GLM 5.3 API
GLM-5.3 از Z.ai یک مدل زبانی متنمحور با پنجره زمینه تا یک میلیون توکن است که برای عاملهای کدنویسی بلندمدت و وظایف پیچیده مهندسی نرمافزار بهینه شده و همه بهبودهایش از پسآموزش حاصل شده است.
GLM-5.3 مدل زبانی شرکت Z.ai است که در ۱۴ اوت ۲۰۲۶ معرفی شد و تنها ورودی و خروجی متنی را پشتیبانی میکند. این مدل با پنجره زمینه تا یک میلیون توکن، برای گفتگوهای طولانی و کارهای چندمرحلهای طراحی شده است. GLM-5.3 حالت تفکر با سه سطح تلاش استدلالی کم، زیاد و حداکثر را ارائه میدهد و دیگر امکان غیرفعالکردن تفکر وجود ندارد؛ این تغییر برای برنامههایی که پیشتر با تفکر خاموش کار میکردند ناسازگاری ایجاد میکند. قابلیتهایی مانند فراخوانی تابع برای یکپارچهسازی ابزار، کشف زمینه برای بهینهسازی مکالمات طولانی، خروجی ساختاریافته مانند JSON و پیامهای جریانی برای پاسخهای لحظهای در دسترس است.
این مدل بهویژه برای عاملهای کدنویسی بلندمدت، وظایف پیچیده مهندسی نرمافزار، کارهای چندمرحلهای خط فرمان مانند بازآرایی و بررسی CI، حلقههای عامل طولانی، کار در مقیاس مخزن، تشخیص و بهینهسازی زیرساخت یادگیری ماشین و وظایف عاملی فراتر از کدنویسی مناسب است. به گفته Z.ai، GLM-5.3 توانمندترین مدل با وزن باز برای کدنویسی است و در Terminal Bench 3.0 و Agents' Last Exam در میان مدلهای متنباز پیشرو است. بهبودها بیشتر بر کارهای چندمرحلهای متمرکزند تا تکمیل یکمرحلهای، و مدل میتواند کاری قابلمقایسه را با حدود ۵۰٬۰۰۰ توکن به جای ۱۲۰٬۰۰۰ توکن انجام دهد.
GLM-5.3 از همان مدل پایه GLM-5.2 با معماری ترکیب خبرگان ۷۴۳ میلیارد پارامتری استفاده میکند و همه پیشرفتها از پسآموزش حاصل شدهاند، نه از تغییر معماری. از محدودیتها میتوان به نبود امکان غیرفعالکردن تفکر، تأییدنشدن مستقل ارقام گزارششده توسط شرکت، تمرکز مزیت در بخش ابتدایی زنجیره بهرهبرداری و نیاز به بهبود در بهرهبرداری عمیقتر و گردشکارهای کامل تهاجمی و دفاعی اشاره کرد. تواناییها هنوز بهطور معناداری کمتر از مدلهای بسته پیشرو است و وزنهای باز حدود دو هفته پس از عرضه برای بررسی ایمنی به تأخیر افتاد. دسترسی فعلاً به GLM Coding Plan محدود است و API مدل تنها از طریق پروتکل سازگار با OpenAI Chat Completion در دسترس است.
بهروزرسانی:
MODEL ID
glm-5.3- زمینه
- 1.049M
- حداکثر خروجی
- 943.718K
- API پیشنهادی
- messages
- ورودی
- text
- خروجی
- text

نکات برجسته
- پنجره زمینه تا یک میلیون توکن
- سه سطح تلاش استدلالی
- پشتیبانی از فراخوانی تابع
- خروجی ساختاریافته مانند JSON
- کشف زمینه برای مکالمات طولانی
- بهبودها از پسآموزش
ارائهدهندگان
بهترین قیمتقیمت API را بین ارائهدهندگان مقایسه کنید. یک ارائهدهنده را انتخاب کنید تا همه هزینهها و شرایط را ببینید.
| دسترسپذیری | ||||
|---|---|---|---|---|
| $1.4 | $4.4 | $0.26 | ||
| $0.7 | $2.2 | $0.13 | ||
| $0.91 | $2.86 | $0.169 | ||
| $1.053 | $2.15 | $0.356 | ||
| $1.19 | $3.74 | $0.238 | ||
| $1.4 | $4.4 | $0.14 | ||
| $1.4 | $4.4 | $0.26 | ||
| $1.4 | $4.4 | $0.26 | ||
| $1.68 | $5.28 | $0.312 |
آمار تاریخی بررسی زنده وضعیت نیست. نبود داده به معنی قطعی نیست.
