curl --request POST \
--url https://direct.evolink.ai/v1/responses \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "glm-5.3-flash",
"input": "한 문장으로 자신을 소개해 주세요.",
"max_output_tokens": 1024,
"reasoning": {
"effort": "low"
}
}
'{
"id": "response_demo",
"object": "response",
"created_at": 1789971757,
"model": "glm-5.3-flash",
"status": "completed",
"output": [
{
"type": "message",
"id": "message_demo",
"status": "completed",
"role": "assistant",
"content": [
{
"type": "output_text",
"text": "안녕하세요, GLM입니다. 대화, 글쓰기, 코딩을 도와드립니다.",
"annotations": []
}
]
}
],
"usage": {
"input_tokens": 17,
"output_tokens": 24,
"total_tokens": 41,
"input_tokens_details": {
"cached_tokens": 0
},
"output_tokens_details": {
"reasoning_tokens": 0
}
},
"error": null
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}Responses API
GLM 전체 모델 인터페이스 - Responses 전체 매개변수
Responses 형식으로 GLM의 텍스트 대화, 스트리밍, 함수 호출을 이용합니다. 이미지 이해와 웹 검색은 모델별로 제공됩니다. 아래에서 매개변수와 모델별 차이를 확인하세요.
POST
/
v1
/
responses
curl --request POST \
--url https://direct.evolink.ai/v1/responses \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "glm-5.3-flash",
"input": "한 문장으로 자신을 소개해 주세요.",
"max_output_tokens": 1024,
"reasoning": {
"effort": "low"
}
}
'{
"id": "response_demo",
"object": "response",
"created_at": 1789971757,
"model": "glm-5.3-flash",
"status": "completed",
"output": [
{
"type": "message",
"id": "message_demo",
"status": "completed",
"role": "assistant",
"content": [
{
"type": "output_text",
"text": "안녕하세요, GLM입니다. 대화, 글쓰기, 코딩을 도와드립니다.",
"annotations": []
}
]
}
],
"usage": {
"input_tokens": 17,
"output_tokens": 24,
"total_tokens": 41,
"input_tokens_details": {
"cached_tokens": 0
},
"output_tokens_details": {
"reasoning_tokens": 0
}
},
"error": null
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}{
"error": {
"message": "<string>",
"type": "<string>",
"param": "<string>",
"code": "<string>"
}
}BaseURL: 기본 BaseURL은
https://direct.evolink.ai이며, 텍스트 모델과 장시간 연결을 더 잘 지원합니다. https://api.evolink.ai는 멀티모달 서비스의 기본 엔드포인트이자 텍스트 모델의 대체 주소 역할을 합니다.모델과 매개변수 차이
GLM 모델을 선택합니다. 네 모델 모두 이 엔드포인트의 텍스트 입력을 지원하며 선택 기능은 모델마다 다릅니다.| 모델 ID | 입력 | 추론 관련 참고 사항 |
|---|---|---|
glm-5.3 | 텍스트 | 실제 수준은 low / high / max입니다. 호환 값은 reasoning을 참고하세요. 사고를 끌 수 없습니다. |
glm-5.3-flash | 텍스트, 이미지 | glm-5.3과 같습니다. 이미지는 input_image를 사용합니다. |
glm-5.3-flashx | 텍스트, 이미지 | glm-5.3과 같습니다. 이미지는 input_image를 사용합니다. |
glm-5.2 | 텍스트 | none이어도 사고 토큰이 생성될 수 있으며 사고 끄기를 보장하지 않습니다. |
reasoning_effort나 thinking 대신 중첩된 reasoning.effort를 사용합니다. 사고 사용량은 output_tokens에 포함됩니다. 간단한 작업에서 reasoning_tokens=0이 반환되어도 사고를 끌 수 있다는 뜻은 아닙니다.
추론 강도이며 low를 권장합니다.
glm-5.3 / glm-5.3-flash / glm-5.3-flashx 호환 규칙
| 전달 값 | 실제 사고 수준 |
|---|---|
low / high / max | 해당 수준 유지 |
xhigh | max |
medium | high |
minimal / none | low, 사고 유지 |
minimal과 none은 5.3 시리즈의 사고를 끄지 않습니다. 사고 토큰은 출력으로 과금됩니다. 알 수 없는 값은 호환 변환 없이 원래 값을 유지하므로 표에 나온 값을 사용하세요. 이 규칙은 glm-5.2에는 적용되지 않습니다.
이 엔드포인트에서 glm-5.2에 none을 보내도 사고 토큰이 생성될 수 있으므로 사고 끄기를 보장하지 않습니다.
