GLM 5.3 Flash API
GLM 5.3 Flash von Z.ai ist ein multimodales Mixture-of-Experts-Modell mit 1-Million-Token-Kontext, standardmäßig aktiviertem Reasoning und toolbasierter Agentensteuerung für kosteneffiziente Aufgaben.
Z.ai: GLM 5.3 Flash ist ein Mixture-of-Experts-Modell mit 320 Milliarden Gesamtparametern und 18 Milliarden aktiven Parametern pro Token. Es verfügt über 45 Schichten und eine hybride Architektur aus linearer und sparsamer Attention. Trainiert wurde es auf einem multimodalen Korpus von 30 Billionen Tokens, wobei es auf einer neu trainierten Basis aufsetzt und nicht auf der Basis von GLM 5.2 aufbaut. Das Modell verarbeitet Texte und Bilder als Eingabe und gibt Text aus; Reasoning ist standardmäßig aktiviert. Der Kontext umfasst bis zu 1 Million Tokens. Es unterstützt Tool-Calling, strukturierte Ausgaben sowie die native Steuerung und Automatisierung grafischer Benutzeroberflächen. Die Lizenz ist MIT und erlaubt kommerzielle wie persönliche Nutzung.
Der entscheidende Vorteil liegt im Ressourcenverbrauch: Im Vergleich zum Flaggschiff GLM 5.3 benötigt GLM 5.3 Flash das Dreifache weniger Attention-Compute und einen 4,4-mal kleineren KV-Cache. In Coding- und Agententests übertrifft es GLM 5.2. Sieben-Tage-Statusprüfungen ergaben eine mediane Zeit bis zum ersten Token von 280 Millisekunden und eine Ausgabegeschwindigkeit von 55 Tokens pro Sekunde. Damit eignet es sich für Aufgaben, bei denen Kosten und Latenz zählen, etwa repositorybewusste Coding-Assistenten, wiederkehrende Code-Review-Workflows oder die Analyse von Screenshots zu Code.
Typische Einsatzfelder sind dokumentenlastige Agenten, die visuelle Prüfung von Unternehmensdokumenten wie PDF, PPTX, DOCX und XLSX, die Umwandlung von Bildschirmaufnahmen und Designs in Next.js-Anwendungen sowie Desktop-Agenten, die in Echtzeit klicken, tippen und laufende Screenshots lesen. Auch die automatische Erzeugung ausführbarer parametrischer 3D-CAD-Modelle aus 2D-Bauplänen, massives Refactoring und Sicherheits-Patching von Legacy-Code sowie räumliche und parametrische Konstruktionsentwürfe mit CAD-Skripten und Blender-Szenen gehören dazu. Für die anspruchsvollsten Reasoning- oder Software-Engineering-Aufgaben sollte es jedoch nicht automatisch als gleichwertig zum Flaggschiffmodell betrachtet werden.
Aktualisiert:
MODELL-ID
glm-5.3-flash- Kontext
- 1.049M
- Max. Ausgabe
- 943.718K
- Empfohlene API
- messages
- Eingabe
- text / image / video
- Ausgabe
- text
Highlights
- 1-Million-Token-Kontext
- Nativ multimodale Eingabe
- Reasoning standardmäßig aktiv
- Tool-Calling und strukturierte Ausgabe
- GUI-Steuerung und -Automatisierung
- MIT-Lizenz für kommerzielle Nutzung
Anbieter
Bester PreisVergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
Was man für $10 bekommt
- Eingabe
- 66,7 Mio. Token
- Ausgabe
- 20 Mio. Token
Geschätzt anhand der aktuellen Eingabe- und Ausgabepreise, vor Rabatten.
Benchmarks
- 29.0
Code Bench v1.0
Maximaler Aufwand; Vergleich mit Claude Opus 4.8 bei 29,5
Werte wie vom Modellanbieter veröffentlicht.
Schlussfolgern
- Standardaufwand
- max
- Standardmäßig aktiviert
- Ja
- Immer aktiviert
- Ja
- Verfügbare Aufwandsstufen
- max / high / low
Schnellstart
Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.
API-Schlüssel hinterlegen
Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.
export FELO_API_KEY="YOUR_API_KEY"Erste Anfrage senden
Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.
glm-5.3-flashDieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "glm-5.3-flash",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Drittanbieter-SDKs verwenden
Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.
Streaming aktivieren
Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.
