GLM 5.2 | EmpirioLabs AI Docs

Z.ai · Text Generation

/v1/chat/completions

Modelo de raciocínio e codificação com um contexto de token de 1M, saída de 128K, esforço de raciocínio ajustável, busca nativa na web e chamada de ferramentas.

De um olhar

Campo	Valor
ID do modelo	`glm-5-2`
Data de lançamento do modelo	2026-06-16
Modalidades de entrada	Texto
Modalidades de saída	Texto
Janela de contexto	1M
Precisão do peso	-
Tokens de saída máxima	131,072
Região	Singapura
Características	Raciocínio, function_calling, structured_output, web_search
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	$1.40
Produção	por 1M de tokens gerados	$4.40
Busca na Web	por pedido	$0.033

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-5-2", "messages": [{"role":"user","content":"Hello"}]}'

Parâmetros

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
`max_tokens`	inteiro	Não	`65536`	Número máximo de tokens de saída a serem gerados. · Intervalo: 1 – 131072
`temperature`	Número	Não	`1`	Controla a aleatoriedade. Valores mais baixos tornam as respostas mais determinísticas. · Intervalo: 0 – 1
`top_p`	Número	Não	`0.95`	Corte de amostragem do núcleo. · Alcance: 0,01 – 1
`reasoning_effort`	enum	Não	`"max"`	Esforço de raciocínio GLM-5.2. nenhum impede o pensamento; Mínimo até Max define o quanto o modelo raciocina antes de responder. O Max é recomendado para codificação complexa. · Permitidos: `none`, `minimal`, `low`, `medium`, `high`, `xhigh`, `max`
`enable_thinking`	Booleano	Não	Verdade	Permita que o modelo raciocine antes de responder. Desligue para respostas com menor latência ou saída estruturada estrita.
`do_sample`	Booleano	Não	Verdade	Ative a amostragem. Desligue para saída determinística gulosa (temperatura e top_p são ignoradas).
`tool_web_search`	Booleano	Não	falso	Ative a busca web embutida. Adiciona $0.033 por requisição quando usado.
`search_recency_filter`	enum	Não	`"noLimit"`	Limite os resultados da busca na web a uma janela de recência. · Permitido: `oneDay`, `oneWeek`, `oneMonth`, `oneYear`, `noLimit`
`count`	inteiro	Não	`10`	Número de resultados de busca na web para recuperar quando a busca na web está ativada. · Intervalo: 1 – 50
`search_domain_filter`	String	Não	-	Restringa a busca na web a um domínio específico.
`search_prompt`	String	Não	-	Prompt opcional usado para resumir os resultados de busca web recuperados.
`search_result`	Booleano	Não	Verdade	Retorne os metadados dos resultados da busca web na resposta quando a busca na web estiver habilitada.
`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.
`response_format`	Objeto	Não	-	Modo JSON compatível com OpenAI. Use o Thinking Disabled para uma saída estruturada e estritamente estruturada.
`stop`	Arranjo	Não	-	Sequências opcionais de paradas (até 4).

Variantes

`:variant1`

Campo	Valor
ID do modelo	`glm-5-2:variant1`
Data de lançamento do modelo	2026-06-16
Região	Alemanha
Janela de contexto	1M
Precisão do peso	-
Tokens de saída máxima	131,072
Características	Raciocínio, function_calling, structured_output, cache
Inferência nativa	Não
Endpoints suportados	`POST /v1/chat/completions`, `POST /v1/responses`, `POST /v1/messages`

Preço

Carga	Especificação	Taxa
Entrada	por 1M de tokens de prompt	$1.10 (era $1.40)
Produção	por 1M de tokens gerados	$3.851 (era $4.40)
Leitura implícita do cache	por 1M de tokens de entrada cacheados	$0.275

Parâmetros

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
`temperature`	Número	Não	`0.7`	Temperatura de amostragem. 0 = determinística, 2 = aleatoriedade máxima. · Intervalo: 0 – 2
`top_p`	Número	Não	`0.9`	Amostragem do núcleo com a probabilidade de massa. Menor = mais focado. · Intervalo: 0 – 1
`max_tokens`	Número	Não	`4096`	Tokens de saída máximos. · Intervalo: 1 – 131072
`stop`	String	Não	-	Até 4 strings em que o modelo para de gerar mais tokens.
`enable_thinking`	Booleano	Não	Verdade	Ative step-by-step raciocínio antes de responder.
`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`
`thinking_budget`	Número	Não	`32768`	Tokens máximos reservados para o processo de raciocínio. Até 131072. · Intervalo: 1 – 131072

Machine esquema legível: GET https://api.empiriolabs.ai/v1/models/glm-5-2.