PT ▾
Obter chave de API

Guia de Integração da API GLM para Bots e Backends

Uma integração com a API GLM se resume a onde a chave fica, quantas requisições você permite executar simultaneamente e o que acontece quando a API pede para esperar. Este guia cobre essas decisões para backends, bots e ferramentas de fluxo de trabalho, com código adaptável.

Atualizado

Cubo de gateway recebendo itens de app, chat e blocos de automação, representando integração de API

Pontos principais

  • Mantenha a chave em um servidor que você controla e permita que apps chamem seu backend, nunca a API diretamente do navegador.
  • Limite as requisições em andamento ao limite da chave: 8 para uma chave completa, 2 para uma chave de teste.
  • Planeje o orçamento em tokens: a $0,15 e $0,50 por 1M, uma mensagem típica de bot custa uma fração de centavo.
  • Qualquer ferramenta com opção compatível com OpenAI e campo de base URL personalizada pode usar https://api.glmapikey.com/v1.

Escolha o padrão de integração primeiro

A maioria das integrações com a API GLM se enquadra em um de quatro formatos, e a escolha afeta tudo o mais: onde as chaves ficam, como lidar com picos e como uma falha aparece para o usuário.

PadrãoBom paraRisco principal
Proxy de backendApps web e mobile com seus próprios usuáriosEndpoint aberto que qualquer pessoa pode esvaziar
Worker de filaBots, jobs em lote, processamento em massa de textoAcúmulo quando as requisições superam os limites
Bot de chatPersonagens e companheiros no Discord, Telegram ou MatrixHistóricos longos inflando o custo
Ferramenta de automaçãoFluxos de trabalho em ferramentas que oferecem um nó HTTP ou OpenAIFalhas silenciosas quando um passo falha

As quatro usam a mesma chamada por baixo: POST /v1/chat/completions em https://api.glmapikey.com/v1 com uma chave Bearer e o modelo uncensored. A API é compatível com OpenAI, então você pode usar qualquer SDK OpenAI, ou HTTP puro se sua stack não tiver SDK. É um único modelo de pesos abertos rodado por um provedor independente, não a API oficial de nenhum fornecedor e não um roteador, então construa para o comportamento de um modelo. Apenas texto: se seu produto também precisar de imagens ou embeddings, planeje um segundo provedor para essas partes.

A página de documentação lista endpoints e cabeçalhos, e o artigo sobre a chave GLM explica como obter uma chave.

Proxy de backend: mantenha a chave fora do cliente

Qualquer coisa que rode no navegador ou em um bundle de app pode ser inspecionada. Se a chave estiver lá, qualquer um pode copiá-la e gastar seu crédito. A solução é uma rota de servidor fina que segura a chave, aplica suas regras e encaminha a requisição.

from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from openai import AsyncOpenAI
from pydantic import BaseModel

app = FastAPI()
client = AsyncOpenAI(
    base_url="https://api.glmapikey.com/v1",
    api_key="YOUR_KEY",
)

class Ask(BaseModel):
    prompt: str

@app.post("/ask")
async def ask(body: Ask):
    async def gen():
        stream = await client.chat.completions.create(
            model="uncensored",
            messages=[{"role": "user", "content": body.prompt[:4000]}],
            max_tokens=600,
            stream=True,
        )
        async for chunk in stream:
            if chunk.choices and chunk.choices[0].delta.content:
                yield chunk.choices[0].delta.content
    return StreamingResponse(gen(), media_type="text/plain")

A rota truncará o prompt e limitará a resposta, que é o mínimo. Adicione controles reais antes do lançamento: autenticação de usuário, orçamento diário de tokens por usuário e um limite de taxa de requisições por IP ou conta. A API retorna uso em cada chamada, então você pode contar tokens por usuário no seu banco de dados e recusar requisições que excedam sua cota.

Streaming através de um proxy precisa de uma verificação: confirme que seu proxy reverso não faz buffer nas respostas, ou o texto chegará em um bloco só no final em vez de palavra por palavra.

