🖼️ GLM-5.3-Flash 多模态理解

glm-5.3-flash 是一款原生多模态模型，可在一次请求中同时理解「图片 + 文本」并返回文本结果，支持超长上下文与深度思考。适用于图片描述、图文问答、截图识别、图表解读、视觉编程等场景。

接口格式：OpenAI 兼容的 Chat Completions（/v1/chat/completions）

输入类型：图片、文本

输出类型：文本

支持能力：深度思考、结构化输出、Function Calling、流式输出

接口地址

POST https://www.moyu.cn/v1/chat/completions

鉴权

所有请求需在 Header 中携带令牌：

Authorization: Bearer YOUR_API_KEY
Content-Type: application/json

将 YOUR_API_KEY 替换为你自己的令牌，请妥善保管、不要泄露或提交到代码仓库。

请求示例

纯文本

图文混合输入

将文本与图片放入同一条消息的 content 数组中，type 分别为 text 与 image_url。

图片输入的两种方式

image_url.url 支持两种传法：

1. 图片链接（URL）

{"type": "image_url", "image_url": {"url": "https://example.com/photo.png"}}

图片链接需为公网可正常访问的地址，否则会因无法读取图片而请求失败。

2. Base64 内联（Data URL）

适合上传本地图片，无需图床。

{"type": "image_url", "image_url": {"url": "data:image/png;base64,iVBORw0KGgoAAAANS..."}}

支持的图片格式：png、jpeg、webp、gif。

多图输入

可在同一条消息的 content 中放入多个 image_url 内容块，一次传入多张图片。

其他语言

使用 OpenAI SDK

本接口与 OpenAI Chat Completions 兼容，可直接使用官方 SDK，仅需替换 base_url 与令牌。

深度思考

glm-5.3-flash 支持深度思考。开启后模型会先进行推理再作答，推理过程通过响应中的 reasoning_content 返回。

通过 thinking 开启：{"type": "enabled"}。

可选 reasoning_effort 控制推理程度，取值 low / high / max（默认 max），仅在 thinking 开启时生效。

结构化输出

设置 response_format 为 {"type": "json_object"}，并在提示中明确要求以 JSON 输出，即可获得 JSON 格式结果。

流式输出

设置 "stream": true，响应以 SSE 事件流按增量返回，最后以 data: [DONE] 结束。

流式分片示例（每行以 data: 开头）：

data: {"choices":[{"index":0,"delta":{"role":"assistant","content":"这"}}]}

data: {"choices":[{"index":0,"delta":{"content":"是一张"}}]}

data: [DONE]

响应格式（非流式）

{
  "id": "chatcmpl-xxxxxxxx",
  "object": "chat.completion",
  "created": 1787653978,
  "model": "glm-5.3-flash",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "图片中是一只坐在草地上的橘色猫咪。",
        "reasoning_content": "用户想让我描述图片内容……"
      },
      "finish_reason": "stop"
    }
  ]
}

请求参数

基础参数

参数	类型	必填	说明
model	string	是	固定为 `glm-5.3-flash`
messages	array	是	对话消息数组，见下方说明
stream	boolean	否	是否流式输出，默认 `false`

messages 结构

每条消息包含 role 与 content：

字段	类型	说明
role	string	角色：`system` / `user` / `assistant`
content	string / array	文本消息用字符串；图文混合用内容块数组

content 为数组时，每个内容块的类型如下：

type	说明	关键字段
text	文本内容	`text`：文本字符串
image_url	图片内容	`image_url.url`：图片 URL 或 Base64 Data URL；`image_url.detail`：可选，`low` / `high` / `auto`

一条消息的 content 中可同时包含多个文本块与图片块，顺序即为模型看到的顺序；也可在一次请求中传入多张图片。

采样与控制参数

参数	类型	必填	默认值	说明
temperature	number	否	1	采样温度，范围 0-1，越大越随机
top_p	number	否	0.95	核采样参数，范围 0.01-1
max_tokens	integer	否	模型上限	生成的最大 token 数
stop	string / array	否	-	停止词，最多 4 个
do_sample	boolean	否	true	是否启用采样，为 `false` 时忽略 `temperature` / `top_p`

建议 temperature 与 top_p 二选一调整，不要同时修改两者。

思考参数

参数	类型	必填	默认值	说明
thinking	object	否	-	深度思考开关，`{"type": "enabled"}` 开启
reasoning_effort	string	否	max	推理程度 `low` / `high` / `max`，`thinking` 开启时生效

高级参数

参数	类型	必填	默认值	说明
tools	array	否	-	可用工具列表（Function Calling），最多 128 个
tool_choice	string	否	auto	工具选择策略
tool_stream	boolean	否	false	是否流式返回 Function Call
response_format	object	否	-	输出格式，如 `{"type": "json_object"}` 用于结构化输出
request_id	string	否	-	请求唯一标识，长度 6-64
user_id	string	否	-	终端用户标识，长度 6-128

响应字段说明

字段	类型	说明
id	string	本次响应的唯一标识符
object	string	对象类型，固定为 `chat.completion`（流式为 `chat.completion.chunk`）
created	integer	创建时间戳
model	string	使用的模型名称
choices	array	结果列表
choices[].message.role	string	角色，固定为 `assistant`
choices[].message.content	string	助手的回复文本
choices[].message.reasoning_content	string	深度思考过程（不含思考时为空）
choices[].finish_reason	string	结束原因：`stop`(正常结束)、`length`(达到长度上限)、`tool_calls`(触发工具调用)

常见问题

Q：传了图片链接却报错读取失败？
A：请确认该链接是公网可直接访问的图片地址（浏览器无痕模式能直接打开）。若图片位于内网、需要登录，或链接失效，请改用 Base64 内联方式上传。

Q：图片没有被识别 / 提示图片格式不支持？
A：请确认图片为 png / jpeg / webp / gif 之一，且数据完整未损坏。使用 Base64 时需带上正确的前缀，如 data:image/png;base64,。

Q：一次能传几张图片？
A：可在同一条消息的 content 中放入多个 image_url 内容块传多张图；图片越多、越大，占用的输入长度越多，请注意模型的最大输入长度。

Q：如何得到 JSON 格式的结果？
A：设置 "response_format": {"type": "json_object"}，并在提示中明确要求以 JSON 输出。

Q：思考过程在哪里返回？
A：开启 "thinking": {"type": "enabled"} 后，思考内容通过 choices[].message.reasoning_content 返回（流式下为 delta.reasoning_content），正式回答仍在 content 中。

🖼️ GLM-5.3-Flash 多模态理解

接口地址#

鉴权#

请求示例#

纯文本#

图文混合输入#

图片输入的两种方式#

多图输入#

其他语言#

使用 OpenAI SDK#

深度思考#

结构化输出#

流式输出#

响应格式（非流式）#

请求参数#

基础参数#

messages 结构#

采样与控制参数#

思考参数#

高级参数#

响应字段说明#

常见问题#