使用ガイド
glm-5.3 を使ったECコピー作成とカスタマーサポート返信
実際のAPI呼び出し、実際のトークン使用量、そして商品説明とポリシーを踏まえたサポート返信の実際のコスト。
ECチームは、短く構造化されたテキストを絶え間なく必要としています。商品タイトル、箇条書き、サイズガイドへの返信、返品ポリシーへの回答、レビューへの返信などです。これはテキストの問題であり、画像の問題ではありません。そして最初に明確にしておくべきことは、glm-5.3 はECコンテンツパイプラインの「商品画像の生成」という半分についてはまったく役に立たないということです。
glm-5.3 は hiapi API 経由で提供されるテキスト専用モデルで、OpenAI 互換の Chat Completions エンドポイントからアクセスできます。画像の入力も出力もありません。AI による商品撮影を目的に来た方は、GPT Image 2 のECワークフローガイドをご覧ください。glm-5.3 が得意とするのは、生のスペック表や顧客メッセージを、クリーンでポリシーに準拠したテキストに変えることです。しかも各レスポンスには reasoning_content が表示されるため、どのように回答に至ったかを確認できます。
本ガイドでは、2つの実際のECユースケース、すなわち商品コピー作成とカスタマーサポート返信を取り上げます。実際のAPI呼び出し、実際のトークン使用量、実際の1リクエストあたりのコストを含みます。
glm-5.3 とは何か：常に推論するテキストモデル
glm-5.3 には選択可能な推論レベルがありません。各レスポンスには最終的な content の隣に reasoning_content フィールドが必ず含まれ、推論の深さを上げ下げする reasoning_effort パラメータも存在しません。このモデルのドキュメントによると、「オプションの推論強度」は明確に公開契約の一部ではありません。関数呼び出し用の stream、response_format（JSONモード）、OpenAI 形式の tools/tool_choice には対応していますが、推論の深さはモデル自身が決めるものであり、ユーザーが決めるものではありません。
これは予算にとって重要です。本ガイドのテストでは、単純なコピー作成リクエストの方が、実際に返品ポリシーを適用する必要があるサポート返信よりも多くの推論トークンを消費しました。段階別モデルのようにタスクの複雑さからコストを予測することはできません。詳細は後述します。
ユースケース1：スペック表から商品コピーを作成する
典型的なカタログ作業です。生のスペック要点をタイトルと整形された箇条書きに変換しつつ、スペックに存在しない機能を捏造しないようにします。
curl https://api.hiapi.ai/v1/chat/completions \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3",
"messages": [
{
"role": "system",
"content": "You write e-commerce product listings. Output a title under 70 characters and 4 bullet points in ALL-CAPS-LEAD style. Do not claim features not in the spec."
},
{
"role": "user",
"content": "Product: insulated stainless steel water bottle. Capacity: 32oz. Keeps cold 24 hours, hot 12 hours. Leak-proof lid. BPA-free. Available in 6 colors."
}
]
}'
レスポンス内容：
タイトル： 32oz ステンレス保温水筒 – 保冷24時間、保温12時間
箇条書き：
- ステンレス保温：最大24時間保冷、最大12時間保温します。
- 32オンス容量：大容量32オンスで、一日中水分補給を維持できます。
- 漏れ防止蓋：安全な蓋の設計で、外出時のこぼれを防ぎます。
- BPAフリー、6色展開：BPAフリー素材を採用し、6色からお選びいただけます。
商品説明はスペックに厳密に従っており、保温技術や提供されていない認証についての捏造はありません。今回の呼び出しの実際の使用量：プロンプトトークン89、補完トークン1,146（うち1,018が reasoning_content）、合計コスト $0.0180。
意外なのは推論トークンの数です。ポリシーロジックを適用する必要のない単なる再整形タスクでありながら、モデルは4つの箇条書きを書き出す前に、文字数や言い回しの選択肢について1,000以上のトークンを費やして考えていました。
ユースケース2：カスタマーサポート返信
サポートの問い合わせには単なる再整形ではなく、本物のポリシー推論が必要です。モデルはキーワードのパターンマッチではなく、ルールを正しく適用しなければなりません。
curl https://api.hiapi.ai/v1/chat/completions \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3",
"messages": [
{
"role": "system",
"content": "You are a support agent. Return policy: returns accepted within 30 days if unused and in original packaging. Customer pays return shipping unless the item arrived damaged or wrong. Refunds post 5-7 business days after warehouse receives the item."
