افزودن مدل پرچم‌دار جدید: GLM-5.3

تاریخ: ۱۴۰۵-۰۵-۲۷ / (2026-08-18)

خلاصه

مدل پرچم‌دار جدید Z.AI با شناسه glm-5.3 اکنون برای کدنویسی پیچیده، وظایف عاملی بلندمدت و تحلیل امنیتی از طریق AvalAI در دسترس است. این مدل از نقاط پایانی v1/chat/completions و v1/messages پشتیبانی می‌کند و برای v1/responses پشتیبانی جزئی دارد.

---

جزئیات

Z.AI GLM-5.3

مدل glm-5.3 از همان مدل پایه GLM-5.2 استفاده می‌کند و با آموزش تکمیلی بیشتر، توانایی‌های کدنویسی، عاملی و امنیت سایبری را بهبود می‌دهد. این مدل برای کارهای مهندسی گسترده‌ای طراحی شده است که در نشست‌های طولانی به برنامه‌ریزی، پیاده‌سازی، آزمایش، استفاده از ابزار و راستی‌آزمایی نیاز دارند.

ویژگی‌های کلیدی:

• کدنویسی قوی‌تر: Z.AI بهبود ۵۰٪ نسبت به GLM-5.2 را در معیار داخلی Z.ai Code Bench گزارش می‌کند
• عامل‌های بلندمدت: عملکرد بهتر در گردش‌کارهای چندمرحله‌ای مهندسی و پژوهشی
• تحلیل امنیت سایبری: کشف بهتر آسیب‌پذیری و استدلال درباره زنجیره بهره‌برداری؛ فقط در محیط‌های مجاز استفاده شود
• زمینه بزرگ: حداکثر ۱٬۰۰۰٬۰۰۰ توکن ورودی و ۱۲۸٬۰۰۰ توکن خروجی
• تفکر اجباری: تفکر را نمی‌توان غیرفعال کرد؛ reasoning_effort مقدارهای low، high یا max را می‌پذیرد
• قابلیت‌های توسعه‌دهنده: فراخوانی تابع، خروجی ساختاریافته، پاسخ جریانی و کش زمینه
• مناسب برای: کدنویسی عاملی، مهندسی در مقیاس مخزن، خودکارسازی بلندمدت و پژوهش امنیتی مجاز

نکات برجسته بنچمارک به گزارش Z.AI

ارزیابی	GLM-5.3	GLM-5.2
Terminal-Bench 3.0	28.3	4.6
DeepSWE v1.1	66.9	46.2
Agents' Last Exam	28.5	23.8
CyberGym	84.5	77.2
ExploitBench	54.4	24.4

نتایج بنچمارک شواهد جهت‌دهنده هستند. پیش از هدایت ترافیک محیط تولید، مدل را با مخزن‌ها، ابزارها، کنترل‌های امنیتی و معیارهای پذیرش متناسب با کاربرد خود ارزیابی کنید.

دسترسی نقاط پایانی

نقطه پایانی	پشتیبانی	توضیحات
v1/chat/completions	پشتیبانی می‌شود	Chat Completions سازگار با OpenAI
v1/messages	پشتیبانی می‌شود	Messages API سازگار با Anthropic
v1/responses	پشتیبانی جزئی	پارامترها و ابزارهای موردنیاز را پیش از استفاده در محیط تولید بررسی کنید

---

قیمت‌گذاری

قیمت‌ها به دلار آمریکا و به ازای ۱ میلیون توکن هستند.

ورودی	ورودی کش‌شده	خروجی
$1.40	$0.26	$4.40

برای مشاهده نرخ‌های فعلی و محدودیت سطح‌های حساب، صفحه قیمت‌گذاری را ببینید.

---

پیکربندی تفکر و مهاجرت

GLM-5.3 همیشه از تفکر استفاده می‌کند. مقدار پیش‌فرض reasoning_effort برابر max است؛ برای کارهای دشوار کدنویسی مقدار max پیشنهاد می‌شود و برای درخواست‌های ساده‌تر می‌توان با low عمق استدلال را کاهش داد.

