Z.AI Thinking Kontrolu

Z.AI GLM modelleri, yanıt üretmeden önce iç bir düşünce zinciri (reasoning_content) oluşturabilir. Bu, yanıt kalitesini artırır; ancak düşünce tokenleri de çıktı tokeni olarak faturalanır, max_tokens bütçesinden tüketilir ve yanıt süresini uzatır.

GLM-5.3 ailesi (GLM-5.3, GLM-5.3-Flash, GLM-5.3-FlashX) dışındaki thinking destekli GLM modellerinde thinking varsayılan olarak KAPALIDIR (opt-in). Bu modellerde sade bir istek düşünce tokeni harcamaz; thinking'i yalnızca açıkça istediğinizde çalışır:

Model slug suffix — zai/glm-5.1:think (açar) / zai/glm-5.1:fast (kapatır)
Body alanı — { "reasoning": true } (açar) / { "reasoning": false } (kapatır)

Bu istisnalar dışındaki modellerde suffix veya body verilmezse gateway, Z.AI API'sine thinking: { "type": "disabled" } iletir.

Hangi modeller thinking destekler?

Model	LLMTR varsayılanı	Açıkça etkinleştirilebilir mi?
GLM-5.3-Flash	Her zaman açık, `low` seviyesinde	Kapatılamaz; seviye seçilir
GLM-5.3-FlashX	Her zaman açık, `low` seviyesinde	Kapatılamaz; seviye seçilir
GLM-5.3	Her zaman açık, `low` seviyesinde	Kapatılamaz; seviye seçilir
GLM-5.2	Kapalı (opt-in)	Evet, `reasoning_effort` ile
GLM-5.1, GLM-5, GLM-5-Turbo	Kapalı (opt-in)	Evet
GLM-5V-Turbo	Kapalı (opt-in)	Evet
GLM-4.7, GLM-4.7-FlashX	Kapalı (opt-in)	Evet
GLM-4.6, GLM-4.6V, GLM-4.6V-FlashX	Kapalı (opt-in)	Evet
GLM-4.5, GLM-4.5-X, GLM-4.5-Air, GLM-4.5-AirX, GLM-4.5V	Kapalı (opt-in)	Evet
GLM-OCR, GLM-4-32B-0414-128K	—	Hayır

GLM-5.3 ailesi dışındaki thinking destekli tüm GLM modellerinde davranış aynıdır: :think suffix veya reasoning: true gönderildiğinde model düşünce zinciri üretir, aksi halde doğrudan yanıt verir.

GLM-5.3 ailesi: akil yurutme her zaman acik

GLM-5.3, GLM-5.3-Flash ve GLM-5.3-FlashX'te akıl yürütme kapatılamaz. Kapatma girişimi yapan her istek üstte 400 ile reddedilir; LLMTR bu isteği sağlayıcıya göndermeden önce durdurur ve hangi seviyeleri seçebileceğinizi söyler.

İstek	Sonuç
`zai/glm-5.3` (düz istek)	Çalışır. LLMTR `low` seviyesini gönderir.
`zai/glm-5.3:low`, `:high`, `:max`	Çalışır. Seçilen seviye gönderilir.
`zai/glm-5.3:think`	Çalışır. Akıl yürütme zaten açık olduğundan seviye `low` kalır.
`zai/glm-5.3:fast`	400 — akıl yürütme kapatılamaz.
`"reasoning": false`	400 — akıl yürütme kapatılamaz.
`"thinking": { "type": "disabled" }`	400 — akıl yürütme kapatılamaz.
`:none`, `:minimal`, `:medium`, `:xhigh`	400 — bu model yalnızca `low`, `high`, `max` kabul eder.

Tablodaki kurallar zai/glm-5.3-flash ve zai/glm-5.3-flashx kimlikleri için de aynıdır. Her iki Flash satırı ayrıca görsel girdi kabul eder; örnekler ve zaman pencereli fiyatlar için GLM-5.3-Flash sayfasına bakın. FlashX aynı yetenekleri daha yüksek üretim hızıyla ve daha yüksek birim fiyatla sunar.