시스템 프롬프트와 여러 턴의 대화
instructions: 시스템 지시문입니다. glm-5.3-flash는 input이 문자열일 때 이 필드를 지원합니다. 메시지 배열이면 첫 번째 role=system 메시지에 시스템 프롬프트를 넣으세요.
{
"model": "glm-5.3-flash",
"input": [
{
"role": "system",
"content": "간결한 한국어로 답하세요."
},
{
"role": "user",
"content": "암호 RED-583을 기억하세요"
},
{
"role": "assistant",
"content": "기억했습니다"
},
{
"role": "user",
"content": "암호가 무엇인가요? 암호만 답하세요."
}
],
"reasoning": {
"effort": "low"
},
"max_output_tokens": 1024
}
glm-5.3-flash와 glm-5.3-flashx는 store=true 및 previous_response_id로 대화를 이어갈 수 있습니다. glm-5.2는 응답 ID 기반 이어가기를 지원하지 않으며 store=true로도 활성화되지 않습니다. 대신 input에 전체 기록을 포함하세요.
이전 응답의 최상위 id입니다. glm-5.3-flash와 glm-5.3-flashx는 store=true 및 동일 모델에서 지원합니다. output 항목의 id가 아닌 응답 id를 그대로 전달하세요. glm-5.2는 이 필드에 400을 반환합니다. 모델을 바꾸는 대화에서는 이 필드를 생략하고 input에 전체 기록을 포함하세요.
스트리밍 응답
SSE 스트리밍을 켭니다. 본문은response.output_text.delta의 delta에서 읽습니다. 성공 종료 이벤트는 response.completed입니다. response.incomplete, response.failed 또는 error에서도 해당 턴을 종료하고 처리하세요. [DONE]이나 연결 종료만 기다리지 마세요.
| 이벤트 | 처리 방법 |
|---|---|
response.created / response.in_progress | 이번 턴을 시작합니다. |
response.output_text.delta | delta를 본문에 추가합니다. |
response.reasoning_text.delta / response.reasoning_summary_text.delta | 사고 내용을 본문과 분리하고 두 이벤트 형식을 모두 지원합니다. |
response.output_item.done | function_call 등 완전한 출력 항목을 수집합니다. |
response.completed | 생성이 끝났습니다. response.output과 response.usage를 읽습니다. |
response.incomplete / response.failed / error | 잘림 또는 오류를 처리하고 턴을 종료합니다. |
response.completed로 끝나더라도 애플리케이션이 함수를 실행하고 다음 요청을 보내야 할 수 있습니다.
함수 호출
요청 메뉴에서 함수 호출 예시를 선택하세요. Responses 함수 정의는 중첩하지 않는 구조입니다.{
"type": "function",
"name": "get_temperature",
"description": "지정한 도시의 기온을 반환합니다",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string"
}
},
"required": [
"city"
],
"additionalProperties": false
}
}
response.output을 순회하여type=function_call인 모든 항목을 찾습니다.- arguments JSON 문자열을 파싱·검증한 뒤 애플리케이션에서 각 함수를 실행합니다.
- 이전 output 전체를 기록에 추가합니다. 호출마다
function_call_output을 넣고 원래call_id와 문자열 output을 사용합니다. - 갱신한 기록을 다음 요청의 input으로 보냅니다. 함수 결과 반환 예시에서 이 구조를 확인할 수 있습니다.
parallel_tool_calls: 한 턴에서 여러 도구 호출을 허용할지 정합니다. false로 설정해도 함수 호출이 하나만 반환된다는 보장은 없습니다. 클라이언트는 모든 function_call을 순회하고 처리해야 합니다.이미지, 검색 및 JSON 출력
glm-5.3-flash와 glm-5.3-flashx에서는 사용자 메시지의 content 배열에 input_text와 input_image를 섞을 수 있습니다. image_url에 공개 이미지 URL 또는 Base64 Data URL을 전달하세요. glm-5.3과 glm-5.2에는 텍스트만 사용합니다.
tools: [{"type":"web_search"}]를 선언합니다. 검색은 서버에서 실행되며 web_search_call과 본문으로 결과를 반환합니다. 실제 검색 여부는 출력 항목에서 확인하세요. 검색에는 토큰 요금 외에 건당 요금이 발생할 수 있으므로 모델 가격을 참고하세요.
