DEV Community

Cover image for كيفية استخدام GLM-5.3 API
Yusuf Khalidd
Yusuf Khalidd

Posted on Originally published at apidog.com

كيفية استخدام GLM-5.3 API

أصدرت Zhipu AI، التي تعمل دوليًا باسم Z.ai، نموذج GLM-5.3 في 14 أغسطس 2026. تركز الإصدارة على البرمجة والعمل كوكيل: تشير تقييمات Zhipu الداخلية إلى تحسن بنسبة 50% مقارنةً بـ GLM-5.2، وقفزت درجة Terminal-Bench 3.0 من 4.6 إلى 28.3. وتصف الشركة قدراته بأنها «تقترب من Claude Fable 5»، وفق تقرير الإطلاق من BigGo. من المتوقع إصدار الأوزان المفتوحة خلال نحو أسبوعين. لمراجعة القدرات والمعايير بالكامل، اقرأ ما هو GLM-5.3؛ أما هذا الدليل فيركز على تنفيذ أول استدعاء API.

جرّب Apidog اليوم

ستتعلم هنا كيفية إنشاء مفتاح API، وإرسال طلب عبر cURL، واستخدام Python وNode.js مع OpenAI SDK، وتفعيل البث، وضبط المعلمات، ثم تثبيت شكل الطلب واختباره في Apidog. واجهة API في Z.ai متوافقة مع OpenAI، لذا يمكن إعادة استخدام معظم كودك الحالي عبر تغيير base_url ومعرف النموذج.

تنبيه: أُطلق GLM-5.3 حديثًا، وقد تتغير المستندات بسرعة. المعلومات المرتبطة بالمستندات الرسمية موثقة وقت الكتابة، أما معرف النموذج وتفاصيل التسعير فيجب تأكيدها قبل استخدامها في الإنتاج.

ملخص سريع

  • أُطلق GLM-5.3 في 14 أغسطس 2026. تشير تقييمات Zhipu الداخلية إلى تحسن برمجي بنسبة 50% مقارنةً بـ GLM-5.2، وقفزة Terminal-Bench 3.0 من 4.6 إلى 28.3.
  • نقطة النهاية الدولية هي: 
  POST https://api.z.ai/api/paas/v4/chat/completions
Enter fullscreen mode Exit fullscreen mode

ونقطة نهاية الصين القارية هي:

  POST https://open.bigmodel.cn/api/paas/v4/chat/completions
Enter fullscreen mode Exit fullscreen mode
  • تستخدم المصادقة الرأس التالي: 
  Authorization: Bearer $GLM_API_KEY
Enter fullscreen mode Exit fullscreen mode
  • تعرض مستندات GLM-5 المعرف glm-5 وقت الكتابة. استخدم glm-5.3 للتجربة، لكن تحقق من المستندات قبل تثبيته في الإنتاج.
  • لم يُنشر تسعير API خاص بـ GLM-5.3 عند الإطلاق. للمقارنة، تعرض صفحة التسعير الرسمية أسعار GLM-5.2 وGLM-5.
  • من المتوقع توفر الأوزان المفتوحة على Hugging Face نحو 28 أغسطس 2026.
  • اختبر الطلبات في Apidog أولًا، واحفظ الاستجابات كبيانات وهمية لتجنب استهلاك الرموز عند تكرار الاختبارات.

لماذا GLM-5.3 مهم؟

لم يتغير النموذج الأساسي؛ تأتي مكاسب GLM-5.3 من تدريب لاحق موسع فوق GLM-5. ارتفعت نتيجة Terminal-Bench 3.0 من 4.6 إلى 28.3، وتحسن SWE-Marathon تقريبًا إلى الضعف مقارنةً بـ GLM-5.2.

تذكر أن هذه النتائج، بما فيها ادعاء التحسن بنسبة 50%، صادرة عن تقييمات Zhipu الداخلية. تعامل معها كادعاءات من المورّد إلى أن تُعاد نتائجها بواسطة جهات مستقلة.

مقارنة أداء GLM-5.3

تعتمد عائلة GLM-5 على تصميم مزيج من الخبراء (MoE)، بإجمالي 744 مليار معلمة ونحو 40 مليار معلمة نشطة لكل تمريرة أمامية، ونافذة سياق تصل إلى 200 ألف رمز، وفق مستندات Z.ai. هذه مواصفات للعائلة وليست بالضرورة مواصفات خاصة بإصدار 5.3.

إذا كانت الاستضافة الذاتية ضمن خطتك، فاستخدم API اليوم لإنشاء خط أساس للاختبارات والانحدار. يغطي دليل التحضير للاستضافة الذاتية لـ GLM-5.3 خطوات هذه المرحلة.

