对话补全

curl --request POST \
  --url https://open.bigmodel.cn/api/paas/v4/chat/completions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "glm-5.3",
  "messages": [
    {
      "role": "system",
      "content": "你是编程助手，擅长写简洁高效的代码。"
    },
    {
      "role": "user",
      "content": "写一个 Python 函数，计算斐波那契数列第 n 项。"
    }
  ],
  "temperature": 1,
  "stream": false
}
'

{
  "id": "<string>",
  "request_id": "<string>",
  "created": 123,
  "model": "<string>",
  "choices": [
    {
      "index": 123,
      "message": {
        "role": "assistant",
        "content": "<string>",
        "reasoning_content": "<string>",
        "audio": {
          "id": "<string>",
          "data": "<string>",
          "expires_at": "<string>"
        },
        "tool_calls": [
          {
            "function": {
              "name": "<string>",
              "arguments": "<string>"
            },
            "mcp": {
              "id": "<string>",
              "type": "mcp_list_tools",
              "server_label": "<string>",
              "error": "<string>",
              "tools": [
                {
                  "name": "<string>",
                  "description": "<string>",
                  "annotations": {},
                  "input_schema": {
                    "type": "object",
                    "properties": {},
                    "required": [
                      "<string>"
                    ],
                    "additionalProperties": true
                  }
                }
              ],
              "arguments": "<string>",
              "name": "<string>",
              "output": {}
            },
            "id": "<string>",
            "type": "<string>"
          }
        ]
      },
      "finish_reason": "<string>"
    }
  ],
  "usage": {
    "prompt_tokens": 123,
    "completion_tokens": 123,
    "prompt_tokens_details": {
      "cached_tokens": 123
    },
    "total_tokens": 123
  },
  "video_result": [
    {
      "url": "<string>",
      "cover_image_url": "<string>"
    }
  ],
  "web_search": [
    {
      "icon": "<string>",
      "title": "<string>",
      "link": "<string>",
      "media": "<string>",
      "publish_date": "<string>",
      "content": "<string>",
      "refer": "<string>"
    }
  ],
  "content_filter": [
    {
      "role": "<string>",
      "level": 123
    }
  ]
}

{
  "error": {
    "code": "<string>",
    "message": "<string>"
  }
}

POST

paas

chat

completions

curl --request POST \
  --url https://open.bigmodel.cn/api/paas/v4/chat/completions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "glm-5.3",
  "messages": [
    {
      "role": "system",
      "content": "你是编程助手，擅长写简洁高效的代码。"
    },
    {
      "role": "user",
      "content": "写一个 Python 函数，计算斐波那契数列第 n 项。"
    }
  ],
  "temperature": 1,
  "stream": false
}
'

{
  "id": "<string>",
  "request_id": "<string>",
  "created": 123,
  "model": "<string>",
  "choices": [
    {
      "index": 123,
      "message": {
        "role": "assistant",
        "content": "<string>",
        "reasoning_content": "<string>",
        "audio": {
          "id": "<string>",
          "data": "<string>",
          "expires_at": "<string>"
        },
        "tool_calls": [
          {
            "function": {
              "name": "<string>",
              "arguments": "<string>"
            },
            "mcp": {
              "id": "<string>",
              "type": "mcp_list_tools",
              "server_label": "<string>",
              "error": "<string>",
              "tools": [
                {
                  "name": "<string>",
                  "description": "<string>",
                  "annotations": {},
                  "input_schema": {
                    "type": "object",
                    "properties": {},
                    "required": [
                      "<string>"
                    ],
                    "additionalProperties": true
                  }
                }
              ],
              "arguments": "<string>",
              "name": "<string>",
              "output": {}
            },
            "id": "<string>",
            "type": "<string>"
          }
        ]
      },
      "finish_reason": "<string>"
    }
  ],
  "usage": {
    "prompt_tokens": 123,
    "completion_tokens": 123,
    "prompt_tokens_details": {
      "cached_tokens": 123
    },
    "total_tokens": 123
  },
  "video_result": [
    {
      "url": "<string>",
      "cover_image_url": "<string>"
    }
  ],
  "web_search": [
    {
      "icon": "<string>",
      "title": "<string>",
      "link": "<string>",
      "media": "<string>",
      "publish_date": "<string>",
      "content": "<string>",
      "refer": "<string>"
    }
  ],
  "content_filter": [
    {
      "role": "<string>",
      "level": 123
    }
  ]
}

