Comment utiliser glm-5.3 via l'API hiapi : curl, Python et une requête exécutable

Ce que vous allez construire

Une intégration exécutable qui appelle glm-5.3 via l'API Chat Completions compatible OpenAI de hiapi — une seule requête renvoie un véritable résultat de complétion, et met en lumière le piège le plus fréquent avec ce modèle : ses tokens de raisonnement consomment votre budget max_tokens.

Prérequis : une clé API hiapi. Obtenez-la depuis le dashboard — c'est simplement une chaîne sk-..., et la même clé fonctionne pour tous les modèles activés sur votre compte, pas seulement celui-ci.

Chaque requête et réponse ci-dessous a été réellement exécutée contre l'API en production au moment de la rédaction de cet article.

Exemple minimal exécutable

glm-5.3 est un modèle texte sur le point de terminaison standard Chat Completions — pas le flux asynchrone /v1/tasks que hiapi utilise pour les modèles d'image/vidéo/audio. Une requête, une réponse, aucune interrogation répétée.

curl https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-<your-api-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {"role": "user", "content": "Reply with exactly: OK"}
    ],
    "max_tokens": 200
  }'

Réponse (tronquée) :

{
  "id": "8be5f07603f0407c90734e8b4c2f02f0",
  "object": "chat.completion",
  "model": "glm-5.3",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "OK",
        "reasoning_content": "The user wants me to reply with exactly \"OK\" ..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 17,
    "completion_tokens": 35,
    "total_tokens": 52,
    "completion_tokens_details": { "reasoning_tokens": 32 }
  }
}

Le même appel en Python, avec uniquement requests :

import requests

resp = requests.post(
    "https://api.hiapi.ai/v1/chat/completions",
    headers={"Authorization": "Bearer sk-<your-api-key>"},
    json={
        "model": "glm-5.3",
        "messages": [
            {"role": "user", "content": "Reply with exactly: OK"}
        ],
        "max_tokens": 200,
    },
    timeout=60,
)
resp.raise_for_status()
data = resp.json()
print(data["choices"][0]["message"]["content"])
print(data["usage"])

Comme la structure est compatible OpenAI, ce code fonctionne aussi sans modification avec les SDK Python/JS officiels openai — il suffit de pointer base_url vers https://api.hiapi.ai/v1 et de passer votre clé hiapi.

Modes de production

Les tokens de raisonnement dévorent un budget max_tokens trop bas

glm-5.3 réfléchit toujours avant de répondre — chaque réponse porte un champ reasoning_content à côté de content, et aucun indicateur de requête ne permet de le désactiver. Ce contenu de raisonnement est décompté de max_tokens avant la réponse visible. Si vous fixez le budget trop bas, vous obtenez content: null et finish_reason: "length", car le modèle a dépensé tout son quota à réfléchir et n'est jamais arrivé à l'étape de rédaction de la réponse :

{
  "choices": [{
    "message": { "content": null, "reasoning_content": "The user has given a very simple instruction: \"" },
    "finish_reason": "length"
  }],
  "usage": { "completion_tokens": 10, "completion_tokens_details": { "reasoning_tokens": 9 } }
}

Même avec un prompt simple, laissez une marge confortable (200+ tokens est un plancher sûr), et vérifiez toujours finish_reason avant de faire confiance à content — "length" signifie que la réponse a été tronquée, voire qu'elle n'a peut-être même pas commencé.

