GLM-5.3 上手指南：始终思考（Always-on Thinking）、三档推理与 API 支持矩阵（AIHubMix）

核心内容摘要

GLM-5.3 是 Z.ai 2026-08-14 发布的旗舰模型，与 GLM-5.2 完全同基座、纯后训练升级。本文所有"已验证"结论来自 2026-08-14 当天通过 AIHubMix API（Chat Completions / Responses / Messages 三种协议）的真实调用。

1. 模型规格速览

2. 与 GLM-5.2 的关键 API 差异（最重要）

• 官方迁移建议：原发送 {"type":"disabled"} 的应用改为 {"type":"enabled"} 并设 reasoning_effort:"low"。

• 实测：经 AIHubMix 发送 disabled 仍返回 200 且思考照常发生（按官方通道语义自动转换），若客户端依赖"关思考省 token"，请改用 reasoning_effort:"low"。

• 实测：非法枚举值返回 200 并回退默认 max；low vs max 在同一算术题上思考 token 为 27 vs 39。

3. 三种协议的调用与思考内容读取

Chat Completions（思考内容在 reasoning_content 字段，流式在 delta.reasoning_content）：

from openai import OpenAI
client = OpenAI(base_url="https://aihubmix.com/v1", api_key="<KEY>")
completion = client.chat.completions.create(
    model="coding-glm-5.3",
    reasoning_effort="max",   # low / high / max, 默认 max
    extra_body={"thinking": {"type": "enabled"}},
    messages=[{"role": "user", "content": "Compute the square root of (17*23-19*11), rounded down. Digits only."}],
)
print(completion.choices[0].message.reasoning_content)
print(completion.choices[0].message.content)  # 观察到: "13"

• 实测：usage.completion_tokens_details.reasoning_tokens 报告思考用量——同题 low 为 27、max 为 39。

Responses API（思考内容为 reasoning output item，文本在 summary 数组的 summary_text）：

response = client.responses.create(model="coding-glm-5.3", input="What is the capital of France? City name only.")
# output item 类型: ["reasoning", "message"]
# reasoning item: {"type": "reasoning", "summary": [{"type": "summary_text", "text": "..."}]}
# usage.output_tokens_details.reasoning_tokens: 80

• 实测：不传任何 reasoning 参数也会默认返回 reasoning item（无需显式 opt-in）。

Messages（Anthropic 协议）（思考内容为原生 thinking content block）：

client = Anthropic(api_key="<KEY>", base_url="https://aihubmix.com")
response = client.messages.create(model="coding-glm-5.3", max_tokens=4096,
    messages=[{"role": "user", "content": "What is the capital of France? City name only."}])
# content block 类型: ["thinking", "text"]

4. 工具调用与并行工具

• 三种 API 均验证可用；Responses API 观察到单轮内并行工具调用（官方声明 supports_parallel_tool_calls: true）。

• 上游限制：tools 最多 128 个函数；tool_choice 原生仅支持 auto。

• Chat Completions 实测 tool_choice:"none" 有效（不再调工具）；Messages 协议实测 tool_choice:{type:"none"} 仍会产出 tool_use——要禁用工具请直接移除 tools 参数，或用 Chat Completions 的 tool_choice:"none"。

5. 结构化输出

• response_format 支持 text 和 json_object，上游未提供 json_schema 模式；需要严格 schema 时把 JSON Schema 写进提示词并客户端校验。

• 实测：response_format={"type":"json_object"} 返回合法 JSON 且包含请求的 key。

6. 其他

• 上下文缓存 / 自动缓存可用（AIHubMix 侧）。

• 该文为 AIHubMix 聚合渠道视角（模型 ID coding-glm-5.3 为其预览路由），官方渠道模型 ID 为 glm-5.3，注意区分。

原文关键引文

"thinking.type no longer supports disabled — thinking cannot be turned off."

"If your client relied on 'turn off thinking to save tokens', switch to reasoning_effort: 'low'."