{
  "error": {
    "code": "<string>",
    "message": "<string>"
  }
}

Authorizations

Authorization

string

header

required

标准的 HTTP Bearer 认证方式，在 API Keys 页面获取密钥。

Body

application/json

文本模型
视觉模型
音频模型

普通对话模型请求，支持纯文本对话和工具调用

model

enum<string>

default:glm-5.3

required

调用的模型代码。GLM-5.3 是最新的旗舰模型系列，提供了复杂推理、超长上下文、极致推理速度。

Available options:

glm-5.3,

glm-5.2,

glm-5.1,

glm-5-turbo,

glm-5,

glm-4.7,

glm-4.7-flash,

glm-4.7-flashx,

glm-4.6,

glm-4.5-air,

glm-4.5-airx,

glm-4.5-flash,

glm-4-flash-250414,

glm-4-flashx-250414

Example:

"glm-5.3"

messages

(用户消息 · object | 系统消息 · object | 助手消息 · object | 工具消息 · object)[]

required

对话消息列表，包含当前对话的完整上下文信息。每条消息都有特定的角色和内容，模型会根据这些消息生成回复。消息按时间顺序排列，支持四种角色：system（系统消息，用于设定AI的行为和角色）、user（用户消息，来自用户的输入）、assistant（助手消息，来自AI的回复）、tool（工具消息，工具调用的结果）。普通对话模型主要支持纯文本内容。注意不能只包含系统消息或助手消息。

Minimum array length: 1

用户消息
系统消息
助手消息
工具消息

Show child attributes

stream

boolean

default:false

是否启用流式输出模式。默认值为 false。当设置为 false 时，模型会在生成完整响应后一次性返回所有内容，适合短文本生成和批处理场景。当设置为 true 时，模型会通过Server-Sent Events (SSE)流式返回生成的内容，用户可以实时看到文本生成过程，适合聊天对话和长文本生成场景，能提供更好的用户体验。流式输出结束时会返回 data: [DONE] 消息。

Example:

false

thinking

object

仅 GLM-4.5 及以上模型支持此参数配置. 控制大模型是否开启思维链。

Show child attributes

reasoning_effort

enum<string>

default:max

控制模型的推理程度，thinking 开启时生效，默认 max，仅 GLM-5.2 及其以上模型支持。对于 GLM-5.3 GLM-5.3-FLASH 模型，仅支持 low / high / max 档位。对于 GLM-5.2 模型，传入 none 或 minimal 模型会放弃思考；传入 low medium 将映射为 high；传入 xhigh 将映射为 max。

Available options:

max,

xhigh,

high,

medium,

low,

minimal,

none

Example:

"max"

do_sample

boolean

default:true

是否启用采样策略来生成文本。默认值为 true。当设置为 true 时，模型会使用 temperature、top_p 等参数进行随机采样，生成更多样化的输出；当设置为 false 时，模型总是选择概率最高的词汇，生成更确定性的输出，此时 temperature 和 top_p 参数将被忽略。对于需要一致性和可重复性的任务（如代码生成、翻译），建议设置为 false。

