> ## 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 - API compatible Anthropic
> - Appelez le modèle GLM-5.2 via le protocole Anthropic Messages
- La structure des requêtes / réponses est alignée sur l'API Anthropic
- **Invite système** : transmise via le champ `system` de premier niveau
- **Mode réflexion** : GLM-5.2 active la réflexion par défaut, le contenu de réflexion est renvoyé via un bloc `content[type=thinking]` ; transmettez `thinking.type=disabled` pour la désactiver
- **Sortie en streaming** : flux d'événements SSE
- **Appel d'outils** : compatible avec le flux Anthropic `tool_use` / `tool_result`
- ⚠️ **Pas de prise en charge multimodale** : GLM-5.2 est un modèle en texte brut, les blocs de contenu image / vidéo sont ignorés
**BaseURL** : la BaseURL par défaut est `https://direct.evolink.ai`, qui offre une meilleure prise en charge des modèles textuels et des connexions de longue durée. `https://api.evolink.ai` est le point de terminaison principal pour les services multimodaux et sert d'adresse de repli pour les modèles textuels.
## OpenAPI
````yaml fr/api-manual/language-series/glm-5.2/glm-5.2-messages.json POST /v1/messages
openapi: 3.1.0
info:
title: Interface GLM-5.2 compatible Anthropic
description: >-
Référence complète de l'API pour appeler GLM-5.2 via le protocole Anthropic
Messages.
**À propos de la compatibilité** :
- Chemin : `/v1/messages` (chemin standard Anthropic)
- La structure des requêtes / réponses est conforme à l'API Anthropic
Messages
- Champs pris en charge : `model` `messages` (obligatoires) `system`
`max_tokens` `temperature` `top_p` `top_k` `stop_sequences` `stream`
`thinking` `tools` `tool_choice` `metadata`
**Capacités du modèle** :
- Mode réflexion : GLM-5.2 est un modèle de raisonnement, **la réflexion est
activée par défaut** ; le contenu de réflexion est renvoyé via un bloc
`content[type=thinking]` et comptabilisé dans les output tokens. Si vous
n'en avez pas besoin, transmettez explicitement `thinking.type=disabled`
pour la désactiver et économiser des tokens
- **Modèle en texte brut** : ⚠️ ne prend pas en charge les entrées
multimodales telles que les images / vidéos (les blocs de contenu image
transmis sont ignorés)
- Mise en cache des invites : prend en charge la mise en cache implicite,
les requêtes ayant le même préfixe touchent automatiquement le cache (le
résultat apparaît dans `cache_read_input_tokens`, sans besoin de définir
manuellement `cache_control`) ; le cache nécessite une période de
préchauffage, les touches du cache sont plus stables après plusieurs
requêtes ayant le même préfixe ; `cache_creation_input_tokens` est toujours
à 0
license:
name: MIT
version: 1.0.0
servers:
- url: https://direct.evolink.ai
description: Production (recommandée, meilleure prise en charge des modèles textuels)
- url: https://api.evolink.ai
description: URL alternative
security:
- bearerAuth: []
tags:
- name: Messages
description: Interface du protocole Anthropic Messages
paths:
/v1/messages:
post:
tags:
- Messages
summary: Interface GLM-5.2 Messages (compatible Anthropic)
description: >-
- Appelez le modèle GLM-5.2 via le protocole Anthropic Messages
- La structure des requêtes / réponses est alignée sur l'API Anthropic
- **Invite système** : transmise via le champ `system` de premier niveau
- **Mode réflexion** : GLM-5.2 active la réflexion par défaut, le
contenu de réflexion est renvoyé via un bloc `content[type=thinking]` ;
transmettez `thinking.type=disabled` pour la désactiver
- **Sortie en streaming** : flux d'événements SSE
- **Appel d'outils** : compatible avec le flux Anthropic `tool_use` /
`tool_result`
- ⚠️ **Pas de prise en charge multimodale** : GLM-5.2 est un modèle en
texte brut, les blocs de contenu image / vidéo sont ignorés
operationId: createMessageGLM52
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/CreateMessageRequest'
examples:
simple:
summary: Requête minimale exécutable
value:
model: glm-5.2
max_tokens: 1024
messages:
- role: user
content: Bonjour, le monde
system_prompt:
summary: Avec une invite system
value:
model: glm-5.2
max_tokens: 2048
system: >-
Vous êtes un éditeur technique chevronné de langue
française.
messages:
- role: user
content: Présentez GLM-5.2 en trois phrases.
disable_thinking:
summary: Désactiver le mode réflexion (économiser des tokens)
value:
model: glm-5.2
max_tokens: 512
thinking:
type: disabled
messages:
- role: user
content: 'En une phrase : quelle est la capitale du Japon ?'
