Dieser Artikel ist noch nicht ins Deutsche übersetzt – Sie lesen das Original auf Ukrainisch.

Режим /chat в Z.ai — як працює та коли використовувати (2026)

Aktualisiert:
✦ KI zu diesem Artikel befragen
Режим /chat в Z.ai — як працює та коли використовувати (2026)

«Chat» у Z.ai означає дві різні речі: режим на сайті chat.z.ai і звичайний виклик chat/completions в API. Ця стаття — про другий: як побудувати чат на моделях GLM, керувати історією та контекстом і не переплачувати за reasoning.

Коротко: API не зберігає стан, тому історію і system prompt ви надсилаєте в кожному запиті. Для чату за замовчуванням підходить GLM-5.3-Flash з reasoning_effort: low, а GLM-5.3 варто залишити для коду.

Оновлено: 10 листопада 2026. Моделі й параметри API перевірено на цю дату.

⚡ Коротко

  • ✅ Chat в API — це /chat/completions, сумісний з OpenAI. Окремого «chat-ендпоінта» немає.
  • ✅ Stateless: сервер не пам'ятає розмову, історію передаєте ви.
  • ✅ Модель для чату: GLM-5.3-Flash — дешева, з MIT-ліцензією, розуміє зображення.
  • ✅ Reasoning не вимикається, але low робить відповіді швидшими й дешевшими.
  • ✅ Tool calling у чаті працює — агента збирають з того самого виклику.
  • 🎯 Приклад: чат з пам'яттю на Java і Spring AI.

📚 Зміст статті

Огляд усієї платформи, лінійки GLM і цін — у статті Z.ai у 2026: лінійка GLM, Chat vs Agent, API і ціни.

🎯 Chat у Z.ai: на сайті і в API

Коротка відповідь: на chat.z.ai Chat — це режим інтерфейсу, у якому модель відповідає текстом, без генерації файлів. В API окремого режиму немає: будь-який діалог — це запит до /chat/completions, і саме ви вирішуєте, чи передавати моделі інструменти.

Chat на chat.z.aiChat через API
Для когоКористувач у браузеріРозробник у своєму застосунку
ІсторіяЗберігає сайтЗберігаєте ви
ІнструментиНемає (для них — режим Agent)Будь-які ваші через tools
ОплатаБезкоштовно з лімітамиЗа токени або за GLM Coding Plan

Чим відрізняється режим Agent на сайті — у статті Режим Agent у Z.ai.

🧩 Яку модель обрати для чату

МодельКоли брати для чатуВхідЦіна, $ за 1M (вхід / вихід)
GLM-5.3-FlashЗа замовчуванням: чат-боти, RAG, підтримкаТекст, зображення, відео0.15 / 0.50
GLM-5.3Питання про код, складний аналізТільки текст1.40 / 4.40
GLM-5Якщо вже працює і вистачає 200K контекстуТільки текст1.00 / 3.20

Джерела: Z.ai: GLM-5.3, Codersera: GLM-5.3-Flash, GetDeploying: GLM-5. Ціни перевірено 10 листопада 2026.

💡 Мій вибір для чату: Flash. Різниця в ціні майже десятикратна, а для типових питань користувачів флагман дає мало переваг.

Режим /chat в Z.ai — як працює та коли використовувати (2026) — 2

🔄 Як працює запит: історія і system prompt

Коротка відповідь: API Z.ai не зберігає розмову між запитами. У кожному запиті ви надсилаєте весь масив messages: system prompt, попередні репліки і нове питання. Модель бачить лише те, що є в цьому масиві.

{
  "model": "glm-5.3-flash",
  "messages": [
    {"role": "system", "content": "Ти — асистент техпідтримки. Відповідай українською."},
    {"role": "user", "content": "Як змінити пароль?"},
    {"role": "assistant", "content": "Відкрийте Налаштування → Безпека..."},
    {"role": "user", "content": "А якщо я забув старий?"}
  ],
  "reasoning_effort": "low",
  "stream": true
}
  • ✔️ System prompt — у кожному запиті. Якщо не передати його, модель про нього не знатиме: сервер нічого не пам'ятає.
  • ✔️ Поведінку можна міняти на ходу. Хочете інший тон для наступної відповіді — змініть system prompt у наступному запиті.
  • ✔️ Порядок має значення: system першим, далі репліки в хронологічному порядку.

📏 Контекст 1M: коли передавати все, а коли обрізати

Коротка відповідь: GLM-5.3 і GLM-5.3-Flash приймають до 1M токенів, тож ліміт контексту в чаті майже не трапляється. Але кожен запит знову оплачує всю історію, тому обрізати її все одно варто.

Чат на 50 повідомлень по 300 токенів — це 15 000 токенів вхідних даних у кожному наступному запиті. Великий контекст знімає технічне обмеження, але не економічне.

СтратегіяКоли підходить
Вікно останніх N повідомленьЗвичайний чат-бот, техпідтримка
Стиснення старої історії в короткий підсумокДовгі сесії, де важливий ранній контекст
RAG: тільки релевантні фрагменти документівВідповіді з бази знань. Дешевше й точніше, ніж передавати всі документи
Уся історіяКороткі сесії або аналіз одного великого документа

Кешування. Кешований вхід коштує дешевше за звичайний. Тримайте незмінну частину запиту на початку: system prompt і довідкові дані, а нові повідомлення додавайте в кінець. Деталі — у документації Context Caching.

🧠 Reasoning effort для чату

Коротка відповідь: у GLM-5.3 reasoning увімкнений завжди. Параметр reasoning_effort приймає low, high або max, і за замовчуванням стоїть max. Для чату майже завжди потрібен low.