الحصول على مفتاح API

توجد منصتان حسب المنطقة:

  • Z.ai دوليًا: سجّل في z.ai، وافتح وحدة تحكم API وأنشئ مفتاحًا. راجع docs.z.ai للمستندات.
  • Bigmodel.cn في الصين القارية: استخدم open.bigmodel.cn. شكل API والمصادقة متشابهان، لكن المضيف والفوترة منفصلان.

احفظ المفتاح كمتغير بيئة بدلًا من وضعه في الكود:

export GLM_API_KEY="your-key-from-the-console"
Enter fullscreen mode Exit fullscreen mode

إذا كنت تستخدم خطة GLM Coding بدل فوترة API حسب الاستخدام، فقد تمت إعادة تعيين الحصص لجميع المستخدمين في 14 أغسطس.

نقطة النهاية والمصادقة

استخدم نقطة نهاية إكمال الدردشة الدولية:

POST https://api.z.ai/api/paas/v4/chat/completions
Enter fullscreen mode Exit fullscreen mode

وللصين القارية:

POST https://open.bigmodel.cn/api/paas/v4/chat/completions
Enter fullscreen mode Exit fullscreen mode

أضف رأس المصادقة إلى كل طلب:

Authorization: Bearer $GLM_API_KEY
Enter fullscreen mode Exit fullscreen mode

بفضل توافق OpenAI، يكون جسم الطلب مبنيًا على model وmessages، وتحتوي الاستجابة على choices وmessage وfinish_reason وusage.

مهم: تستخدم الأمثلة التالية glm-5.3 كمعرف للنموذج. إذا تلقيت خطأ مثل 404 أو معرف نموذج غير معروف، تحقق من مستندات GLM-5 وجرّب glm-5 عند الحاجة.

أول طلب باستخدام cURL

ابدأ باختبار بسيط لمراجعة كود:

curl "https://api.z.ai/api/paas/v4/chat/completions" \
  -H "Authorization: Bearer $GLM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "system",
        "content": "You are a code reviewer. Flag issues as blocking or non-blocking."
      },
      {
        "role": "user",
        "content": "Review this shell script for safety:\n\nrm -rf $BUILD_DIR/*\ncp dist/* $DEPLOY_TARGET"
      }
    ],
    "temperature": 0.3,
    "max_tokens": 1024
  }'
Enter fullscreen mode Exit fullscreen mode

اقرأ النص الناتج من:

choices[0].message.content
Enter fullscreen mode Exit fullscreen mode

وسجل استهلاك الرموز من:

usage.prompt_tokens
usage.completion_tokens
Enter fullscreen mode Exit fullscreen mode

للمهام متعددة الخطوات، يمكنك تفعيل وضع التفكير:

"thinking": { "type": "enabled" }
Enter fullscreen mode Exit fullscreen mode

فعّل thinking لمهام البرمجة والوكيل التي تتطلب استدلالًا متعدد المراحل، وتجنبه في مهام الاستخراج القصيرة لتقليل استهلاك الرموز.

بدء سريع في Python

ثبت حزمة OpenAI:

pip install --upgrade openai
Enter fullscreen mode Exit fullscreen mode

ثم وجّه العميل إلى مضيف Z.ai:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["GLM_API_KEY"],
    base_url="https://api.z.ai/api/paas/v4",
)

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {
            "role": "system",
            "content": "You are a code reviewer. Flag issues as blocking or non-blocking.",
        },
        {
            "role": "user",
            "content": (
                "Review this Flask route for security issues:\n\n"
                "@app.route('/user/<id>')\n"
                "def get_user(id):\n"
                "    return db.execute(f'SELECT * FROM users WHERE id = {id}')"
            ),
        },
    ],
    temperature=0.3,
    max_tokens=2048,
)

print(response.choices[0].message.content)
print("input tokens:", response.usage.prompt_tokens)
print("output tokens:", response.usage.completion_tokens)
Enter fullscreen mode Exit fullscreen mode

سجل كتلة usage من البداية. في غياب تسعير رسمي خاص بـ GLM-5.3، تمنحك أعداد الرموز تقديرًا أفضل للتكلفة المتوقعة.

بدء سريع في Node.js

استخدم حزمة openai نفسها:

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.GLM_API_KEY,
  baseURL: "https://api.z.ai/api/paas/v4",
});

const response = await client.chat.completions.create({
  model: "glm-5.3",
  messages: [
    {
      role: "system",
      content:
        "You are a terminal automation agent. Return each step as a shell command with a one-line rationale.",
    },
    {
      role: "user",
      content:
        "A Node service on port 3000 stopped responding after a deploy. Give me a diagnosis sequence.",
    },
  ],
  temperature: 0.3,
  max_tokens: 2048,
});

console.log(response.choices[0].message.content);
Enter fullscreen mode Exit fullscreen mode

إذا كان تطبيقك يستخدم OpenAI بالفعل، لا تحتاج إلى عميل موازٍ أو إعادة كتابة. أنشئ نسخة ثانية من OpenAI باستخدام baseURL الخاص بـ Z.ai، ثم وجه الطلبات حسب المهمة أو نتيجة الاختبارات.