stop_sequences:
summary: Séquences d'arrêt personnalisées
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: Appel d'outil (style Anthropic tool_use)
value:
model: glm-5.2
max_tokens: 2048
messages:
- role: user
content: Interroge la météo de Tokyo et indique-la-moi
tools:
- name: get_weather
description: Interroger la météo actuelle d'une ville donnée
input_schema:
type: object
properties:
city:
type: string
description: 'Nom de la ville, par exemple : Tokyo'
required:
- city
tool_choice:
type: auto
streaming:
summary: Sortie en streaming (SSE)
value:
model: glm-5.2
max_tokens: 1024
stream: true
messages:
- role: user
content: Écris un court poème sur le printemps
responses:
'200':
description: Objet message
content:
application/json:
schema:
$ref: '#/components/schemas/MessageResponse'
examples:
with_thinking:
summary: Inclut par défaut un bloc de contenu thinking
value:
id: msg_0842a705-9d0b-4eaa-b12d-09a4106326c5
type: message
role: assistant
model: glm-5.2
content:
- type: thinking
thinking: >-
L'utilisateur demande de saluer en un seul mot, il
suffit de répondre « Hi ».
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: Déclenche un appel d'outil (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: Paramètres de requête invalides
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: Erreur d'authentification
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: authentication_error
message: Authentication error
'402':
description: Quota insuffisant
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: billing_error
message: Insufficient quota
'403':
description: Erreur de permission
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: permission_error
message: Permission denied
'404':
description: Modèle ou ressource introuvable
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: not_found_error
message: Model not found
'429':
description: Limite de fréquence
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: rate_limit_error
message: Rate limited
'500':
description: Erreur interne du serveur
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'502':
description: Erreur de passerelle
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'503':
description: Service temporairement indisponible
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
components:
schemas:
CreateMessageRequest:
type: object
required:
- model
- messages
properties:
model:
type: string
description: Le modèle à appeler
enum:
- glm-5.2
example: glm-5.2
max_tokens:
type: integer
description: >-
Spécifie la limite supérieure de longueur du contenu généré (nombre
de tokens)
**Remarques** :
- Les tokens produits par la réflexion sont également comptabilisés
dans cette limite
- Lorsque la limite est atteinte, le contenu est tronqué et la
réponse indique `stop_reason=max_tokens`
minimum: 1
example: 1024
messages:
type: array
description: >-
Liste des messages de la conversation, en alternance user /
assistant par tour
**Remarques** :
- Contient au moins 1 message
- Le dernier message est généralement `role=user`
- Prend en charge le contexte multi-tours, le modèle se réfère aux
messages historiques
items:
$ref: '#/components/schemas/InputMessage'
minItems: 1
system:
description: >-
Invite système, utilisée pour définir le rôle et le comportement de
l'IA
**Remarques** :
- Prend en charge une chaîne ou un tableau de blocs de contenu
- Transmise via le champ `system` de premier niveau (ne pas la
placer dans messages)
- Le modèle respecte les contraintes du system
- ⚠️ **Un system trop long peut être tronqué** : pour un long
contexte, placez-le dans `messages`, n'entassez pas tout dans
`system`
oneOf:
- type: string
example: You are a helpful assistant.
- type: array
description: >-
Invite système au format tableau de blocs de contenu. Les blocs
text peuvent porter un cache_control
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: >-
Température d'échantillonnage
**Remarques** :
- Plus la valeur est élevée, plus la sortie est variée ; plus elle
est basse, plus elle est déterministe
- Plage recommandée `[0, 1]`
minimum: 0
maximum: 1
example: 1
top_p:
type: number
description: >-
Seuil d'échantillonnage par noyau
**Remarques** :
- Plage `[0, 1]`
- Il est recommandé de ne pas ajuster simultanément temperature et
top_p
minimum: 0
maximum: 1
example: 0.9
top_k:
type: integer
description: >-
N'échantillonne que parmi les K tokens les plus probables (paramètre
propre à Anthropic)
**Remarques** :
- Plus la valeur est petite, plus la sortie est déterministe ; plus
elle est grande, plus les candidats sont diversifiés
minimum: 0
example: 10
stop_sequences:
type: array
description: >-
Séquences d'arrêt personnalisées : la génération s'arrête lorsque
l'une de ces chaînes est rencontrée
**Remarques** :
- L'arrêt intervient dès la rencontre, le contenu situé avant est
renvoyé normalement
- ⚠️ **Attention** : lorsqu'une séquence d'arrêt est rencontrée, le
`stop_reason` de GLM-5.2 renvoie `end_turn` (et non la valeur
standard Anthropic `stop_sequence`), et la réponse ne contient pas