검색 후 대화를 이어가려면 web_search_call과 message를 포함한 이전 output 전체를 input에 추가한 다음 새 질문을 추가하세요. 원본 id, status, action 등의 필드를 그대로 유지하세요. 검색은 서버에서 이미 실행되었으므로 web_search_call에 대한 function_call_output은 만들 필요가 없습니다. web_search_history 요청 예시를 참고하세요.
text.format.type: 출력 형식입니다. text는 일반 텍스트, json_object는 JSON 객체입니다. json_object를 사용할 때는 프롬프트에서 유효한 JSON을 명시적으로 요청하고 클라이언트에서 파싱·검증하세요. 엄격한 JSON Schema 제약은 제공하지 않으므로 json_schema나 strict=true로 지정 구조를 보장할 수 없습니다.
응답과 사용량
순서가 있는 출력 항목입니다.type=message의 content에서 type=output_text인 항목의 text가 본문입니다. reasoning이 본문보다 먼저 올 수 있고 function_call 턴에는 본문이 없을 수도 있습니다. 항상 output[0]만 읽지 마세요.
output_text: 선택적인 본문 집계 필드로, 없을 수 있습니다. 범용 클라이언트는 output을 순회해야 합니다.
message에는 output_text, reasoning에는 reasoning_text가 올 수 있습니다. 사고 내용은 summary_text로도 반환될 수 있습니다. 모든 reasoning 항목에 content가 있다고 가정하지 마세요.
usage.input_tokens: 캐시 적중분을 포함한 전체 입력 토큰입니다.usage.input_tokens_details.cached_tokens: 입력 중 캐시에 적중한 토큰 수입니다.input_tokens에 다시 더하지 마세요. 접두사 캐시는 자동이며 명시적인cache_control이 필요하지 않습니다. 적중량은 반환된 값을 기준으로 확인하세요.usage.output_tokens: 사고 토큰을 포함한 전체 출력 토큰입니다.usage.output_tokens_details.reasoning_tokens: 출력 중 사고에 사용된 토큰 수입니다.output_tokens에 중복 계산하지 마세요. 이 상세 값은 없거나 0일 수 있습니다.
status=incomplete이고 incomplete_details.reason=max_output_tokens이면 예산이 소진된 것입니다. 사고만 있고 본문이 없을 수 있으므로 출력 상한을 늘리세요.인증
Authorization 헤더에 Bearer YOUR_API_KEY를 전달하세요.
본문
application/json
GLM 모델을 선택합니다. 네 모델 모두 이 엔드포인트의 텍스트 입력을 지원하며 선택 기능은 모델마다 다릅니다.
| 모델 ID | 입력 | 추론 관련 참고 사항 |
|---|---|---|
glm-5.3 | 텍스트 | 실제 수준은 low / high / max입니다. 호환 값은 reasoning을 참고하세요. 사고를 끌 수 없습니다. |
glm-5.3-flash | 텍스트, 이미지 | glm-5.3과 같습니다. 이미지는 input_image를 사용합니다. |
glm-5.3-flashx | 텍스트, 이미지 | glm-5.3과 같습니다. 이미지는 input_image를 사용합니다. |
glm-5.2 | 텍스트 | none이어도 사고 토큰이 생성될 수 있으며 사고 끄기를 보장하지 않습니다. |
사용 가능한 옵션:
glm-5.3, glm-5.3-flash, glm-5.3-flashx, glm-5.2 예시:
"glm-5.3-flash"
필수입니다. 텍스트 문자열 또는 Responses 입력 항목 배열입니다. 배열에는 메시지, 모델 출력의 재전송 항목, function_call_output을 포함할 수 있습니다. 여러 턴의 대화에서는 매번 전체 기록을 보낼 수 있습니다. 시스템 프롬프트는 첫 번째 role=system 메시지에 두는 것이 좋습니다. 이미지는 input_image를 사용하며 glm-5.3-flash와 glm-5.3-flashx만 지원합니다. Chat Completions의 messages / image_url 블록 형식을 사용하지 마세요.
예시:
"한 문장으로 자신을 소개해 주세요."
이번 생성의 출력 토큰 상한으로, 사고 토큰도 포함합니다. 1024부터 작업에 맞게 조정하세요. 너무 작으면 사고 중에 한도를 소진하여 본문 없이 reasoning 항목만 반환될 수 있습니다. status와 incomplete_details를 확인하세요. 매개변수 이름은 max_tokens가 아닌 max_output_tokens입니다.
필수 범위:
x >= 1예시:
1024
SSE 스트리밍을 켭니다. 본문은 response.output_text.delta의 delta에서 읽습니다. 성공 종료 이벤트는 response.completed입니다. response.incomplete, response.failed 또는 error에서도 해당 턴을 종료하고 처리하세요. [DONE]이나 연결 종료만 기다리지 마세요.
