Z.ai: GLM 5.3 (batch)

GLM 5.3 (batch) é um modelo de texto da Z.ai, listado em api14 sob o id de modelo z-ai/glm-5.3:batch. A Z.ai descreve-o como um modelo de raciocínio de grande escala criado para engenharia de software complexa e tarefas de agente de longo horizonte. A variante batch é a versão que você chama através deste endpoint, e mantém o mesmo perfil de entrada e saída apenas de texto que o modelo base.

O modelo aceita texto e retorna texto, por isso serve para trabalho de geração, análise e transformação de texto, e não para tarefas de imagem ou áudio. A sua janela de contexto é de 1.048.576 tokens, o que é suficiente para conter documentos muito longos, históricos de conversa extensos ou bases de código consideráveis num único pedido. A saída máxima é de 131.072 tokens, pelo que respostas longas, alterações de código em vários ficheiros e traços de raciocínio extensos são possíveis numa só chamada. O comportamento de raciocínio é exposto através de parâmetros como reasoning, reasoning_effort e include_reasoning, o que permite controlar se o conteúdo de raciocínio é devolvido juntamente com a resposta final.

Essas capacidades apontam para alguns usos práticos. Tarefas de engenharia de software são uma escolha natural: ler vários ficheiros, seguir dependências e produzir patches ou refatorações que abrangem uma base de código grande. O trabalho de agente de longo horizonte é outro, em que o modelo planeia ao longo de muitos passos e chama ferramentas à medida que avança. Como a janela de contexto é grande, também pode usá-lo para trabalho com muitos documentos, como resumir ou consultar relatórios, contratos ou transcrições longas sem os dividir primeiro. A extração estruturada e a classificação também são suportadas, uma vez que o modelo aceita response_format e structured_outputs.

Chamá-lo através de api14 funciona da mesma forma que qualquer chat completion compatível com OpenAI: envie o seu pedido para o endpoint de chat completions com o campo model definido como z-ai/glm-5.3:batch. Os parâmetros suportados são frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k e top_p. O uso de ferramentas está disponível através de tools e tool_choice, e a amostragem pode ser ajustada com temperature, top_p, top_k, min_p e os parâmetros de penalização. Use max_tokens para limitar a saída e seed quando precisar de amostragem repetível.

Dois limites merecem atenção antes de avançar. A entrada e a saída são apenas de texto, por isso, se a sua tarefa depende de imagens, áudio ou outras modalidades, será necessário um modelo diferente. A designação batch também significa que esta é a entrada orientada para batch e não uma entrada interativa, por isso verifique se o seu perfil de latência se adequa à sua aplicação. Para cargas de trabalho que se ajustam a texto de entrada e texto de saída, no entanto, a combinação de um contexto de 1M de tokens e um teto de saída de 131k tokens cobre uma ampla variedade de tarefas de contexto longo e agênticas.