non plus de champ `stop_sequence`. Si le client se fie à
`stop_reason=="stop_sequence"` pour détecter la rencontre, un
traitement particulier est nécessaire
items:
type: string
example:
- |+
stream:
type: boolean
description: >-
Indique s'il faut renvoyer en streaming SSE
- `true` : renvoi en streaming via Server-Sent Events (séquence
d'événements Anthropic standard : message_start /
content_block_start / content_block_delta / message_delta /
message_stop)
- `false` : renvoi en une seule fois après la réponse complète (par
défaut)
default: false
example: false
thinking:
type: object
description: >-
Contrôle la réflexion approfondie
**Remarques** :
- GLM-5.2 est un modèle de raisonnement, **la réflexion est activée
par défaut lorsque ce champ n'est pas transmis**
- Lorsqu'elle est activée, le tableau `content` de la réponse
contient un bloc de processus de raisonnement de `type="thinking"`
(facturé au prorata des output tokens, le `signature` peut être une
chaîne vide)
- Transmettez `{"type":"disabled"}` pour désactiver la réflexion, ce
qui réduit nettement les output tokens
- ⚠️ **Seul l'interrupteur binaire `type` est effectif** : les
paramètres de budget/niveau de réflexion tels que `budget_tokens`,
`effort` n'ont pas d'effet (ils sont ignorés), il n'est pas possible
de contrôler finement la quantité de réflexion
required:
- type
properties:
type:
type: string
enum:
- enabled
- disabled
description: |-
- Champ thinking non transmis : réflexion activée par défaut
- `disabled` : désactive la réflexion, réponse directe
- `enabled` : valeur d'activation explicite standard Anthropic
tools:
type: array
description: >-
Liste des définitions d'outils
**Remarques** :
- Respecte les spécifications de définition d'outil Anthropic
- `input_schema` utilise un objet JSON Schema
- Le modèle renvoie un bloc `tool_use` standard, avec
`stop_reason=tool_use`
items:
$ref: '#/components/schemas/Tool'
tool_choice:
type: object
description: Stratégie de sélection d'outil
required:
- type
properties:
type:
type: string
enum:
- auto
- none
description: >-
- `auto` : le modèle décide automatiquement s'il faut appeler un
outil
- `none` : interdit l'appel d'outils
metadata:
type: object
description: Métadonnées de la requête
properties:
user_id:
type: string
description: >-
Identifiant unique représentant l'utilisateur final, utilisable
pour le suivi et la détection des abus par utilisateur (il est
recommandé d'utiliser un ID haché)
MessageResponse:
type: object
description: Réponse de message au style Anthropic
properties:
id:
type: string
description: 'ID unique du message (format : `msg_`)'
type:
type: string
enum:
- message
description: Type d'objet de réponse
role:
type: string
enum:
- assistant
model:
type: string
description: Modèle effectivement utilisé
example: glm-5.2
content:
type: array
description: >-
Liste des blocs de contenu de la réponse
**Types de blocs possibles** :
- `thinking` : processus de raisonnement (lorsque la réflexion est
activée, par défaut)
- `text` : texte de la réponse finale
- `tool_use` : appel d'outil initié par le modèle
items:
$ref: '#/components/schemas/OutputContentBlock'
stop_reason:
type: string
description: >-
Raison de l'arrêt
- `end_turn` : fin naturelle (⚠️ renvoyé également lorsqu'une
séquence stop_sequences est rencontrée)
- `max_tokens` : limite max_tokens atteinte
- `tool_use` : le modèle a déclenché un appel d'outil
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: >-
Type d'erreur (par ex. invalid_request_error /
authentication_error / billing_error, etc.)
message:
type: string
description: Description de l'erreur
request_id:
type: string
description: ID de suivi de la requête
InputMessage:
type: object
required:
- role
- content
properties:
role:
type: string
enum:
- user
- assistant
description: >-
Rôle de l'émetteur du message, en alternance user / assistant
- `user` : message utilisateur (également utilisé pour retransmettre
un bloc `tool_result`)
- `assistant` : réponse historique de l'assistant (peut contenir des
blocs `text` / `thinking` / `tool_use`)
⚠️ **N'accepte pas `system`** : l'invite système passe par le champ
`system` de premier niveau.
content:
description: >-
Contenu du message
**Remarques** :
- Pour du texte brut, transmettez directement une chaîne
- Pour du contenu structuré, transmettez un tableau de blocs de
contenu (`text` / `tool_use` / `tool_result` / `thinking`)
- ⚠️ GLM-5.2 est un modèle en texte brut, les blocs de contenu
`image` / `video` sont ignorés
oneOf:
- type: string
- type: array
items:
$ref: '#/components/schemas/ContentBlock'
CacheControl:
type: object
description: >-
Marqueur de mise en cache des invites
**Remarques** : GLM-5.2 utilise une mise en cache implicite (établie
automatiquement selon le préfixe commun, la touche apparaît dans
`cache_read_input_tokens`, nécessite un préchauffage), ne dépend pas de
ce marqueur explicite ; `cache_control` peut être transmis normalement
mais peut être ignoré, sans incidence sur la mise en cache implicite.
