Inicio rápido para usuarios de GLM

Instalación y configuración

Para comenzar, asegúrate de tener instalado el SDK oficial de OpenAI para tu lenguaje. La API utiliza un esquema de autenticación estándar basado en encabezados. Debes configurar el encabezado Authorization como Bearer your-api-key y establecer la URL base en https://api.glmapi.cc/v1. Esta URL funciona con cualquier cliente que admita el formato de Chat Completions de OpenAI.

No se requiere una inicialización especial del cliente más allá de la configuración estándar. El servicio actúa como un reemplazo listo para usar para las integraciones existentes con OpenAI. Puedes verificar tu configuración consultando el endpoint de modelos disponibles.

Primera petición

Envía una petición simple de completado de texto para probar la conectividad. Usa el identificador de modelo uncensored para el modelo de lenguaje grande principal. La API acepta parámetros estándar como max_tokens y temperature.

Esta petición devuelve una respuesta de texto directa. Si encuentras un error 401, verifica tu clave de API. Un error 402 indica que no hay suficiente crédito prepago.

Copiarcurl https://api.glmapi.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Integración con SDK de Python

Usa la biblioteca oficial de Python para interactuar con la API. Inicializa el cliente con tu URL base y clave de API. La sintaxis es idéntica a la estructura del cliente estándar de OpenAI.

Este enfoque te permite cambiar de proveedor sin reescribir la lógica de negocio. El modelo responde a formatos de prompt estándar. Puedes controlar la longitud y la aleatoriedad de la salida mediante parámetros estándar.

Copiarfrom openai import OpenAI

client = OpenAI(base_url="https://api.glmapi.cc/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)

Integración con SDK de Node.js

Para entornos JavaScript, usa el SDK de Node.js. Configura el baseUrl para apuntar al endpoint de nuestra API. Esto asegura que todas las peticiones se enruten correctamente a nuestros servidores.

El SDK maneja los reintentos y el análisis de respuestas automáticamente. Puedes pasar parámetros de completado estándar. El objeto de respuesta contiene el texto generado en la ubicación esperada.

Copiarimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.glmapi.cc/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);

Respuestas en streaming

Habilita el streaming estableciendo el parámetro stream en true. La API devuelve fragmentos mediante Server-Sent Events (SSE). Cada fragmento contiene texto parcial y estadísticas de uso.

Este método reduce la latencia percibida en respuestas largas. Puedes procesar tokens a medida que llegan. El último fragmento incluye el recuento total de tokens para la facturación.

Copiarstream = 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)

Límites, errores y contexto

La ventana de contexto admite 100.000 tokens en total, con una salida máxima de 32.000 tokens. Las peticiones que superen el límite de cuerpo de 8 MB fallarán. Estás limitado a 300 peticiones por minuto y 8 peticiones simultáneas por clave.

El error 401 indica una clave inválida. El error 402 indica que no queda crédito prepago. El error 429 señala un límite de peticiones. El crédito no caduca y los errores no consumen tokens. Se mantiene la privacidad; los prompts no se usan para entrenamiento.