Worker de fila: respeite o limite de concorrência

Os limites são por chave. Uma chave completa permite 8 requisições simultâneas e 300 requisições por minuto. Uma chave de teste permite 2 e 60. Para um fluxo contínuo de tarefas, a concorrência geralmente é o limite que aparece primeiro, porque cada requisição ocupa uma vaga até ser concluída, e uma em streaming até o fim do fluxo.

Um pool de workers dimensionado para o limite é a solução mais limpa. As tarefas aguardam na sua fila em vez de falhar com 429:

import asyncio
from openai import AsyncOpenAI, RateLimitError

client = AsyncOpenAI(
    base_url="https://api.glmapikey.com/v1",
    api_key="YOUR_KEY",
    max_retries=0,
)
WORKERS = 8  # use 2 on a trial key

async def run_job(prompt: str) -> str:
    for attempt in range(5):
        try:
            r = await client.chat.completions.create(
                model="uncensored",
                messages=[{"role": "user", "content": prompt}],
                max_tokens=500,
            )
            return r.choices[0].message.content
        except RateLimitError as e:
            delay = float(e.response.headers.get("retry-after", 2 * (attempt + 1)))
            await asyncio.sleep(delay)
    raise RuntimeError("gave up after repeated 429 responses")

async def worker(queue: asyncio.Queue, results: list):
    while True:
        prompt = await queue.get()
        try:
            results.append(await run_job(prompt))
        finally:
            queue.task_done()

async def main(prompts):
    queue, results = asyncio.Queue(), []
    for p in prompts:
        queue.put_nowait(p)
    tasks = [asyncio.create_task(worker(queue, results)) for _ in range(WORKERS)]
    await queue.join()
    for t in tasks:
        t.cancel()
    return results

O código de erro no corpo 429 diz por que você foi interrompido: rate_limited para requisições por minuto, concurrency para muitos ao mesmo tempo, e um 429 simples com Retry-After: 5 para uma sobrecarga curta. Honrar o cabeçalho é mais simples que adivinhar um atraso. Requisições falhas e recusadas não são cobradas, então as retentativas não custam nada.

Bots e personagens

Um chat bot é o lugar usual onde surpresas de custo aparecem, porque um bot que mantém o histórico reenvia ele em cada mensagem. Decida cedo quantas mensagens de histórico manter e armazene o histórico você mesmo, já que a API não guarda estado entre chamadas.

Um exemplo de orçamento ilustra o ponto. Suponha um bot com 500 usuários ativos que enviam 20 mensagens por dia. Cada mensagem carrega 1.500 tokens de entrada (persona, um histórico curto e a nova linha) e retorna 250 tokens:

  • Por mensagem: 1.500 / 1.000.000 x $0,15 = $0,000225 de entrada, mais 250 / 1.000.000 x $0,50 = $0,000125 de saída, totalizando $0,00035
  • Por dia: 500 x 20 = 10.000 mensagens, então $3,50
  • Por 30 dias: $105

Se você deixar o histórico crescer até preencher uma janela de contexto de 12.000 tokens, a entrada por mensagem aumenta oito vezes para 12.000 tokens, ou $0,0018 apenas para a entrada, e o valor mensal sobe conforme o uso. Uma janela móvel com um resumo curto dos eventos mais antigos mantém a persona consistente a um custo menor.

Para bots de companheiro e roleplay, mantenha as regras do produto na sua própria camada. O modelo é ajustado para responder sem recusas de conteúdo para uso adulto legal, e o limite rígido é conteúdo sexual envolvendo menores de idade, que o serviço recusa. Se seu bot vive em um servidor público, adicione verificação de idade e regras de canal que correspondam à plataforma onde você o executa.

Ferramentas de automação e fluxos de trabalho no-code

Ferramentas de fluxo de trabalho que oferecem um nó estilo OpenAI com URL base configurável podem usar esta API alterando três campos: a URL para https://api.glmapikey.com/v1, a chave e o nome do modelo para uncensored. Ferramentas que só têm um nó de requisição HTTP genérica podem enviar a requisição bruta:

curl https://api.glmapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "uncensored", "messages": [{"role": "user", "content": "Classify this ticket: printer offline"}], "response_format": {"type": "json_object"}}'

Para etapas de fluxo que alimentam outra etapa, o modo JSON vale a pena, assim o próximo nó recebe texto analisável. Adicione um ramo de erro para qualquer etapa que chama a API, porque respostas 429 e 5xx vão ocorrer ocasionalmente e uma falha silenciosa no meio de um fluxo é difícil de encontrar depois. Configure uma retentativa com uma espera curta nesse nó, e certifique-se de que os ramos paralelos não excedam o número de requisições simultâneas que sua chave permite.

