamiento se devuelve en `reasoning_content` - Para streaming, llamadas a herramientas, ajuste de la intensidad de pensamiento, entrada de imagen y demás capacidades, consulta la página «Referencia completa» **BaseURL**: La BaseURL predeterminada es `https://direct.evolink.ai`, que ofrece mejor compatibilidad con los modelos de texto y las conexiones de larga duración. `https://api.evolink.ai` es el endpoint principal para los servicios multimodales y sirve como dirección de respaldo para los modelos de texto. ## OpenAPI ````yaml es/api-manual/language-series/glm/chat-completions/chat-completions-quickstart.json POST /v1/chat/completions openapi: 3.1.0 info: title: Interfaz de todos los modelos GLM - Inicio rápido de Chat Completions description: >- Ejemplo de inicio rápido para llamar a los modelos de texto Zhipu GLM mediante la API Chat Completions compatible con OpenAI. Basta con `model` y `messages` para iniciar una conversación; para el conjunto completo de parámetros, consulta la página «Referencia completa». license: name: MIT version: 1.0.0 servers: - url: https://direct.evolink.ai description: Producción (recomendado) - url: https://api.evolink.ai description: URL alternativa security: - bearerAuth: [] tags: - name: Generación de chat description: Endpoints relacionados con la generación de chat de IA paths: /v1/chat/completions: post: tags: - Generación de chat summary: Conversación rápida GLM (todos los modelos) description: >- - Llama a los modelos de la serie GLM mediante el protocolo OpenAI Chat Completions, eligiendo el modelo concreto con el parámetro `model` - Bastan los dos parámetros `model` y `messages` - Ventana de contexto de 1M tokens en toda la serie, con hasta 131.072 tokens de salida - El pensamiento profundo viene activado por defecto en toda la serie y el razonamiento se devuelve en `reasoning_content` - Para streaming, llamadas a herramientas, ajuste de la intensidad de pensamiento, entrada de imagen y demás capacidades, consulta la página «Referencia completa» operationId: glmChatCompletionsQuick requestBody: required: true content: application/json: schema: $ref: '#/components/schemas/ChatCompletionQuickRequest' examples: simple: summary: Llamada mínima value: model: glm-5.3 messages: - role: user content: Hola, preséntate en una frase flash: summary: Cambiar al modelo ligero description: >- `glm-5.3-flash` cuesta mucho menos que `glm-5.3` y resulta adecuado para llamadas de alta frecuencia. value: model: glm-5.3-flash messages: - role: user content: Explica en una frase qué es HTTP multi_turn: summary: Conversación de varios turnos value: model: glm-5.3 messages: - role: user content: >- Recomiéndame un lenguaje de programación adecuado para principiantes - role: assistant content: >- Recomiendo Python: sintaxis concisa y un ecosistema rico. - role: user content: ¿Cuánto tiempo se tarda aproximadamente en aprenderlo? responses: '200': description: Completado de chat generado exitosamente content: application/json: schema: $ref: '#/components/schemas/ChatCompletionResponse' '400': description: Parámetros de solicitud no válidos content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 400 message: Invalid request parameters type: invalid_request_error '401': description: No autorizado, token inválido o expirado content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 401 message: Invalid or expired token type: authentication_error '402': description: Cuota insuficiente, se requiere recarga 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: Acceso denegado 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: Recurso no encontrado 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: Límite de frecuencia de solicitudes excedido 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: Error interno del servidor 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: Error del servicio upstream 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: Servicio temporalmente no disponible 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: > Modelo a invocar: | ID del modelo | Posicionamiento | |---|---| | `glm-5.3` | Modelo insignia, con avances generalizados en ingeniería de software compleja y tareas de agente; contexto de 1M | | `glm-5.3-flash` | Modelo multimodal ligero, coste muy bajo, entrada de imagen nativa; contexto de 1M | | `glm-5.2` | Insignia de la generación anterior, razonamiento complejo y contexto muy largo; contexto de 1M | enum: - glm-5.3 - glm-5.3-flash - glm-5.2 default: glm-5.3 example: glm-5.3 messages: type: array description: >- Lista de mensajes de la conversación, en orden cronológico. Se requiere al menos un mensaje. minItems: 1 items: $ref: '#/components/schemas/MessageSimple' ChatCompletionResponse: type: object properties: id: type: string description: '`ID` de la tarea' example: chatcmpl-a6613b56-c61c-94ba-9a9f-43d4cdc7d77a object: type: string description: Tipo de respuesta enum: - chat.completion example: chat.completion request_id: type: string description: >- `ID` de la solicitud (se devuelve cuando se proporciona `request_id` en la solicitud) example: req-7f3a2c1e8b9d4f0a created: type: integer description: Hora de creación de la solicitud, marca de tiempo `Unix` (segundos) example: 1777021417 model: type: string description: Nombre del modelo example: glm-5.3 choices: type: array description: Lista de respuestas del modelo items: $ref: '#/components/schemas/Choice' usage: $ref: '#/components/schemas/Usage' content_filter: type: array description: Información relacionada con la seguridad del contenido items: $ref: '#/components/schemas/ContentFilter' ErrorResponse: type: object properties: error: type: object properties: code: type: integer description: Código de error de estado HTTP message: type: string description: Descripción del error type: type: string description: Tipo de error param: type: string description: Nombre del parámetro relacionado fallback_suggestion: type: string description: Sugerencia cuando ocurre un error MessageSimple: title: Message type: object required: - role - content properties: role: type: string enum: - system - user - assistant description: >- Rol del mensaje - `system`: indicación del sistema - `user`: entrada del usuario - `assistant`: respuesta del modelo (incluida en conversaciones de varios turnos) example: user content: type: string description: Contenido del mensaje (texto plano) example: Hola, preséntate en una frase Choice: type: object properties: index: type: integer description: Índice del resultado example: 0 message: $ref: '#/components/schemas/AssistantMessage' finish_reason: type: string description: >- Motivo de finalización del razonamiento - `stop`: finalización natural o activación de una palabra de parada - `tool_calls`: el modelo invocó una función (llamada a herramienta) - `length`: se alcanzó el límite de longitud de tokens - `sensitive`: el contenido fue bloqueado por la auditoría de seguridad (evalúa y decide si retirar el contenido público) - `network_error`: anomalía en el razonamiento del modelo - `model_context_window_exceeded`: se superó la ventana de contexto del modelo enum: - stop - tool_calls - length - sensitive - network_error - model_context_window_exceeded example: stop Usage: type: object description: Estadísticas de uso de tokens devueltas al finalizar la llamada properties: prompt_tokens: type: integer description: Número de tokens de la entrada del usuario example: 24 completion_tokens: type: integer description: >- Número de tokens de la salida (incluida la parte de la cadena de pensamiento `reasoning_tokens`) example: 346 total_tokens: type: integer description: Número total de tokens = prompt_tokens + completion_tokens example: 370 prompt_tokens_details: type: object description: Desglose detallado de los tokens de entrada properties: cached_tokens: type: integer description: Número de tokens que acertaron en caché example: 0 completion_tokens_details: type: object description: Desglose detallado de los tokens de salida properties: reasoning_tokens: type: integer description: >- Número de tokens producidos por la cadena de pensamiento (pensamiento profundo), contabilizados en `completion_tokens` example: 321 ContentFilter: type: object description: Información de seguridad del contenido properties: role: type: string description: |- Etapa en la que se aplica la seguridad - `assistant`: razonamiento del modelo - `user`: entrada del usuario - `history`: contexto histórico enum: - assistant - user - history level: type: integer description: Grado de gravedad `0-3`, `0` indica el más grave y `3` indica leve minimum: 0 maximum: 3 AssistantMessage: type: object properties: role: type: string description: Rol de la conversación actual, predeterminado `assistant` enum: - assistant example: assistant content: type: - string - 'null' description: >- Contenido de texto de la conversación **Notas**: puede ser `null` al invocar herramientas (`tool_calls`); de lo contrario, devuelve el contenido de la respuesta del modelo example: >- ¡Hola! Soy GLM-5.3 y puedo ayudarte con conversación, razonamiento, redacción, código y muchas otras tareas. reasoning_content: type: string description: >- Contenido de la cadena de pensamiento **Notas**: se devuelve cuando `thinking` está activado, y registra el proceso de razonamiento del modelo example: Primero déjame analizar este problema... tool_calls: type: array description: >- Información de las llamadas a herramientas generadas (se devuelve cuando el modelo decide invocar una herramienta) items: type: object properties: id: type: string description: Identificador único de la llamada a la herramienta type: type: string description: Tipo de llamada a la herramienta enum: - function function: type: object description: >- Información de la llamada a la función (incluye el nombre de la función generado y los argumentos en formato JSON) properties: name: type: string description: Nombre de la función generado arguments: type: string description: >- Cadena en formato JSON de los argumentos de la llamada a la función; valida los argumentos antes de invocar la función securitySchemes: bearerAuth: type: http scheme: bearer description: >- ##Todas las API requieren autenticación con Bearer Token## **Obtener la API Key:** Visita la [página de gestión de API Keys](https://evolink.ai/dashboard/keys) para obtener tu API Key **Añadir al encabezado de la solicitud:** ``` Authorization: Bearer YOUR_API_KEY ``` ````