البث Streaming

تدعم المستندات البث عبر المعلمة القياسية stream.

مثال Python:

stream = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {
            "role": "user",
            "content": "Explain the N+1 query problem with a concrete ORM example.",
        }
    ],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)
Enter fullscreen mode Exit fullscreen mode

عند استخدام HTTP مباشرة، أضف:

"stream": true
Enter fullscreen mode Exit fullscreen mode

ثم حلل أحداث SSE. يحمل كل سطر يبدأ بـ data: جزءًا من الاستجابة بتنسيق قريب من أجزاء OpenAI.

نقطتان عمليتان:

  1. قد تصل بيانات usage عند أو بعد الجزء الأخير، لذا لا تحسب تكلفة الاستدعاء قبل إغلاق البث.
  2. عند تفعيل thinking، قد يزداد زمن أول رمز مرئي لأن النموذج ينفذ استدلالًا قبل إنشاء الإجابة.

المعلمات المهمة

المعلمة النوع الاستخدام العملي
max_tokens عدد صحيح يحدد الحد الأقصى لطول الإخراج، وهو رافعة التكلفة الأساسية.
temperature رقم استخدم 0.2 إلى 0.4 للكود والاستخراج، و0.7+ للكتابة المفتوحة.
thinking كائن استخدم {"type": "enabled"} لمهام الاستدلال متعددة الخطوات.
stream منطقي يعيد أحداث SSE بدل استجابة واحدة.
messages مصفوفة تستخدم أدوار OpenAI القياسية: system وuser وassistant.

لم تُنشر أسعار GLM-5.3 عند الإطلاق. راجع دائمًا صفحة التسعير الرسمية. وقت الكتابة، كانت الأسعار المرجعية كالتالي:

  • GLM-5.2: 1.40 دولار لكل مليون رمز إدخال، و4.40 دولار لكل مليون رمز إخراج.
  • GLM-5: 1.00 دولار لكل مليون رمز إدخال، و3.20 دولار لكل مليون رمز إخراج.

تشير المعلومات المتاحة إلى خصومات تتراوح بين 80% و85% للمدخلات المخزنة مؤقتًا في نماذج GLM المدفوعة. لذلك، حافظ على تعليمات النظام المتكررة مستقرة لتحسين احتمالات الاستفادة من التخزين المؤقت. لمزيد من ممارسات التحكم في التكلفة، راجع تحليل زيادة أسعار DeepSeek.

اختبر GLM-5.3 في Apidog قبل كتابة كود التطبيق

اختبار المطالبات عبر السكربتات فقط يبطئ دورة التطوير: تعدّل الكود، تعيد التشغيل، تراجع الناتج، ثم تكرر العملية مع استهلاك رموز في كل مرة. استخدم Apidog لتثبيت الطلبات ومقارنتها قبل دمجها في التطبيق.

نفذ الإعداد التالي:

  1. أنشئ مشروعًا وطلبًا لإكمال الدردشة.

    أضف طلب POST /chat/completions يدويًا، أو استورد مواصفة متوافقة مع OpenAI.

  2. أنشئ بيئتين إقليميتين.

    أنشئ zai-international وbigmodel-mainland، ثم عيّن عنوان URL الأساسي لكل بيئة:

   https://api.z.ai/api/paas/v4
Enter fullscreen mode Exit fullscreen mode 
   https://open.bigmodel.cn/api/paas/v4
Enter fullscreen mode Exit fullscreen mode

أضف المصادقة على مستوى البيئة:

   Authorization: Bearer {{GLM_API_KEY}}
Enter fullscreen mode Exit fullscreen mode
  1. استخدم متغيرًا لمعرف النموذج. عيّن مثلًا: 
   {{GLM_MODEL}} = glm-5.3
Enter fullscreen mode Exit fullscreen mode

بهذه الطريقة، يمكنك التبديل إلى glm-5 أو glm-5.2 دون تعديل كل الطلبات المحفوظة.

  1. قارن وضع التفكير.

    انسخ الطلب، وفعل thinking في نسخة واحدة فقط، ثم قارن زمن الاستجابة وجودة الناتج وusage باستخدام المطالبة نفسها.

  2. اختبر البث.

    أرسل طلبًا مع stream: true وراقب أجزاء SSE وزمن أول رمز.