{
  "model": "glm-5.3",
  "thinking": {
    "type": "enabled"
  },
  "reasoning_effort": "max"
}

اگر درخواست فعلی GLM مقدار thinking.type: "disabled" را می‌فرستد، پیش از تغییر شناسه مدل به glm-5.3 آن را به enabled تغییر دهید؛ در غیر این صورت درخواست با خطا روبه‌رو می‌شود. برنامه‌هایی که به کمترین سطح تفکر نیاز دارند باید reasoning_effort را روی low تنظیم کنند.

---

نمونه درخواست و پاسخ API

درخواست

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "این سرویس را از نظر خطاهای هم‌زمانی بررسی کن، راه‌حلی ایمن پیشنهاد بده و آزمایش‌های لازم برای تأیید تغییر را تعریف کن."
      }
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "max"
  }'

پاسخ

نمونه کوتاه‌شده زیر ساختار استاندارد Chat Completions را نشان می‌دهد. تعداد توکن‌ها و هزینه با توجه به درخواست و خروجی تولیدشده تغییر می‌کند.

{
  "id": "chatcmpl-glm53-example",
  "created": 1787083200,
  "model": "glm-5.3",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "نگاشت مشترک بدون همگام‌سازی تغییر می‌کند. نوشتن را با قفل محافظت کنید، خواندن را روی یک snapshot تغییرناپذیر انجام دهید و پیش از استقرار، آزمایش‌های race، لغو و بازگشت را اضافه کنید.",
        "role": "assistant",
        "thinking_blocks": [],
        "annotations": []
      }
    }
  ],
  "usage": {
    "completion_tokens": 164,
    "prompt_tokens": 31,
    "total_tokens": 195,
    "completion_tokens_details": null,
    "prompt_tokens_details": {
      "audio_tokens": null,
      "cached_tokens": null,
      "text_tokens": 31,
      "image_tokens": null
    }
  },
  "estimated_cost": {
    "unit": "0.0007644000",
    "irt": 87.6,
    "exchange_rate": 114600
  }
}

---

نمونه‌های استفاده از SDK

Bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "برای بازآرایی مرحله‌ای این مخزن برنامه‌ریزی کن و مراحل راستی‌آزمایی و بازگشت را نیز بنویس."
      }
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "max"
  }'

Python

from openai import OpenAI

client = OpenAI(
    api_key="your-avalai-api-key",
    base_url="https://api.avalai.ir/v1",
)

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[
        {
            "role": "user",
            "content": "برای بازآرایی مرحله‌ای این مخزن برنامه‌ریزی کن و مراحل راستی‌آزمایی و بازگشت را نیز بنویس.",
        }
    ],
    extra_body={
        "thinking": {"type": "enabled"},
        "reasoning_effort": "max",
    },
)

print(response.choices[0].message.content)

JavaScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.chat.completions.create({
  model: "glm-5.3",
  messages: [
    {
      role: "user",
      content: "برای بازآرایی مرحله‌ای این مخزن برنامه‌ریزی کن و مراحل راستی‌آزمایی و بازگشت را نیز بنویس.",
    },
  ],
  thinking: { type: "enabled" },
  reasoning_effort: "max",
});

console.log(response.choices[0].message.content);

---

راهنمای مهاجرت

• از شناسه دقیق glm-5.3 استفاده کنید.
• هنگام مهاجرت یکپارچه‌سازی‌های فعلی GLM، هر پیکربندی غیرفعال‌کننده تفکر را حذف کنید و thinking.type: "enabled" را بفرستید.
• برای reasoning_effort یکی از مقدارهای low، high یا max را انتخاب کنید؛ برای کدنویسی دشوار از max استفاده کنید.
• بودجه توکن و تأخیر را ارزیابی کنید، زیرا استدلال عمیق‌تر می‌تواند توکن خروجی بیشتری مصرف کند.
• پیش از استفاده از نقطه پایانی v1/responses با پشتیبانی جزئی، همه پارامترها و ابزارهای موردنیاز را تأیید کنید.
• برای گردش‌کارهای حساس امنیتی، دسترسی با کمترین سطح مجوز، محیط ایزوله، گزارش ممیزی و بازبینی انسانی را اعمال کنید.

---

لینک‌های مرتبط

• مستندات مدل‌های Z.AI
• مرجع API تکمیل گفتگو
• مرجع Messages API
• راهنمای استدلال
• قیمت‌گذاری