O que seus usuários veem quando algo falha

Toda integração precisa de um plano para o caminho de erro, e a parte visível ao usuário é tão importante quanto o código de retentativa. Três situações aparecem na prática.

A primeira é uma sobrecarga curta: um 429 com Retry-After: 5. Retente silenciosamente e mostre um indicador de digitação enquanto isso, para que o usuário veja uma resposta um pouco mais lenta em vez de um erro. A segunda é atingir o limite do seu próprio pool. Se todas as oito vagas estiverem ocupadas, coloque a mensagem na fila e informe ao usuário que está aguardando, o que é melhor do que uma tela em branco. A terceira é ficar sem crédito, o que nenhuma retentativa resolve. Observe o cabeçalho do saldo, configure alertas para um limite e mantenha uma mensagem de fallback pronta para o dia em que acabar sem você perceber.

Não mostre erros brutos da API para usuários finais. Registre-os com o ID da requisição e mostre uma frase simples que diga o que aconteceu e o que fazer a seguir. Nunca inclua a chave, a URL base ou rastros de execução no que um usuário pode ler.

Dinheiro, monitoramento e verificações de lançamento

O faturamento é pré-pago. Você recarrega qualquer valor inteiro de $20 a $500, com +5% de $50, +10% de $100 e +15% de $200. O crédito não expira e não há assinatura. Pague com cripto (USDT no TRC20, USDC na Base). Novos usuários podem reivindicar $0,50 de crédito de teste com um clique na página de chave de API, válido por 7 dias, para que você possa testar uma integração antes de financiá-la. Veja a página de preços para as taxas.

O que monitorar em produção:

  • Saldo. Leia X-Balance-USD nas respostas e configure um alerta quando ele cair abaixo de um limite que você escolher.
  • IDs de requisição. Armazene X-Request-Id junto a cada tarefa para que uma falha possa ser rastreada.
  • Uso de tokens. Some usage por usuário e por recurso para ver para onde o dinheiro vai.
  • Taxa 429. Uma contagem crescente significa que seu pool é maior que os limites da chave.

Uma lista curta de lançamento: execute uma requisição real do host de produção, teste um 429 forçado no ambiente de staging, confirme que um usuário não consegue acessar a API sem sua autenticação e anote o que seu serviço mostra quando a API fica indisponível. Os prompts não são usados para treinamento, o que você pode comunicar aos seus usuários, mas inclua em sua própria política de privacidade que o texto deles é enviado a um provedor de terceiros para gerar as respostas.

Perguntas e respostas

Devo chamar a API diretamente do navegador?

Não. Mantenha a chave no seu servidor e faça o navegador chamar seu backend, pois uma chave no código do cliente pode ser copiada e seu crédito gasto por qualquer pessoa.

Quantas requisições podem ser executadas simultaneamente?

Uma chave completa permite 8 requisições simultâneas e 300 por minuto. Uma chave de teste permite 2 simultâneas e 60 por minuto.

O que meu código deve fazer ao receber 429?

Leia o código de erro e aguarde. Use o valor Retry-After quando presente, que é de 5 segundos em sobrecarga temporária, e tente novamente. Requisições falhas não são cobradas.

O estado é mantido entre as chamadas?

Não. Você envia toda a conversa a cada vez, até 100.000 tokens para prompt e resposta juntos, e paga pelos tokens de entrada em cada chamada.

Posso usar de ferramentas no-code?

Sim, se a ferramenta permitir definir uma URL base no nó OpenAI dela ou enviar uma requisição HTTP personalizada para https://api.glmapikey.com/v1/chat/completions com uma chave Bearer.

Sua chave está a um formulário de distância

Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.

Obter chave de API