GLM 5.1 | EmpirioLabs AI Docs

Z.ai · Text Generation

/v1/chat/completions

Modelo de raciocínio de IA Zhipu de longo contexto com contexto 202K, saída de 128K, chamada de ferramenta, saída estruturada e suporte a cache.

De um olhar

Campo	Valor
ID do modelo	`glm-5-1`
Data de lançamento do modelo	2026-04-07
Modalidades de entrada	Texto
Modalidades de saída	Texto
Janela de contexto	202K
Precisão do peso	-
Região	China
Características	Raciocínio, function_calling, structured_output, cache
Inferência nativa	Não
Novo	Sim
Endpoints suportados	`/v1/chat/completions`, `/v1/responses`, `/v1/messages`

Precificação

Carga	Especificação	Taxa
Entrada	por 1M de tokens de prompt	<=32K $0.825 (era $1.40); 32K-200K $1.10 (era $1.40)
Produção	por 1M de tokens gerados	<=32K $3.301 (era $4.40); 32K-200K $3.851 (era $4.40)
Leitura implícita do cache	por 1M de tokens de entrada cacheados	<=32K $0.165 (era $0.26); 32K-200K $0.22 (era $0.26)
Busca na Web (Linkup)	por chamada quando invocada	$0.013

Exemplo de pedido

$ curl https://api.empiriolabs.ai/v1/chat/completions \
>   -H 'Authorization: Bearer $EMPIRIOLABS_API_KEY' \
>   -H 'Content-Type: application/json' \
>   -d '{"model": "glm-5-1", "messages": [{"role":"user","content":"Hello"}]}'

Parâmetros

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
`max_tokens`	inteiro	Não	`4096`	Número máximo de tokens de saída a serem gerados. · Distribuição: 1 – 128000
`temperature`	Número	Não	`1`	Controla a aleatoriedade. Valores mais baixos tornam as respostas mais determinísticas. · Intervalo: 0 – 2
`top_p`	Número	Não	`0.95`	Corte de amostragem do núcleo. · Intervalo: 0 – 1
`top_k`	inteiro	Não	`20`	Limita a amostragem aos K tokens principais. · Intervalo: 1 – 100
`repetition_penalty`	Número	Não	`1`	Penaliza tokens repetidos. · Intervalo: 0,1 – 2
`reasoning_effort`	enum	Não	`"medium"`	Nível de esforço de raciocínio. Nenhum impede o pensamento. orçamentos limitados de pensamento de conjuntos baixos, médios, altos e máximos, dimensionados para o modelo selecionado. Enviado como um campo de reasoning_effort estilo OpenAI, traduzido em enable_thinking e thinking_budget para o serviço modelo. · Permitido: `none`, `low`, `medium`, `high`, `max`
`enable_thinking`	Booleano	Não	Verdade	Permita que o modelo raciocine antes de responder. Desative isso para saída estruturada estritamente.
`thinking_budget`	inteiro	Não	`32768`	Tokens máximos disponíveis para conteúdo de raciocínio quando o pensamento está ativado. · Intervalo: 1 – 38912
`tool_stream`	Booleano	Não	falso	Transmita argumentos de chamada de função de forma incremental ao transmitir.
`tools`	Arranjo	Não	`[]`	Definições de ferramentas de chamada de função compatíveis com OpenAI.
`tool_choice`	Objeto	Não	-	Controle de escolha de ferramentas compatível com OpenAI.
`parallel_tool_calls`	Booleano	Não	Verdade	Permita múltiplas chamadas de ferramenta em um único turno de assistente quando suportado.
`response_format`	Objeto	Não	-	Modo JSON compatível com OpenAI ou formato de resposta de esquema JSON. Use o modo não-pensar para esquemas estritos.
`stop`	Arranjo	Não	-	Sequências opcionais de paradas.
`web_search_linkup`	Booleano	Não	falso	Busca opcional na web alimentada pelo Linkup. Quando ativadas, fontes web recentes são recuperadas usando sua última mensagem de usuário como consulta e fornecidas ao modelo como contexto adicional. Adiciona uma $0.013 fixa por requisição além do custo normal do token do modelo. Desativado por padrão.
`disable_formatting`	Booleano	Não	falso	Quando ativado, o gateway não adiciona o rodapé “Fontes” às respostas assistentes que usaram busca web do Linkup. Útil quando a saída do modelo é canalizada para outro sistema que não espera decoração.

Machine esquema legível: GET https://api.empiriolabs.ai/v1/models/glm-5-1.