با $10 چه میتوان خرید
- ورودی
- ۷٫۱ میلیون توکن
- خروجی
- ۲٫۳ میلیون توکن
برآورد بر اساس قیمتهای فعلی ورودی و خروجی، پیش از تخفیف.
بنچمارکها
- 50%
Code Bench
بهبود نسبت به GLM-5.2 در بنچمارک داخلی شرکت
- 28.3
Terminal Bench 3.0
امتیاز؛ GLM-5.2 امتیاز 4.6 داشت، رشدی 23.7 امتیازی
- 66.9
DeepSWE v1.1
امتیاز؛ از 46.2 در GLM-5.2، بهبودی 20.7 امتیازی
- 28.5
Agents' Last Exam CLI
امتیاز؛ از 23.8 در GLM-5.2
- 54.4%
ExploitBench
از 24.4% در GLM-5.2
- 84.5%
CyberGym
بنچمارک کشف آسیبپذیری
- 1769
GDPval-AA v2
امتیاز در 44 دسته شغلی
امتیازها همانگونه که ارائهدهنده مدل منتشر کرده است.
استدلال
- سطح تلاش پیشفرض
- max
- بهطور پیشفرض فعال
- بله
- همیشه فعال
- بله
- سطوح تلاش موجود
- max / high / low
شروع سریع
کد آماده برای فراخوانی این مدل با APIهای سازگار با Felo API Platform. وقتی میخواهید پرامپتها را پیش از نوشتن کد آزمایش کنید، از Playground شروع کنید.
کلید API خود را بگیرید
از حساب Felo API Platform خود کلیدی بسازید و آن را بهعنوان متغیر محیطی تنظیم کنید.
export FELO_API_KEY="YOUR_API_KEY"اولین درخواست خود را بفرستید
این شناسه مدل را با endpoint Felo API Platform به کار ببرید. سرآیندهای اختیاری درخواست مانند X-Request-Id میتوانند در عیبیابی کمک کنند.
glm-5.3این مدل توان استدلال دارد. اگر پروتکل و مسیر مدل انتخابشده کنترلهای استدلال ارائه میدهند، هنگام ادامه گفتگو فراداده استدلال بازگشتی را نگه دارید.
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",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());استفاده از SDKهای شخص ثالث
از SDKهای سازگار با تنظیم baseURL روی این نشانی استفاده کنید: https://openapi.felo.ai/api/v1. برای کلاینتهای به سبک Claude از نشانی پایه سازگار با Anthropic استفاده کنید. https://openapi.felo.ai/api.
جریان را فعال کنید
برای دریافت پاسخها بهصورت رویدادهای ارسالی از سرور، stream: true را اضافه کنید.
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",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform سطوح سازگار برای فراخوانی مدل ارائه میکند. سطحی را انتخاب کنید که برنامه یا کلاینت عامل شما از قبل پشتیبانی میکند.
Messages
پیامهای سازگار با Anthropic برای کلاینتهای به سبک Claude.
POST
https://openapi.felo.ai/api/v1/messagesپارامترها
modelstringglm-5.3شناسه عمومی مدل برای فراخوانی.max_tokensinteger—حداکثر token تولیدی.messagesarray—پیامهای گفتگو برای Chat Completions.seed———stop———min_p———toolsarray—تعریفهای فراخوانی ابزار بر پایه طرحواره سازگار.top_k———top_p———logprobs———reasoning———logit_bias———temperaturenumber—در صورت پشتیبانی، تنوع پاسخ را کنترل میکند.tool_choicestring or object—کنترل میکند آیا ابزاری باید فراخوانی شود.top_logprobs———response_formatobject—در صورت پشتیبانی، خروجی ساختاریافته درخواست میکند.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———parallel_tool_calls———پرسشهای متداول
معرفی مدل: GLM 5.3?