},
{
"role": "user",
"content": "I ordered the wrong size 10 days ago, item is unopened. Can I return it, and who pays shipping?"
}
]
}'
レスポンス：
はい、返品可能です！お客様の状況が当社のポリシーにどのように該当するかを以下にご説明します：
- 対象資格：まだ30日間の期間内（10日経過）であり、商品は未開封のため、未使用・元の梱包という要件を満たしています。
- 返品送料：商品はご注文どおりに出荷されているため（サイズの間違いは注文側の問題であり、フルフィルメントの問題ではありません）、返品送料はお客様のご負担となります。当社が返品送料を負担するのは、商品が到着時に破損していた場合、または誤った商品を発送した場合のみです。
- 返金時期：当社の倉庫が商品を受け取った後、返金は5〜7営業日以内に処理されます。
ご希望であれば、返品手続きをお手伝いできます。注文番号をお知らせください！
モデルは「お客様がサイズを間違えた」と「当社が誤った商品を発送した」を正しく区別しました。この違いが送料の負担者を決めるからです。単に「返品」という単語にマッチしたわけではありません。これは本物のポリシー適用であり、このような下書き返信は、人間のサポート担当者がゼロから入力することなく数秒で承認できるものです。
今回の呼び出しの実際の使用量：プロンプトトークン87、補完トークン358（うち200が reasoning_content）、合計コスト $0.0059。上記のコピー作成呼び出しの約3分の1でありながら、実際にルールを適用する作業を行っています。
大規模運用時のコスト上の注意点
hiapi 上の glm-5.3 の料金は、入力100万トークンあたり$4.40、出力100万トークンあたり$15.40です。出力には可視レスポンスと隠れた reasoning_content が含まれるため、請求額はタスクが外見上どれほど複雑かにではなく、モデルがどれだけ考えることを決めるかに依存します。上記2回の呼び出しでは、「簡単な」コピー作成タスクのコストが「難しい」サポートタスクの約3倍でした。これは純粋に推論トークンの変動によるものです。
カタログ単位やチケット量単位で運用する場合、実用的な防御策が2つあります：
max_tokensを設定する：呼び出しごとの推論＋補完の予算に対するハード上限として設定すれば、モデルが長時間推論することを決めても、単一リクエストのコストが暴走することはありません。- 確定的でリスクの低いタスクは他のモデルに任せる：予測可能な単一呼び出しコストが出力品質より重要な場合、オプションの推論レベルを持つモデル（
low/high/maxを提供する kimi-k3 など）は、glm-5.3 にはないコスト調整ノブを提供します。
glm-5.3 がこの予測不能性に値するのは、まさに上記のサポート返信ユースケースです。こうしたタスクでは、ポリシーロジックを間違えるコストの方が、推論トークンに数セント多くかかることよりはるかに高いからです。
はじめに
上記2回の呼び出しはどちらも同じ glm-5.3 モデルページと Chat Completions エンドポイントを対象としています。タスクに合わせてシステムプロンプトを置き換えれば、すぐに使えるコピー作成またはサポート返信のパイプラインが手に入ります。基本的な設定（APIキー、最初のcurlリクエスト、Pythonサンプル）については glm-5.3 APIガイドをご覧ください。大規模に運用する前に現在の料金を確認してください。出力コストがここで最も予測しにくい変数だからです。