required:
- type
properties:
type:
type: string
enum:
- ephemeral
description: Type de marqueur de cache
Tool:
type: object
required:
- name
- input_schema
properties:
name:
type: string
description: |-
Nom de l'outil
**Remarques** :
- Seuls `a-zA-Z0-9_-` sont autorisés
- 64 caractères maximum
description:
type: string
description: >-
Description de la fonctionnalité de l'outil, pour aider le modèle à
juger quand l'appeler
input_schema:
type: object
description: |-
Objet JSON Schema des arguments d'entrée de l'outil
**Remarques** :
- `type` doit être `object`
- Il convient de déclarer `properties` et `required`
cache_control:
$ref: '#/components/schemas/CacheControl'
OutputContentBlock:
type: object
description: Bloc de contenu dans la réponse
properties:
type:
type: string
enum:
- text
- thinking
- tool_use
text:
type: string
description: Texte lorsque type=`text`
thinking:
type: string
description: Texte du processus de raisonnement lorsque type=`thinking`
signature:
type: string
description: >-
Signature lorsque type=`thinking` (GLM-5.2 peut renvoyer une chaîne
vide)
id:
type: string
description: ID de l'appel d'outil lorsque type=`tool_use`
name:
type: string
description: Nom de l'outil lorsque type=`tool_use`
input:
type: object
description: >-
Arguments d'entrée JSON générés par le modèle lorsque
type=`tool_use`
AnthropicUsage:
type: object
description: Statistiques d'utilisation des tokens (spécification Anthropic)
properties:
input_tokens:
type: integer
description: Nombre de tokens en entrée (partie non trouvée en cache)
example: 18
output_tokens:
type: integer
description: Nombre de tokens en sortie (y compris la réflexion)
example: 101
cache_creation_input_tokens:
type: integer
description: >-
Nombre de tokens d'entrée de création du cache (toujours 0 pour
GLM-5.2)
example: 0
cache_read_input_tokens:
type: integer
description: >-
Nombre de tokens d'entrée trouvés en cache (lors d'une touche du
cache implicite, environ la longueur du préfixe commun)
example: 0
prompt_tokens_details:
type: object
description: >-
Détail des tokens d'entrée (champs de touche du cache, renvoyés
également par GLM-5.2)
properties:
cached_tokens:
type: integer
description: Nombre de tokens d'entrée trouvés en cache
example: 0
ContentBlock:
type: object
description: >-
Bloc de contenu de message
**Types pris en charge** :
- `text` : contenu textuel
- `tool_use` : retransmet l'appel d'outil de l'assistant du tour
précédent
- `tool_result` : résultat de l'exécution de l'outil
- `thinking` : retransmet le contenu de réflexion de l'assistant du tour
précédent
⚠️ Ne prend pas en charge `image` / `video` (modèle en texte brut)
required:
- type
properties:
type:
type: string
enum:
- text
- tool_use
- tool_result
- thinking
text:
type: string
description: Contenu textuel lorsque type=`text`
id:
type: string
description: ID de l'appel d'outil (obligatoire lorsque tool_use)
name:
type: string
description: Nom de l'outil (obligatoire lorsque tool_use)
input:
type: object
description: Arguments d'entrée de l'outil (objet JSON, lorsque tool_use)
tool_use_id:
type: string
description: >-
ID de l'appel d'outil correspondant (obligatoire lorsque
tool_result, à reporter dans tool_use.id)
content:
description: >-
Résultat de l'exécution de l'outil (tool_result), chaîne ou tableau
de blocs de contenu
oneOf:
- type: string
- type: array
items:
type: object
thinking:
type: string
description: >-
Contenu du processus de réflexion de l'assistant retransmis (utilisé
lorsque type=`thinking`)
signature:
type: string
description: >-
Signature du contenu thinking retransmis, à retransmettre telle
quelle lors de la poursuite multi-tours (GLM-5.2 peut renvoyer une
chaîne vide)
cache_control:
$ref: '#/components/schemas/CacheControl'
securitySchemes:
bearerAuth:
type: http
scheme: bearer
description: >-
##Toutes les API nécessitent une authentification par Bearer Token##
**Obtenir une clé API** :
Visitez la [page de gestion des clés
API](https://evolink.ai/dashboard/keys) pour obtenir votre clé API
**Ajouter à l'en-tête de requête** :
```
Authorization: Bearer YOUR_API_KEY
```
**Remarque** : EvoLink applique une authentification unifiée par Bearer
Token pour `/v1/messages`.
````