GLM-5.3 مدل زبانی شرکت Z.ai است که در ۱۴ اوت ۲۰۲۶ معرفی شد و تنها ورودی و خروجی متنی را پشتیبانی میکند. این مدل با پنجره زمینه تا یک میلیون توکن، برای گفتگوهای طولانی و کارهای چندمرحلهای طراحی شده است. GLM-5.3 حالت تفکر با سه سطح تلاش استدلالی کم، زیاد و حداکثر را ارائه میدهد و دیگر امکان غیرفعالکردن تفکر وجود ندارد؛ این تغییر برای برنامههایی که پیشتر با تفکر خاموش کار میکردند ناسازگاری ایجاد میکند. قابلیتهایی مانند فراخوانی تابع برای یکپارچهسازی ابزار، کشف زمینه برای بهینهسازی مکالمات طولانی، خروجی ساختاریافته مانند JSON و پیامهای جریانی برای پاسخهای لحظهای در دسترس است. این مدل بهویژه برای عاملهای کدنویسی بلندمدت، وظایف پیچیده مهندسی نرمافزار، کارهای چندمرحلهای خط فرمان مانند بازآرایی و بررسی CI، حلقههای عامل طولانی، کار در مقیاس مخزن، تشخیص و بهینهسازی زیرساخت یادگیری ماشین و وظایف عاملی فراتر از کدنویسی مناسب است. به گفته Z.ai، GLM-5.3 توانمندترین مدل با وزن باز برای کدنویسی است و در Terminal Bench 3.0 و Agents' Last Exam در میان مدلهای متنباز پیشرو است. بهبودها بیشتر بر کارهای چندمرحلهای متمرکزند تا تکمیل یکمرحلهای، و مدل میتواند کاری قابلمقایسه را با حدود ۵۰٬۰۰۰ توکن به جای ۱۲۰٬۰۰۰ توکن انجام دهد. GLM-5.3 از همان مدل پایه GLM-5.2 با معماری ترکیب خبرگان ۷۴۳ میلیارد پارامتری استفاده میکند و همه پیشرفتها از پسآموزش حاصل شدهاند، نه از تغییر معماری. از محدودیتها میتوان به نبود امکان غیرفعالکردن تفکر، تأییدنشدن مستقل ارقام گزارششده توسط شرکت، تمرکز مزیت در بخش ابتدایی زنجیره بهرهبرداری و نیاز به بهبود در بهرهبرداری عمیقتر و گردشکارهای کامل تهاجمی و دفاعی اشاره کرد. تواناییها هنوز بهطور معناداری کمتر از مدلهای بسته پیشرو است و وزنهای باز حدود دو هفته پس از عرضه برای بررسی ایمنی به تأخیر افتاد. دسترسی فعلاً به GLM Coding Plan محدود است و API مدل تنها از طریق پروتکل سازگار با OpenAI Chat Completion در دسترس است.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.
GLM-5.3 چه ورودی و خروجیای پشتیبانی میکند؟
این مدل فقط ورودی متنی میپذیرد و خروجی متنی تولید میکند.
پنجره زمینه GLM-5.3 چقدر است؟
پنجره زمینه این مدل تا یک میلیون توکن است.
حالت تفکر در GLM-5.3 چگونه کار میکند؟
GLM-5.3 سه سطح تلاش استدلالی کم، زیاد و حداکثر دارد و دیگر نمیتوان تفکر را غیرفعال کرد.
GLM-5.3 برای چه وظایفی مناسب است؟
برای عاملهای کدنویسی بلندمدت، وظایف پیچیده مهندسی نرمافزار، کارهای چندمرحلهای خط فرمان، کار در مقیاس مخزن و وظایف عاملی فراتر از کدنویسی.
تفاوت GLM-5.3 با GLM-5.2 چیست؟
GLM-5.3 از همان مدل پایه GLM-5.2 با معماری ترکیب خبرگان ۷۴۳ میلیارد پارامتری استفاده میکند و همه بهبودها از پسآموزش حاصل شدهاند. همچنین غیرفعالکردن تفکر دیگر ممکن نیست.
مدلهای مرتبط
GLM 5.3 FlashX Legal
Z.aiglm-5.3-flashx-legalGLM 5.3 FlashX Legal یک مدل چندوجهی از Z.ai با ورودی متن، تصویر، ویدیو و فایل، حالت تفکر همیشه فعال و زمینه حدود یک میلیون توکن است که برای کارهای حقوقی و تحلیل اسناد طراحی شده است.
زمینه
1.049M
حداکثر خروجی
131.072K
توکنهای ورودی
$0.37 / 1M توکن
توکنهای خروجی
$1.25 / 1M توکن
GLM 5.3 Flash
Z.aiglm-5.3-flashGLM 5.3 Flash از Z.ai یک مدل چندوجهی بومی با معماری Mixture-of-Experts و پنجره زمینه ۱ میلیون توکن است که برای استنتاج سریع و کمهزینه، پردازش متن و تصویر و وظایف عاملی طراحی شده است.
زمینه
1.049M
حداکثر خروجی
943.717K
توکنهای ورودی
$0.15 / 1M توکن
توکنهای خروجی
$0.5 / 1M توکن