Example:

true

temperature

number<float>

default:1

采样温度，控制输出的随机性和创造性，取值范围为 [0.0, 1.0]，限两位小数。对于GLM-5.3 GLM-5.2 GLM-5.1 GLM-5 GLM-4.7 GLM-4.6系列默认值为 1.0，GLM-4.5系列默认值为 0.6，GLM-4系列默认值为 0.75。较高的值（如0.8）会使输出更随机、更具创造性，适合创意写作和头脑风暴；较低的值（如0.2）会使输出更稳定、更确定，适合事实性问答等场景。建议根据应用场景调整 top_p 或 temperature 参数，但不要同时调整两个参数。

Required range: 0 <= x <= 1

Example:

1

top_p

number<float>

default:0.95

核采样（nucleus sampling）参数，是temperature采样的替代方法，取值范围为 [0.01, 1.0]，限两位小数。对于GLM-5.3 GLM-5.2 GLM-5.1 GLM-5 GLM-4.7 GLM-4.6 GLM-4.5系列默认值为 0.95，GLM-4系列默认值为 0.9。模型只考虑累积概率达到top_p的候选词汇。例如：0.1表示只考虑前10%概率的词汇，0.9表示考虑前90%概率的词汇。较小的值会产生更集中、更一致的输出；较大的值会增加输出的多样性。建议根据应用场景调整 top_p 或 temperature 参数，但不建议同时调整两个参数。

Required range: 0.01 <= x <= 1

Example:

0.95

max_tokens

integer

模型输出的最大令牌token数量限制。GLM-5.3 GLM-5.2 GLM-5.1 GLM-5 GLM-4.7 GLM-4.6系列最大支持128K输出长度，GLM-4.5系列最大支持96K输出长度，建议设置不小于1024。令牌是文本的基本单位，通常1个令牌约等于0.75个英文单词或1.5个中文字符。设置合适的max_tokens可以控制响应长度和成本，避免过长的输出。如果模型在达到max_tokens限制前完成回答，会自然结束；如果达到限制，输出可能被截断。默认值和最大值等更多详见 max_tokens 文档

Required range: 1 <= x <= 131072

Example:

1024

tool_stream

boolean

default:false

是否开启流式响应Function Calls，仅限GLM-5.3 GLM-5.2 GLM-5.1 GLM-5 GLM-5-Turbo GLM-4.7 GLM-4.6系列支持此参数，默认值false。参考工具流式输出

Example:

false

tools

Function Call · object

Function Call · object[]
Retrieval · object[]
Web Search · object[]
MCP · object[]

Show child attributes

tool_choice

enum<string>

控制模型如何选择工具。

Available options:

auto

stop

string[]

停止词列表，当模型生成的文本中遇到这些指定的字符串时会立即停止生成。格式为["stop_word1"]。

Maximum array length: 4

response_format

object

指定模型的响应输出格式，默认为text，仅文本模型支持此字段。type 取值收敛为三种：text（普通文本输出）、json_object（JSON 格式输出）。

Show child attributes

request_id

string

请求唯一标识符。由用户端传递，ID长度要求：最少6个字符，最多64个字符，建议使用UUID格式确保唯一性，若未提供平台将自动生成。

Required string length: 6 - 64

user_id

string

终端用户的唯一标识符。ID长度要求：最少6个字符，最多128个字符，建议使用不包含敏感信息的唯一标识。

Required string length: 6 - 128

Response

业务处理成功

string

任务 ID

request_id

string

请求 ID

created

integer

请求创建时间，Unix 时间戳（秒）

model

string

模型名称

choices

object[]

模型响应列表

Show child attributes

usage

object

调用结束时返回的 Token 使用统计。

Show child attributes

video_result

object[]

视频生成结果。

Show child attributes

web_search

object[]

返回与网页搜索相关的信息，使用WebSearchToolSchema时返回

Show child attributes

content_filter

object[]

返回内容安全的相关信息

Show child attributes

API 指引

模型 API

工具 API

Managed Agents API (Beta)

Agent API

文件 API

批处理 API

知识库 API

实时 API

Authorizations

Body

Response