РівеньДля чого в чаті
lowЗвичайні питання, підтримка, RAG
highПояснення складних тем, порівняння варіантів
maxПитання про код і багатокроковий аналіз

⚠️ Найчастіша помилка: не вказати рівень і отримати max за замовчуванням. Відповіді стають повільнішими й дорожчими там, де це не потрібно. А запит із thinking: {"type": "disabled"} до GLM-5.3 завершиться помилкою (Z.ai).

🛠️ Tool calling у чаті

Чат в API може викликати ваші функції: передайте tools з описом у JSON Schema, і модель поверне tool_calls, коли їй знадобляться дані. Виконує функцію ваш код, а не модель. Так чат-бот може, наприклад, перевірити статус замовлення в базі.

Коли викликів стає кілька поспіль і модель сама планує кроки — це вже агент. Як його зібрати, описано в статті Режим Agent у Z.ai.

Режим /chat в Z.ai — як працює та коли використовувати (2026) — 3

☕ Приклад: чат з пам'яттю на Spring AI

API Z.ai сумісний з OpenAI, тому підходить стандартний стартер spring-ai-starter-model-openai: достатньо вказати адресу Z.ai і модель.

⚠️ Код написано під API Spring AI 1.x і в цій версії статті не запускався. Якщо у вас інша версія, назви класів і властивостей можуть відрізнятися.

application.properties

spring.ai.openai.api-key=${ZAI_API_KEY}
spring.ai.openai.base-url=https://api.z.ai/api/paas/v4
spring.ai.openai.chat.completions-path=/chat/completions
spring.ai.openai.chat.options.model=glm-5.3-flash
spring.ai.openai.chat.options.reasoning-effort=low

completions-path потрібен тому, що за замовчуванням Spring AI додає до адреси /v1/chat/completions, а в Z.ai шлях інший.

Конфігурація: пам'ять на 20 повідомлень

@Configuration
public class ChatConfig {

    @Bean
    ChatMemory chatMemory() {
        return MessageWindowChatMemory.builder()
                .maxMessages(20)
                .build();
    }

    @Bean
    ChatClient chatClient(ChatClient.Builder builder, ChatMemory chatMemory) {
        return builder
                .defaultSystem("Ти — асистент техпідтримки. Відповідай українською, коротко.")
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())
                .build();
    }
}

Сервіс: стрімінг відповіді

@Service
@RequiredArgsConstructor
public class SupportChatService {

    private final ChatClient chatClient;

    public Flux<String> ask(String conversationId, String question) {
        return chatClient.prompt()
                .user(question)
                .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))
                .stream()
                .content();
    }

    public String askAboutCode(String conversationId, String question) {
        return chatClient.prompt()
                .user(question)
                .options(OpenAiChatOptions.builder()
                        .model("glm-5.3")
                        .reasoningEffort("max")
                        .build())
                .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))
                .call()
                .content();
    }
}

Що тут відбувається

  • ✔️ Stateless під капотом. Advisor перед кожним запитом сам додає system prompt і останні 20 повідомлень у messages. Це та сама механіка з розділу 3, тільки автоматизована.
  • ✔️ Обрізання історії. MessageWindowChatMemory рахує повідомлення, а не токени. Для чату цього зазвичай вистачає. Якщо репліки бувають дуже довгими, обмежуйте ще й за токенами.
  • ✔️ Дві моделі в одному сервісі. Звичайні питання йдуть на Flash з low, питання про код — на GLM-5.3 з max через перевизначення опцій.
  • ⚠️ Пам'ять в оперативці зникає після перезапуску. Для продакшну під'єднайте JDBC-репозиторій пам'яті, наприклад у PostgreSQL.

🧭 Коли вистачає чату, а коли ні

✅ Вистачає чату❌ Потрібне інше
Чат-бот підтримки, FAQ, внутрішній асистентБагатокрокові задачі з кількома інструментами — агент
RAG: відповіді з бази знаньГотові файли .docx, .xlsx — режим Agent або власна генерація
Пояснення коду, рев'ю, генерація функційАналіз зображень на рівні Gemini — інша модель
Генерація текстів у заданому стиліПерсональні дані з ЄС без перевіреного договору — інший провайдер або self-hosting

❓ Часті питання

Чим Chat відрізняється від Agent у Z.ai?

На сайті chat.z.ai Chat відповідає текстом, а Agent сам планує кроки, викликає вбудовані інструменти і створює файли. В API такого поділу немає: є один виклик chat/completions, а інструменти ви додаєте самі.

Чи пам'ятає API Z.ai попередні повідомлення?

Ні. API не зберігає стан між запитами, тому історію розмови і system prompt потрібно надсилати в кожному запиті.

Яку модель GLM обрати для чат-бота?

Для більшості чат-ботів — GLM-5.3-Flash з reasoning_effort: low: вона дешева і підтримує зображення. GLM-5.3 варто брати для питань про код і складного аналізу.

Як вимкнути thinking у GLM-5.3?

Ніяк: у GLM-5.3 reasoning увімкнений завжди. Мінімальний рівень — reasoning_effort: low. Запит із thinking: {"type": "disabled"} до GLM-5.3 завершиться помилкою.

✅ Висновки

  • 🔹 Chat в API — це звичайний chat/completions. Режими Chat і Agent існують лише на сайті.
  • 🔹 API stateless: історія і system prompt — у кожному запиті.
  • 🔹 Контекст 1M знімає технічний ліміт, але не вартість. Обрізайте історію або використовуйте RAG.
  • 🔹 Для чату — GLM-5.3-Flash і low, для коду — GLM-5.3 і max.
  • 🔹 У Spring AI підключення займає кілька рядків конфігурації завдяки OpenAI-сумісності.

Головна думка: найбільше в чаті на Z.ai економить не вибір провайдера, а два налаштування: правильна модель і рівень reasoning.