Varsayılan neden low? Modelin kendi varsayılanı max, yani en derin ve en pahalı seviyedir. Kısa bir istekte bile onlarca düşünce tokeni üretir ve bunlar çıktı tokeni olarak faturalanır. LLMTR düz istekleri low ile gönderir; böylece basit çağrılar ucuz kalır, derinliğe ihtiyaç duyduğunuzda seviyeyi kendiniz yükseltirsiniz.

curl https://llmtr.com/v1/chat/completions   -H "Authorization: Bearer llmtr-your_key"   -H "Content-Type: application/json"   -d '{
    "model": "zai/glm-5.3:max",
    "messages": [
      {"role": "user", "content": "Bu servisteki yarış koşulunu bul ve düzelt"}
    ],
    "max_tokens": 8000
  }'

Seviyeyi body üzerinden de verebilirsiniz; suffix ile body birlikte gelirse body önceliklidir.

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key="llmtr-your_key")

response = client.chat.completions.create(
    model="zai/glm-5.3",
    messages=[{"role": "user", "content": "Bu fonksiyonu optimize et"}],
    reasoning_effort="high",
    max_tokens=8000,
)
print(response.choices[0].message.content)

GLM-5.2'den geçiyorsanız: :fast ve reasoning: false kullanan çağrılarınızı zai/glm-5.3 düz haline çevirin. LLMTR'nin low varsayılanı, Z.AI'nin bu geçiş için önerdiği seviyedir. GLM-5.3 yalnızca metin girdisi kabul eder; görsel gönderen çağrılar 400 döner.

Slug suffix ile thinking kapatma

Suffix :fast thinking'i devre dışı bırakır. Hız öncelikli ya da max_tokens kısıtlı senaryolar için kullanın.

curl https://llmtr.com/v1/chat/completions \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai/glm-5.1:fast",
    "messages": [
      {"role": "user", "content": "Merhaba"}
    ]
  }'

Suffix :think thinking'i açıkça etkinleştirir (varsayılan kapalı olduğundan derin analiz için gereklidir):

"model": "zai/glm-4.5-air:think"

Body alanı ile kontrol

reasoning: false → thinking kapalı, reasoning: true → thinking açık. Hem suffix hem body verilirse body önceliklidir.

curl https://llmtr.com/v1/chat/completions \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai/glm-5.1",
    "reasoning": false,
    "messages": [
      {"role": "user", "content": "Hızlı cevap ver"}
    ]
  }'

Python (OpenAI SDK)

from openai import OpenAI

client = OpenAI(
    base_url="https://llmtr.com/v1",
    api_key="llmtr-your_key",
)

# Thinking kapalı — hızlı mod
response = client.chat.completions.create(
    model="zai/glm-5.1:fast",
    messages=[{"role": "user", "content": "Kısa bir selamlama yaz"}],
)
print(response.choices[0].message.content)

# Thinking açık — derin analiz
response = client.chat.completions.create(
    model="zai/glm-5.1:think",
    messages=[{"role": "user", "content": "Bu algoritmanın zaman karmaşıklığını açıkla"}],
    max_tokens=4000,
)
print(response.choices[0].message.content)

JavaScript (OpenAI SDK)

import OpenAI from "openai";

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

// Thinking devre dışı
const fast = await client.chat.completions.create({
  model: "zai/glm-4.7:fast",
  messages: [{ role: "user", content: "Merhaba" }],
});

// Thinking etkin (body üzerinden)
const deep = await client.chat.completions.create({
  model: "zai/glm-4.5-air",
  messages: [{ role: "user", content: "Bu kodu incele ve hataları listele" }],
  extra_body: { reasoning: true },
  max_tokens: 4000,
});

max_tokens ve thinking

Thinking tokenleri max_tokens bütçesinden tüketilir. Thinking açıkken düşük bir max_tokens değeri verilirse model yanıt üretemeden token limitine ulaşabilir.

Önerilen minimum max_tokens değerleri:

Durum	Önerilen minimum
Thinking açık, kısa soru	1 500
Thinking açık, karmaşık soru	4 000+
Thinking kapalı (`:fast`)	256

Thinking kapalıyken düşünce tokeni harcanmaz; standart token sayısı yeterlidir.

Faturalama

Thinking tokenleri de çıktı tokeni olarak faturalandırılır. Thinking'i isteğe bağlı modellerde maliyeti düşürmek için :fast suffix ile kapatabilirsiniz. GLM-5.3 ailesinde kapatmak yerine low seviyesini kullanın. Daha fazla bilgi için Faturalama sayfasına bakın.