Saltar al contenido principal
POST
/
v1
/
messages
curl --request POST \
  --url https://direct.evolink.ai/v1/messages \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "glm-5.2",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hola, mundo"
    }
  ]
}
'
{
  "id": "msg_0842a705-9d0b-4eaa-b12d-09a4106326c5",
  "type": "message",
  "role": "assistant",
  "model": "glm-5.2",
  "content": [
    {
      "type": "thinking",
      "thinking": "El usuario pide saludar con una sola palabra, basta con responder \"Hi\".",
      "signature": ""
    },
    {
      "type": "text",
      "text": "Hi."
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 18,
    "output_tokens": 101,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0,
    "prompt_tokens_details": {
      "cached_tokens": 0
    }
  }
}
BaseURL: La BaseURL predeterminada es https://direct.evolink.ai, que ofrece mejor compatibilidad con los modelos de texto y las conexiones de larga duración. https://api.evolink.ai es el endpoint principal para los servicios multimodales y sirve como dirección de respaldo para los modelos de texto.

Autorizaciones

​
Authorization
string
header
requerido

##Todas las API requieren autenticación con Bearer Token##

Obtener la API Key:

Visita la Página de gestión de API Keys para obtener tu API Key

Añadir al encabezado de la solicitud al usarla:

Authorization: Bearer YOUR_API_KEY

Nota: EvoLink usa de forma unificada la autenticación con Bearer Token para /v1/messages.

Cuerpo

application/json
​
model
enum<string>
requerido

Modelo a invocar

Opciones disponibles:
glm-5.2
Ejemplo:

"glm-5.2"

​
messages
object[]
requerido

Lista de mensajes de la conversación, alternando user / assistant por turnos

Notas:

  • Debe contener al menos 1 mensaje
  • El último mensaje suele ser role=user
  • Admite contexto de múltiples turnos, el modelo hará referencia a los mensajes históricos
Minimum array length: 1
​
max_tokens
integer

Especifica el límite superior de longitud del contenido generado (número de Tokens)

Notas:

  • Los tokens producidos por el thinking también se contabilizan en este límite
  • Al alcanzar el límite, el contenido se trunca y la respuesta devuelve stop_reason=max_tokens
Rango requerido: x >= 1
Ejemplo:

1024

​
system

Indicación de sistema, usada para definir el rol y el comportamiento de la IA

Notas:

  • Admite una cadena o un array de bloques de contenido
  • Se transfiere mediante el campo system de nivel superior (no lo incluyas en messages)
  • El modelo respetará las restricciones de system
  • ⚠️ Un system demasiado largo puede truncarse: si necesitas un contexto largo, colócalo en messages, no lo amontones todo en system
Ejemplo:

"You are a helpful assistant."

​
temperature
number

Temperatura de muestreo

Notas:

  • Cuanto más alto el valor, más diversa la salida; cuanto más bajo, más determinista
  • Rango recomendado [0, 1]
Rango requerido: 0 <= x <= 1
Ejemplo:

1

​
top_p
number

Umbral de muestreo por núcleo

Notas:

  • Rango [0, 1]
  • Se recomienda no ajustar temperature y top_p simultáneamente
Rango requerido: 0 <= x <= 1
Ejemplo:

0.9

​
top_k
integer

Muestrea solo entre los K tokens de mayor probabilidad (parámetro exclusivo de Anthropic)

Notas:

  • Cuanto más pequeño el valor, más determinista la salida; cuanto más grande, más diversos los candidatos
Rango requerido: x >= 0
Ejemplo:

10

​
stop_sequences
string[]

Secuencias de parada personalizadas: la generación se detiene cuando se encuentra cualquiera de estas cadenas

Notas:

  • Al encontrarla se trunca, el contenido anterior al punto de coincidencia se devuelve con normalidad
  • ⚠️ Atención: al encontrar una secuencia de parada, el stop_reason de GLM-5.2 devuelve end_turn (en lugar del stop_sequence estándar de Anthropic), y la respuesta tampoco incluye el campo stop_sequence. Si el cliente se basa en stop_reason=="stop_sequence" para detectar la coincidencia, necesitarás un manejo especial
Ejemplo:
["\n\n"]
​
stream
boolean
predeterminado:false

Si se devuelve en streaming mediante SSE

  • true: devolución en streaming mediante Server-Sent Events (secuencia de eventos estándar de Anthropic: message_start / content_block_start / content_block_delta / message_delta / message_stop)
  • false: devuelve la respuesta completa de una sola vez (predeterminado)
Ejemplo:

false

​
thinking
object

Controla el pensamiento profundo

Notas:

  • GLM-5.2 es un modelo de razonamiento, cuando no se transfiere este campo, el pensamiento está activado de forma predeterminada
  • Cuando está activado, en el array content de la respuesta aparece un bloque de proceso de razonamiento con type="thinking" (se factura como output token, signature puede ser una cadena vacía)
  • Pasa {"type":"disabled"} para desactivar el pensamiento, reduciendo notablemente los output tokens
  • ⚠️ Solo el interruptor binario type tiene efecto: parámetros de presupuesto/nivel de pensamiento como budget_tokens o effort no surten efecto (se ignoran), no se puede controlar con precisión la cantidad de pensamiento
​
tools
object[]

Lista de definiciones de herramientas

Notas:

  • Sigue la especificación de definición de tool de Anthropic
  • input_schema usa un objeto JSON Schema
  • El modelo devuelve un bloque tool_use estándar, con stop_reason=tool_use
​
tool_choice
object

Estrategia de selección de herramientas

​
metadata
object

Metadatos de la solicitud

Respuesta

Objeto de mensaje

Respuesta de mensaje al estilo de Anthropic

​
id
string

ID único del mensaje (formato: msg_<uuid>)

​
type
enum<string>

Tipo de objeto de respuesta

Opciones disponibles:
message
​
role
enum<string>
Opciones disponibles:
assistant
​
model
string

Modelo realmente utilizado

Ejemplo:

"glm-5.2"

​
content
object[]

Lista de bloques de contenido de la respuesta

Posibles block type:

  • thinking: proceso de razonamiento (cuando el pensamiento está activado, activado de forma predeterminada)
  • text: texto de la respuesta final
  • tool_use: llamada a herramienta iniciada por el modelo
​
stop_reason
enum<string>

Motivo de la parada

  • end_turn: finalización natural (⚠️ también devuelve este valor al encontrar stop_sequences)
  • max_tokens: se alcanzó el límite de max_tokens
  • tool_use: el modelo activó una llamada a herramienta
Opciones disponibles:
end_turn,
max_tokens,
tool_use
​
usage
object

Estadísticas de uso de tokens (especificación de Anthropic)