Messages
Anthropic-kompatible Nachrichten für Clients im Claude-Stil.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringglm-5.3-flashÖffentliche Modell-ID, die aufgerufen wird.max_tokensinteger—Maximale Anzahl generierter Tokens.messagesarray—Gesprächsnachrichten für Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Fordert strukturierte Ausgabe an, wenn unterstützt.seed———stop———structured_outputs———temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.tool_choicestring or object—Steuert, ob ein Tool aufgerufen werden soll.toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.top_k———top_logprobs———top_p———Häufige Fragen
Was ist GLM 5.3 Flash?
Z.ai: GLM 5.3 Flash ist ein Mixture-of-Experts-Modell mit 320 Milliarden Gesamtparametern und 18 Milliarden aktiven Parametern pro Token. Es verfügt über 45 Schichten und eine hybride Architektur aus linearer und sparsamer Attention. Trainiert wurde es auf einem multimodalen Korpus von 30 Billionen Tokens, wobei es auf einer neu trainierten Basis aufsetzt und nicht auf der Basis von GLM 5.2 aufbaut. Das Modell verarbeitet Texte und Bilder als Eingabe und gibt Text aus; Reasoning ist standardmäßig aktiviert. Der Kontext umfasst bis zu 1 Million Tokens. Es unterstützt Tool-Calling, strukturierte Ausgaben sowie die native Steuerung und Automatisierung grafischer Benutzeroberflächen. Die Lizenz ist MIT und erlaubt kommerzielle wie persönliche Nutzung. Der entscheidende Vorteil liegt im Ressourcenverbrauch: Im Vergleich zum Flaggschiff GLM 5.3 benötigt GLM 5.3 Flash das Dreifache weniger Attention-Compute und einen 4,4-mal kleineren KV-Cache. In Coding- und Agententests übertrifft es GLM 5.2. Sieben-Tage-Statusprüfungen ergaben eine mediane Zeit bis zum ersten Token von 280 Millisekunden und eine Ausgabegeschwindigkeit von 55 Tokens pro Sekunde. Damit eignet es sich für Aufgaben, bei denen Kosten und Latenz zählen, etwa repositorybewusste Coding-Assistenten, wiederkehrende Code-Review-Workflows oder die Analyse von Screenshots zu Code. Typische Einsatzfelder sind dokumentenlastige Agenten, die visuelle Prüfung von Unternehmensdokumenten wie PDF, PPTX, DOCX und XLSX, die Umwandlung von Bildschirmaufnahmen und Designs in Next.js-Anwendungen sowie Desktop-Agenten, die in Echtzeit klicken, tippen und laufende Screenshots lesen. Auch die automatische Erzeugung ausführbarer parametrischer 3D-CAD-Modelle aus 2D-Bauplänen, massives Refactoring und Sicherheits-Patching von Legacy-Code sowie räumliche und parametrische Konstruktionsentwürfe mit CAD-Skripten und Blender-Szenen gehören dazu. Für die anspruchsvollsten Reasoning- oder Software-Engineering-Aufgaben sollte es jedoch nicht automatisch als gleichwertig zum Flaggschiffmodell betrachtet werden.
Wie wird die Nutzung abgerechnet?
Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.
Welche Eingaben verarbeitet GLM 5.3 Flash?
Das Modell nimmt Texte und Bilder als Eingabe und gibt Text aus. Es ist also nativ multimodal für Text und Bild.
Wie groß ist der Kontext von GLM 5.3 Flash?
Der Kontext umfasst bis zu 1 Million Tokens. Ein maximales Ausgablimit wird nicht prominent ausgewiesen.
Für welche Aufgaben ist GLM 5.3 Flash geeignet?
Es eignet sich für repositorybewusste Coding-Assistenten, Screenshot-zu-Code-Analyse, dokumentenlastige Agenten, wiederkehrende Code-Review-Workflows und Langkontext-Automatisierung. Auch die visuelle Prüfung von PDF-, PPTX-, DOCX- und XLSX-Dateien sowie die Erzeugung parametrischer 3D-CAD-Modelle aus 2D-Bauplänen sind vorgesehen.
Wie unterscheidet sich GLM 5.3 Flash vom Flaggschiff GLM 5.3?
GLM 5.3 Flash benötigt 3,0-mal weniger Attention-Compute und hat einen 4,4-mal kleineren KV-Cache als GLM 5.3. Die Inferenzkosten liegen deutlich unter denen des Flaggschiffs, und es ist auf günstigen und schnellen Betrieb ausgelegt.
Wie schlägt sich GLM 5.3 Flash im Vergleich zu GLM 5.2?
In Coding- und Agententests übertrifft es GLM 5.2. Es startet von einer neu trainierten Basis und nicht von der Basis von GLM 5.2.