Responses는 최상위 reasoning_effort나 thinking 대신 중첩된 reasoning.effort를 사용합니다. 사고 사용량은 output_tokens에 포함됩니다. 간단한 작업에서 reasoning_tokens=0이 반환되어도 사고를 끌 수 있다는 뜻은 아닙니다.
Show child attributes
Show child attributes
시스템 지시문입니다. glm-5.3-flash는 input이 문자열일 때 이 필드를 지원합니다. 메시지 배열이면 첫 번째 role=system 메시지에 시스템 프롬프트를 넣으세요.
클라이언트 측 function 도구와 서버 측 web_search를 지원합니다. 함수는 name / description / parameters를 같은 계층에 선언하며 Chat Completions의 function 객체처럼 중첩하지 않습니다. 애플리케이션이 function_call을 실행하고 결과를 반환합니다. web_search는 서버에서 실행되며 실제 검색에는 토큰 요금 외에 호출당 요금이 발생할 수 있습니다. 모델 가격을 참고하세요.
- Option 1
- Option 2
Show child attributes
Show child attributes
auto는 모델이 선택하고, none은 도구를 사용하지 않으며, required는 도구 호출을 요구합니다. 특정 함수는 {"type":"function","name":"get_temperature"}로 지정합니다. 강제 선택 동작이 모든 모델과 도구 조합에서 동일하게 지원되는 것은 아닙니다.
사용 가능한 옵션:
auto, none, required 예시:
"auto"
한 턴에서 여러 도구 호출을 허용할지 정합니다. false로 설정해도 함수 호출이 하나만 반환된다는 보장은 없습니다. 클라이언트는 모든 function_call을 순회하고 처리해야 합니다.
출력 형식입니다. 예시는 json_object를 사용합니다. HTTP 200이 JSON Schema 준수를 보장하지는 않습니다.
Show child attributes
Show child attributes
응답을 저장하여 나중에 참조합니다. glm-5.3-flash와 glm-5.3-flashx는 store=true 및 previous_response_id로 대화를 이어갈 수 있습니다. glm-5.2는 응답 ID 기반 이어가기를 지원하지 않으며 store=true로도 활성화되지 않습니다. 대신 input에 전체 기록을 포함하세요.
이전 응답의 최상위 id입니다. glm-5.3-flash와 glm-5.3-flashx는 store=true 및 동일 모델에서 지원합니다. output 항목의 id가 아닌 응답 id를 그대로 전달하세요. glm-5.2는 이 필드에 400을 반환합니다. 모델을 바꾸는 대화에서는 이 필드를 생략하고 input에 전체 기록을 포함하세요.
예시:
"이전 턴에서 반환된 응답 ID"
사용자 지정 문자열 키-값 메타데이터로, 응답의 metadata에서 읽을 수 있습니다. 키나 민감한 정보를 넣지 마세요.
Show child attributes
Show child attributes
예시:
{ "conversation": "demo" }
샘플링 매개변수입니다. 유효 범위와 동작은 모델에 따라 다릅니다. 결정적인 출력을 보장하지 않으며 추론 작업에서는 생략할 수 있습니다.
샘플링 매개변수입니다. 유효 범위와 동작은 모델에 따라 다르며 보통 생략할 수 있습니다.
응답
생성이 완료되었거나 불완전한 결과가 반환되었습니다. status를 확인하세요. 스트리밍은 text/event-stream을 반환합니다.
이번 응답의 ID입니다. previous_response_id에 그대로 전달하세요.
예시:
"response_demo"
Allowed value:
"response"생성 시간이며 Unix 초 단위입니다.
예시:
"glm-5.3-flash"
completed는 이번 턴의 생성 종료를 의미하며 도구 호출만 있을 수도 있습니다. incomplete는 출력이 불완전함을 뜻합니다. output과 error를 함께 확인하세요.
사용 가능한 옵션:
completed, incomplete, failed, in_progress, queued 순서가 있는 출력 항목입니다. type=message의 content에서 type=output_text인 항목의 text가 본문입니다. reasoning이 본문보다 먼저 올 수 있고 function_call 턴에는 본문이 없을 수도 있습니다. 항상 output[0]만 읽지 마세요.
Show child attributes
Show child attributes
선택적인 본문 집계 필드로, 없을 수 있습니다. 범용 클라이언트는 output을 순회해야 합니다.
Show child attributes
Show child attributes
응답 오류이며 성공 시 보통 null입니다.
Show child attributes
Show child attributes
Show child attributes
Show child attributes