Documentação da API

Autenticação & Cabeçalhos

Seu glm api key autoriza cada solicitação. Passe-a no Authorization cabeçalho como um token Bearer. Este é o método padrão usado pelos SDKs oficiais da OpenAI e funciona com qualquer cliente que suporte autenticação compatível com OpenAI. Você recebe esta chave imediatamente após o cadastro com Google ou e-mail no painel.

Mantenha sua chave segura. Ela fornece acesso total ao seu crédito pré-pago. Se você a perder, gere uma nova; a chave antiga torna-se inválida instantaneamente. Você só pode ter uma chave ativa por conta a qualquer momento.

Endpoint Chat Completions

Envie mensagens de texto para o modelo usando o POST /v1/chat/completions endpoint. endpoint. A URL base para todas as solicitações é https://api.apiglm.com/v1. Você deve especificar o ID do modelo como uncensored no corpo da solicitação. Este endpoint lida com turnos conversacionais padrão e retorna texto gerado.

Cada solicitação consome tokens do seu saldo pré-pago. Erros e recusas não cobram seu crédito. O modelo aceita uma sequência de mensagens, permitindo conversas em múltiplos turnos dentro da janela de contexto.

Copycurl https://api.apiglm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the features"}]
  }'

Endpoint Models

Verifique os modelos disponíveis e a configuração do endpoint chamando GET /v1/models. Esse endpoint retorna uma lista de modelos atualmente suportados pela API. Você pode usar isso para confirmar a conectividade e verificar o ID do modelo antes de enviar solicitações de conclusão. É útil para depurar configurações de cliente.

A resposta inclui metadados sobre o modelo, como seu ID e o campo owned_by. Este endpoint não consome crédito. Use-o para garantir que seu cliente esteja apontando para o URL base correto e que seu cabeçalho de autenticação seja válido.

Streaming & SSE

Ative a saída de tokens em tempo real definindo stream: true na sua solicitação. A API retorna um fluxo de Server-Sent Events (SSE). Cada fragmento contém deltas de texto parcial. O último fragmento inclui as estatísticas completas de uso de tokens para a solicitação.

O streaming reduz a latência percebida para o usuário final. Permite que seu aplicativo exiba tokens à medida que são gerados. Isso é ideal para interfaces de chat onde o feedback imediato é esperado. Lidere o fluxo corretamente para garantir que todos os tokens sejam processados.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apiglm.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Chamada de Função

Defina ferramentas na solicitação para habilitar chamada de funções. O modelo pode retornar JSON estruturado identificando qual função chamar e seus argumentos. Isso permite que sua aplicação execute código com base na intenção do usuário. O suporte inclui definições de ferramentas, escolhas de ferramentas e modo JSON para formatação rigorosa de saída.

Use este recurso para integrar o LLM ao seu fluxo de trabalho. Defina o esquema da função no corpo da solicitação. O modelo responde com uma lista de chamadas de ferramentas. Analise essas chamadas em seu código para acionar ações externas. Isso permite tarefas complexas e multi-etapas.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apiglm.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Parâmetros & Limites

A janela de contexto suporta 100.000 tokens para prompt e conclusão combinados. A saída máxima é de 16.000 tokens por solicitação. Defina max_tokens para controlar o comprimento da saída. O padrão é 2.048 tokens se não especificado. Você pode ajustar temperatura, top_p e seed para variabilidade.

Os limites de taxa permitem 300 solicitações por minuto por chave. As solicitações simultâneas têm um limite de 8 por chave. Os corpos das solicitações devem estar abaixo de 8 MB. Os erros retornam códigos de status HTTP padrão. Um 401 indica uma chave inválida. Um 402 significa que seu crédito está esgotado. Um 429 sinaliza limite de taxa excedido.

Streaming

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)