Sortie en streaming

Définissez "stream": true et lisez les Server-Sent Events. Le contenu de raisonnement et le texte de la réponse arrivent sous forme de champs delta distincts — d'abord les blocs delta.reasoning_content, puis delta.content quand le modèle commence sa réponse réelle — et le flux se termine sur le dernier bloc avec finish_reason: "stop" :

curl https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-<your-api-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3",
    "messages": [{"role": "user", "content": "Count to 3."}],
    "max_tokens": 200,
    "stream": true
  }'

data: {"choices":[{"delta":{"role":"assistant","content":"","reasoning_content":null},"finish_reason":null}]}

data: {"choices":[{"delta":{"content":null,"reasoning_content":"The"},"finish_reason":null}]}

data: {"choices":[{"delta":{"content":"1, ","reasoning_content":null},"finish_reason":null}]}

data: {"choices":[{"delta":{"content":"2, 3.","reasoning_content":null},"finish_reason":null}]}

data: {"choices":[{"delta":{},"finish_reason":"stop"}]}

Si vous diffusez en streaming vers une UI, acheminez reasoning_content et content vers des panneaux distincts au lieu de les concaténer — ce ne sont pas les mêmes flux de texte.

Appel d'outils

L'appel de fonctions suit la structure OpenAI standard. Déclarez tools ; lorsque le modèle décide d'appeler un outil, finish_reason revient avec "tool_calls" et un tableau tool_calls rempli (il raisonne toujours d'abord, donc reasoning_content apparaît aussi) :

{
  "message": {
    "role": "assistant",
    "content": null,
    "reasoning_content": "The user wants to know the weather in Paris. I have a tool available for that. Let me call it.",
    "tool_calls": [{
      "id": "call_12e21fe488f046bc9edb4488",
      "type": "function",
      "function": { "name": "get_weather", "arguments": "{\"city\": \"Paris\"}" }
    }]
  },
  "finish_reason": "tool_calls"
}

Au tour suivant, renvoyez le message tool_calls de l'assistant ainsi qu'un message de résultat avec role: "tool", comme dans toute intégration compatible OpenAI.

Gestion des erreurs

Une clé invalide ou absente renvoie un HTTP 401 avec une structure d'erreur cohérente — vérifiez le code de statut avant d'analyser choices :

{
  "error": {
    "code": "permission_denied",
    "message": "This API key is invalid. Check that it is correct or use another API key and try again.",
    "type": "hiapi_error"
  }
}

Ressources associées

• Page du modèle glm-5.3 — capacités et disponibilité actuelle
• Tarifs hiapi — tarif actuel par token
• Dashboard des clés API — créer et gérer des clés
• Comment utiliser kimi-k3 via l'API hiapi — un autre modèle texte Chat Completions sur hiapi
• Comment utiliser deepseek-v4.1-flash via l'API hiapi — même schéma d'intégration, modèle différent

Questions fréquentes

glm-5.3 prend-il en charge le streaming ? Oui — définissez "stream": true et lisez les blocs SSE. Le contenu de raisonnement et le contenu de la réponse sont diffusés sous forme de champs delta distincts.

Pourquoi content est-il null dans ma réponse ? Presque toujours parce que le budget max_tokens est trop petit pour couvrir à la fois le raisonnement et la réponse. Vérifiez finish_reason : "length" signifie que la réponse a été tronquée avant (ou pendant) la vraie réponse. Augmentez max_tokens.

Puis-je désactiver l'étape de raisonnement ? Non, pas via un paramètre de requête — glm-5.3 raisonne avant chaque réponse, et reasoning_content est toujours rempli. Prévoyez un budget pour lui plutôt que d'essayer de le désactiver.

glm-5.3 prend-il en charge l'appel de fonctions/outils ? Oui, avec la structure standard OpenAI tools / tool_calls, vérifiée sur le point de terminaison en production.

Puis-je utiliser le SDK OpenAI officiel plutôt que du HTTP brut ? Oui. Pointez base_url du SDK vers https://api.hiapi.ai/v1 et utilisez votre clé hiapi sk-... comme clé API — aucune autre modification n'est nécessaire.

Comment glm-5.3 est-il facturé ? À la consommation de tokens, comme les autres modèles texte hiapi. Consultez la page Tarifs pour les taux actuels plutôt que de vous fier à un chiffre donné dans cet article.