GLM 5.3 Flash API
GLM 5.3 Flash es un modelo de Z.ai con arquitectura de mezcla de expertos, contexto de un millón de tokens y entrada nativa de texto e imágenes para tareas de agente y automatización.
Z.ai: GLM 5.3 Flash es un modelo de lenguaje de arquitectura de mezcla de expertos con 320 mil millones de parámetros totales y 18 mil millones activos por token. Combina atención lineal y dispersa en 45 capas y fue entrenado sobre un corpus multimodal de 30 billones de tokens. Su ventana de contexto alcanza un millón de tokens y admite entrada de texto e imágenes con salida de texto, con razonamiento activado por defecto.
Está diseñado para ejecutarse con bajo costo de inferencia y respuestas rápidas. En comparación con GLM 5.3, utiliza 3.0 veces menos cómputo de atención y tiene una caché KV 4.4 veces más pequeña. Supera a GLM 5.2 en pruebas de programación y de agente. Ofrece llamada a herramientas, salida estructurada y automatización nativa de interfaces gráficas de usuario.
Es adecuado para asistentes de programación con conocimiento del repositorio, análisis de capturas de pantalla a código, agentes que procesan documentos y flujos de revisión de código. También sirve para auditoría visual de documentos empresariales, generación de CAD paramétrico a partir de planos, refactorización de código heredado, agentes de escritorio en tiempo real y conversión de grabaciones de pantalla en aplicaciones Next.js. No debe considerarse automáticamente equivalente al modelo insignia para las cargas de razonamiento o ingeniería de software más exigentes.
Actualizado:
ID DEL MODELO
glm-5.3-flash- Contexto
- 1.049M
- Salida máx.
- 943.718K
- API recomendada
- messages
- Entrada
- text / image / video
- Salida
- text
Aspectos destacados
- Contexto de un millón de tokens
- Entrada nativa de texto e imágenes
- Razonamiento activado por defecto
- Llamada a herramientas y salida estructurada
- Automatización nativa de interfaces gráficas
- Licencia MIT para uso comercial y personal
Proveedores
Mejor precioCompara los precios de API entre proveedores. Selecciona un proveedor para ver todos los cargos y condiciones.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
Qué puedes comprar con $10
- Entrada
- 66,7 M tokens
- Salida
- 20 M tokens
Estimado a partir de los precios actuales de entrada y salida, antes de descuentos.
Benchmarks
- 29.0
Code Bench v1.0
Máximo esfuerzo; comparado con Claude Opus 4.8, que obtuvo 29.5
Puntuaciones según lo publicado por el proveedor del modelo.
Razonamiento
- Esfuerzo predeterminado
- max
- Activado por defecto
- Sí
- Siempre activado
- Sí
- Niveles de esfuerzo disponibles
- max / high / low
Inicio rápido
Código listo para llamar a este modelo con las APIs compatibles de Felo API Platform. Empieza en el Playground si quieres probar prompts antes de escribir código.
Configura tu clave de API
Crea una clave en tu cuenta de Felo API Platform y configúrala como variable de entorno.
export FELO_API_KEY="YOUR_API_KEY"Haz tu primera solicitud
Usa este ID de modelo con el endpoint de Felo API Platform. Las cabeceras opcionales como X-Request-Id ayudan a diagnosticar problemas.
glm-5.3-flashEste modelo puede razonar. Si el protocolo seleccionado y la ruta del modelo exponen controles de razonamiento, conserva los metadatos de razonamiento devueltos al continuar la conversación.
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());Usar SDK de terceros
En los SDK compatibles, define baseURL como https://openapi.felo.ai/api/v1. Para clientes de estilo Claude, usa la URL base compatible con Anthropic. https://openapi.felo.ai/api.
Activa el streaming
Añade stream: true para recibir respuestas como server-sent events.
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
Felo API Platform expone superficies compatibles para llamar a modelos. Elige la superficie que tu app o cliente de agente ya admite.
Messages
Mensajes compatibles con Anthropic para clientes de estilo Claude.
POST
https://openapi.felo.ai/api/v1/messagesParámetros
modelstringglm-5.3-flashID público del modelo que se va a llamar.max_tokensinteger—Número máximo de tokens generados.messagesarray—Mensajes de la conversación para Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Solicita salida estructurada cuando es compatible.seed———stop———structured_outputs———temperaturenumber—Controla la variedad de las respuestas cuando es compatible.tool_choicestring or object—Controla si se debe llamar a una herramienta.toolsarray—Definiciones de tool calling según el esquema compatible.top_k———top_logprobs———top_p———Preguntas frecuentes
¿Qué es GLM 5.3 Flash?
Z.ai: GLM 5.3 Flash es un modelo de lenguaje de arquitectura de mezcla de expertos con 320 mil millones de parámetros totales y 18 mil millones activos por token. Combina atención lineal y dispersa en 45 capas y fue entrenado sobre un corpus multimodal de 30 billones de tokens. Su ventana de contexto alcanza un millón de tokens y admite entrada de texto e imágenes con salida de texto, con razonamiento activado por defecto. Está diseñado para ejecutarse con bajo costo de inferencia y respuestas rápidas. En comparación con GLM 5.3, utiliza 3.0 veces menos cómputo de atención y tiene una caché KV 4.4 veces más pequeña. Supera a GLM 5.2 en pruebas de programación y de agente. Ofrece llamada a herramientas, salida estructurada y automatización nativa de interfaces gráficas de usuario. Es adecuado para asistentes de programación con conocimiento del repositorio, análisis de capturas de pantalla a código, agentes que procesan documentos y flujos de revisión de código. También sirve para auditoría visual de documentos empresariales, generación de CAD paramétrico a partir de planos, refactorización de código heredado, agentes de escritorio en tiempo real y conversión de grabaciones de pantalla en aplicaciones Next.js. No debe considerarse automáticamente equivalente al modelo insignia para las cargas de razonamiento o ingeniería de software más exigentes.
¿Cómo se cobra el uso?
Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos.
¿Qué modalidades de entrada admite GLM 5.3 Flash?
Admite entrada de texto e imágenes, con salida de texto. El procesamiento multimodal es nativo y está orientado a comprensión de capturas, análisis de imágenes y preguntas visuales.
¿Cuál es su ventana de contexto?
Tiene una ventana de contexto de un millón de tokens. El límite máximo de tokens de salida no se expone de forma destacada en la información disponible.
¿Para qué tipo de tareas está pensado?
Está orientado a asistentes de programación, análisis de capturas a código, agentes que procesan documentos y flujos de revisión de código. También se usa en auditoría visual de documentos, generación de CAD paramétrico y agentes de escritorio en tiempo real.
¿Cómo se diferencia de GLM 5.3?
GLM 5.3 Flash usa 3.0 veces menos cómputo de atención y tiene una caché KV 4.4 veces más pequeña que GLM 5.3. Además, su costo de inferencia es sustancialmente menor, aunque no debe tratarse automáticamente como equivalente al modelo insignia en las cargas más difíciles.
¿Cómo se compara con GLM 5.2?
Supera a GLM 5.2 en pruebas de programación y de agente. Comienza desde una base recién entrenada en lugar de reutilizar la base de GLM 5.2.
¿Qué características técnicas tiene?
Es un modelo de mezcla de expertos con 320 mil millones de parámetros totales y 18 mil millones activos por token. Tiene 45 capas y una arquitectura híbrida que combina atención lineal y dispersa.