  3. احفظ الاستجابات الناجحة كأمثلة.

    استخدمها كبيانات وهمية في الاختبارات اللاحقة بدل استدعاء API المباشر عند عدم الحاجة.

بعد ذلك، حوّل الطلبات إلى سيناريوهات اختبار تحتوي على تأكيدات لـ finish_reason ومخطط الاستجابة واستهلاك الرموز. للمزيد حول هذا الأسلوب، راجع دليل اختبار API لمهندسي ضمان الجودة.

معالجة الأخطاء وحدود المعدل

توقع أخطاءً على نمط OpenAI، عبر كائن error يحتوي عادةً على message وtype وcode.

الأخطاء الشائعة:

  • 401: مفتاح API مفقود أو غير صالح أو ملغى.
  • 400: جسم طلب غير صحيح أو معرف نموذج غير معروف.
  • 429: تجاوز حد المعدل.
  • 5xx: خطأ مؤقت من الخادم.

نفذ هذه الممارسات:

  1. أضف إعادة محاولة بتأخير أسي متذبذب لأخطاء 429 و5xx.
  2. لا تعتمد على أرقام حدود معدل من منشورات المدونات. راجع المستندات الرسمية للحصول على الحدود الحية.
  3. ضع معرف النموذج في الإعدادات. إذا ظهرت مشكلة سلوكية في 5.3، يجب أن يكون الرجوع إلى glm-5.2 تغيير إعداد لا نشرًا جديدًا.

يمكن تطبيق نمط التصحيح نفسه المستخدم في اختبار وتصحيح API Grok، لأن الواجهتين تتبعان نمط OpenAI.

الأسئلة الشائعة

ما هو معرف النموذج لـ GLM-5.3 API؟

استخدم glm-5.3 للتجربة، بناءً على نمط glm-5.2 وglm-5.1. لكن مستندات GLM-5 كانت تعرض glm-5 وقت الكتابة، لذا تحقق قبل تثبيت المعرف في الإنتاج، واحتفظ به كمتغير إعداد.

هل يعمل GLM-5.3 API مع OpenAI SDK؟

نعم. اضبط base_url أو baseURL إلى:

https://api.z.ai/api/paas/v4
Enter fullscreen mode Exit fullscreen mode

ثم استخدم مفتاح Z.ai الخاص بك. شكل الطلب والاستجابة والبث متوافق مع نمط إكمال الدردشة في OpenAI.

كم تبلغ تكلفة GLM-5.3 API؟

لم تنشر Zhipu سعرًا خاصًا بـ GLM-5.3 عند إطلاقه في 14 أغسطس 2026. استخدم صفحة التسعير الرسمية كمصدر مرجعي، وتجنب الاعتماد على تخمينات الأسعار من جهات خارجية.

كيف يقارن GLM-5.3 بـ Claude وGPT؟

تضع تقييمات Zhipu الداخلية قدراته في البرمجة والعمل كوكيل بالقرب من Claude Fable 5. كما تشير إلى CyberGym بنسبة 84.5% وExploitBench بنسبة 54.4%. هذه أرقام صادرة عن المورّد، لذا اختبر النموذج على بياناتك ومهامك الفعلية. للمقارنات بين النماذج، راجع مقارنتنا بين Grok 4.6 وGPT-5.6 وClaude Fable 5.

هل يمكنني تشغيل GLM-5.3 محليًا بدلًا من استخدام API؟

ليس بعد، وفق المعلومات المذكورة عند الإطلاق. تتوقع Zhipu نشر الأوزان المفتوحة بعد نحو أسبوعين، قرب 28 أغسطس 2026، على منظمة Hugging Face الخاصة بها. وبسبب تصميم MoE ذي 744 مليار معلمة، تتطلب الاستضافة الذاتية موارد خوادم كبيرة، لا جهازًا محمولًا عاديًا.

مكان GLM-5.3 في حزمتك التقنية

إذا كنت تبني وكلاء أو أدوات برمجية أو حلقات أتمتة للطرفية، فاختبر GLM-5.3 على مطالباتك الحقيقية. يجعل توافق OpenAI عملية التقييم منخفضة التكلفة من ناحية التكامل: بدّل عنوان URL الأساسي، مرر مفتاح API، وضع معرف النموذج في الإعدادات.

ابدأ بهذا التسلسل:

  1. أنشئ مفتاح API.
  2. نفذ طلب cURL.
  3. اختبر الطلب في Apidog ضمن البيئتين الإقليميتين.
  4. قارن thinking مفعّلًا ومعطّلًا باستخدام بياناتك.
  5. احفظ الاستجابات المرجعية كاختبارات انحدار.
  6. انقل الطلب المستقر إلى Python أو Node.js.

Top comments (0)